尋找解決烏龜重新識別和支持機器學習項目的解決方案
保護我們周圍的生態系統對於維護我們星球及其所有活著的公民的未來至關重要。幸運的是，新的人工智能（AI）系統正在全球保護工作取得進展，幫助解決複雜的問題，從研究Serengeti的動物社區的行為，有助於保護生態系統的減少，到發現偷獵者及其受傷的獵物，以防止偷獵者及其受傷的獵物物種滅絕。
作為我們開發的技術幫助人類受益的使命的一部分，重要的是，我們確保各種各樣的人群體建立未來的AI系統，以便公平和公平。這包括擴大機器學習（ML）社區，並與更廣泛的受眾群體接觸，以解決使用AI的重要問題。
通過調查，我們遇到了Zindi，這是一個具有互補目標的專門合作夥伴，他們是非洲數據科學家的最大社區和主持人的競賽，著重於解決非洲最緊迫的問題。
我們的科學團隊的多樣性，公平和包容性（DE＆I）團隊與Zindi合作，確定了一項科學挑戰，可以幫助推進保護工作並增加參與人工智能。受Zindi的邊界盒烏龜挑戰的啟發，我們進入了一個具有真正影響的項目：烏龜面部識別。
生物學家認為海龜是指標物種。這些是一類生物，其行為有助於科學家了解其生態系統的基本福利。例如，河流中水獺的存在被認為是一條乾淨，健康的河流的標誌，因為1970年代禁止氯農藥的禁令使該物種從滅絕的邊緣恢復了。
海龜是另一個這樣的物種。通過放牧海草覆蓋物，他們培養了生態系統，為許多魚類和甲殼類動物提供了棲息地。傳統上，具有物理標籤的生物學家已經確定和追踪了各個海龜，儘管在海水中經常丟失或侵蝕這些標籤使這是一種不可靠的方法。為了幫助解決其中一些挑戰，我們提出了一個名為Turtle Recell的ML挑戰。
鑑於將烏龜保持足夠的位置的額外挑戰，烏龜的召回挑戰旨在通過烏龜面部識別來解決這些問題。這是可能的，因為烏龜臉上的鱗片的模式是個人獨有的，並且在它們的多年壽命中保持不變。
挑戰旨在提高烏龜重新識別的可靠性和速度，並可能提供一種完全替代不舒服的物理標籤的方法。為了實現這一目標，我們需要一個數據集來工作。幸運的是，在Zindi以前與肯尼亞慈善機構當地海洋保護的挑戰之後，這些團隊能夠分享一個標有烏龜面孔圖像的數據集。
比賽始於2021年11月，持續了五個月。為了鼓勵競爭對手的參與，該團隊實施了COLAB筆記本，這是一個瀏覽器內編程環境，該筆記本引入了兩個常見的編程工具：Jax和Haiku。
鑑於從特定的角度拍攝的照片，參與者的任務是下載挑戰數據和培訓模型，以預測烏龜的身份，並儘可能準確。在從模型中提交了有關數據的預測後，他們能夠訪問公共排行榜，跟踪每個參與者的進度。
社區參與非常積極，在挑戰期間，團隊展示的技術創新也是如此。在比賽過程中，我們收到了來自來自13個不同非洲國家 /地區的各種AI愛好者的意見書，其中包括傳統上在最大的ML會議上（例如加納和貝寧）代表的國家。
我們的烏龜保護夥伴表明，參與者的預測準確性水平將立即用於識別該領域的烏龜，這意味著這些模型可以對野生動植物保護產生真正的直接影響。
作為Zindi為支持氣候陽性挑戰的努力的一部分，他們還在肯尼亞進行斯瓦希里語音頻分類，以幫助翻譯和緊急服務，以及在烏干達的空氣質量預測，以改善社會福利。
我們感謝Zindi的合作夥伴關係，以及所有為Turtle Resse Resse挑戰和AI越來越多的AI領域貢獻時間的人。而且，我們期待看到世界各地的人們如何繼續尋找應用AI技術來為地球建立健康，可持續的未來的方法。
在Zindi的博客上閱讀有關Turtle Resse的更多信息，並在https://zindi.africa/上了解Zindi
