為什麼太陽能發電廠會殺死鳥類？研究人員欲用AI來尋求答案

太陽能設施每年殺死成千上萬隻鳥，但沒有人確切知道具體原因。一個AI的觀測鳥類團隊正在處理這起&34;。

更多閱讀：

美國的太陽能發電廠頻頻曝出一個與鳥類有關的問題。多年來，美國公共事業公司一直在他們的設施周邊發現橫七豎八的鳥類屍體——這是全球太陽能熱潮帶來的一個奇怪而又意外的後果。雖然如今我們已經熟知這一事實，但是一直沒有人能清楚知道為什麼會發生這種情況。對於一個被譽為&34;來說，這顯然是一個不可忽視問題。因此，在2013年，一群學術界學者、環保組織和公共事業公司走到了一起，它們聯合成立了&34;(Avian Solar Working group)，以制定策略來減少美國各地太陽能設施的禽類死亡事件。

米斯蒂·斯波爾（Misti Sporer）表示：&34;他是杜克能源公司的首席環境科學家，杜克能源公司是北卡羅來納州的一家電力公司，也是該組織的一員。但事實證明，僅僅是獲取太陽能設施相關的鳥類死亡數據就已極具挑戰性。

2016年，一項史無前例的研究估計，美國各地數百個公共事業規模的太陽能發電廠每年可能殺死近14萬隻鳥。雖然該數據還不到化石燃料發電廠殺死的鳥類估計數量（包括碰撞、觸電和中毒等）的十分之一，但研究人員預計，隨著計劃中的太陽能發電廠投入使用，這一數字將增加近三倍。目前，太陽能設施和鳥類死亡之間的聯繫仍不清楚。一種主流的理論認為，鳥類將太陽能電池板發出的強光誤認為是湖面，並俯衝著陸，結果造成致命的後果。&34;斯波勒（Sporer）表示：&34;

所拍攝到的一系列的視頻幀將用於模擬計算機模型，以了解鳥類的樣子

今年早些時候，美國能源部授予伊利諾州阿貢國家實驗室（Argonne National Laboratory）的一個研究團隊130萬美元的合同，開發一個人工智慧平臺，專門用於研究美國各地大型太陽能設施的鳥類行為。研究人員希望該系統所收集到的數據能夠幫助鳥類學家揭開：為什麼我們可愛的鳥類朋友在太陽能發電廠大量死亡的謎團。&34;阿貢實驗室的生物物理科學家濱田由子（Yuki Hamada）說，他是該項目的負責人。

美國只有少數地區有法規要求太陽能運營商定期報告其設施中的鳥類死亡情況；美國大多數大型太陽能發電廠不屑於進行這種耗時且其認為無用的計算。另外，那些這樣做的公司在收集高質量數據的能力上受到限制，可能只能每個月派調查員到太陽能發電廠清點一次鳥類屍體。雖然這有助於太陽能發電廠運營商了解有多少鳥類正在死亡，但其並不能提供更多關於它們死亡原因的信息。為此，該組織就需要一些實時觀測數據。

&34;是一種高度重複性、且令人乏味的工作，然而這正是人工智慧（AI）所擅長的強項。但實際上在太陽能設施上實施該系統充滿了技術挑戰。簡而言之，最困難的任務是簡單地教會機器學習算法在複雜環境中可靠地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對&34;這個抽象概念有充分的把握，才能識別出它們是在頭頂飛行還是棲息在太陽能電池板上。

亞當·希曼斯基(Adam Szymanski)是阿貢國家實驗室的一名軟體工程師，他正在領導該實驗室團隊開發AI檢測鳥類項目。他表示，這款機器視覺軟體源於他在另一個項目上的工作，該項目旨在自動檢測空中的小型無人機。對於無人機來說，其既沒有可以煽動的翅膀，也沒有可以棲息的腿，所以教給算法一個無人機的樣子是相對簡單的。但是，要將算法重新用於檢測鳥類，則需要阿貢國家實驗室團隊在數千張圖像中仔細地對鳥類進行標記，以便將它們作為算法的訓練數據。

&34;希曼斯基（Szymanski）表示：&34;

在該團隊的太陽能設施中發現的鳥類（用紅框表示），以及棲息前的飛行路徑用紅線表示

在另一方面，該系統的硬體也存在一些挑戰。太陽能設施往往位於杳無人煙的荒野，通常不具備最先進的機器學習應用所需的基礎設施類型。與此同時，其附近沒有數據中心，網際網路帶寬條件也極為有限，獲得電力甚至可以說是極為困難。&34;希曼斯基（Szymanski）這麼解釋道。這意味著，運行阿貢國家實驗室所研發的捕鳥算法硬體也必須具有令人難以置信的高效低功耗性能，因為它將只能使用電池或自己的小型太陽能電池板，同時還必須處理大量的實時數據。

為了實現這一點，阿貢國家實驗室團隊正在使用一家名為博爾德（Boulder）AI司開發的商業硬體，該公司的設備廣泛用於監控行人和車輛交通。博爾德（Boulder）的攝像相機系統是為邊緣計算而設計的，邊緣計算——是指現場而非在遙遠的數據中心進行的數據處理總稱。阿貢國家實驗室團隊初步打算是將其貼在太陽能面板上。

目前階段，濱田（Hamada）和她的團隊正在從設置在伊利諾州周圍兩個太陽能設施的攝像頭收集訓練數據。其計劃是將該項目逐步擴大到美國各地的幾十家商業和政府太陽能基地，但由於疫情原因，該項目已經減緩了這一推廣速度。起初，阿貢實驗室所研發的人工智慧只是試圖正確識別進入其視野的鳥類，但希曼斯基（Szymanski）表示，它最終將會變得足夠複雜，能夠區分少數幾種鳥類的習性行為，比如它們是如何棲息在太陽能面板上或與太陽能面板相撞的。

這些數據對於研究人員來說是至關重要的，他們最終的任務是——找到防止太陽能設施中鳥類死亡的解決方案。但是不論與否，這些設備都將幫助研究人員了解當地的環境，如某一天的天氣或時間段是如何影響鳥類行為的，或者可能發現一些導致鳥類死亡的其他原因。&34;斯波勒（Sporer）表示：&34;

撰寫：GolevkaTech

重要聲明：此處所發表的圖文和視頻均為作者的原創稿件，版權歸原創作者所擁有。所刊發的圖片和視頻作品，除特別標註外，均視為圖文作者和被拍攝者默認此版權之歸屬權。