一般人很难区分丹妮、丽诺和贝拉:她们都穿着时髦的毛茸茸的棕色外套，喜欢做很多同样的事情，比如在冰冷的水中玩耍，偶尔也会撕开刚抓到的鱼。

梅兰妮·克拉彭不是一个普通人。作为一名熊生物学家，她花了十多年的时间研究这些生活在加拿大不列颠哥伦比亚省奈特湾的灰熊，通过关注使它们与众不同的小东西，她对“谁是谁”产生了一种认识。

她说:“我用的是个体特征——比如，一只熊耳朵上有个划痕，鼻子上有个伤疤。”

但克拉彭知道，大多数人对熊的细节一无所知，而且熊的外表在一年中会发生巨大变化，例如当他们穿上“冬大衣”并在变胖时，这使得区分它们变得更加困难，。

她解释说，追踪每只熊很重要，因为这有助于研究和保护该物种;知道哪只熊是哪只熊甚至可以帮助弄清楚某只灰熊是否进入了垃圾桶或攻击了农民的牲畜。几年前，克拉彭开始思考，一种通常用于识别人类的技术——面部识别软件，是否也能起到帮助作用。该软件可以将一幅图像中不同面部特征与另一幅图像中的面部特征进行比较。

克拉彭与硅谷的两名技术人员合作，共同创建了BearID公司，该公司使用面部识别软件来监控灰熊。到目前为止，该项目已经使用人工智能识别了132只动物。

人脸识别技术作为一种识别人类的工具而为人所知，而且由于隐私、准确性和偏见等众所周知的问题而备受争议，BearID是将其应用于野外和农场动物的几项努力之一。该技术的支持者，如克拉彭，说这是一种更便宜、更持久、侵入性更小（对熊等动物来说，危险性更小）的追踪动物的方法，比附加一个项圈或在耳朵上穿一个射频识别标签。

构建灰熊数据集

对于同时还是维多利亚大学博士后研究员的克拉彭来说，将熊和人工智能结合在一起的兴趣已经存在了多年。 2017年，她加入了Wildlabs.net，该网站将保护主义者与科技界的人们联系起来。

在那儿，她很快遇到了埃德·米勒（Ed Miller）和玛丽·阮（Mary Nguyen），这两位是加利福尼亚州圣何塞（已婚）的科技工作者，他们对机器学习和通过网络摄像头观看灰熊很感兴趣，并且在阿拉斯加卡特迈国家公园的布鲁克斯瀑布通过网络摄像头观看灰熊的直播。

自那以后，这三人从奈特湾和布鲁克斯河收集了数千张熊的照片，以创建数据集，并对现有的人工智能软件进行了改造，来识别图片中的熊脸。一旦检测到这些面孔，他们也可以使用人工智能来识别特定的熊。

米勒说：“它比我们做得好得多。”

到目前为止，BearID收集了4,674张灰熊的图像。克拉彭说，其中80％的图像用于训练面部识别系统，其余20％用于测试。

根据她和她的合作者最近发表的研究，该系统的准确性为84％。 但是，您试图识别的熊必须已经在这个组的相对较小的数据集中。

牧场上的面部识别

当BearID在野外给熊起名字时，乔·霍格兰也在牛牧场上尝试这样做。

堪萨斯州莱文沃思的牧场主霍格兰（Hoagland）正在开发一个名为CattleTracs的应用程序，他说，该程序将使任何人都能捕捉牛的照片，并将其与GPS坐标以及照片的日期一起存储在在线数据库中。 同一只动物的后续照片将能够与以前的照片相匹配，从而随着时间的推移帮助追踪它们。

他解释说，肉牛在他们的一生中会经历许多不同的人和地方，从生产者到牧场经营，再到饲料喂养，再到肉类包装工厂。 它们之间没有太多的跟踪信息，这使得很难调查诸如动物性疾病之类的问题，这些疾病可能毁灭牲畜并可能伤害人类。霍格兰预计该应用程序将在今年年底前面世。

他说:“我们可以追踪患病动物，找到它的来源，对它进行隔离，并追踪接触者。我们谈到的冠状病毒所做的一切，我们也可以用动物来做。”

霍格兰找到了堪萨斯州州立大学(Kansas State University)教授KC Olson，后者在该校召集了兽医学和计算机科学等领域的专家，收集牛的图片，创建一个用于训练和测试人工智能系统的数据库。今年3月，他们建立了一个概念验证系统，其中包括1000头小肉牛的13.5万多张图片;Olson说，它在识别动物方面的准确率高达94%，不管它以前是否见过这些动物。

他说，这比他所看到的RFID标签和读取器要好得多，后者在牲畜密集聚集时效果不佳。

他说:“这是准确度上的一大飞跃。”

偷猎者的黄金

尽管对动物的面部识别不像对人类那样充满隐私、偏见和监视问题，但仍有一些独特的问题需要考虑。

例如，监控技术可以帮助保护动物，也可以用来对付它们。Wildbook.org是一个野生动物研究项目的人工智能平台，其联合创始人兼主管塔尼娅•伯格-沃尔夫强调了控制那些经过审查的人获取动物数据的重要性。

她说:“对科学家和保护管理者来说是件好事，但对野生动物偷猎者来说也是件好事。”

这是因为偷猎者可以利用动物的图像，再加上可能附着在照片上的GPS坐标等数据来寻找它们。

此外，要收集大量单个动物的图像来训练人工智能网络也很困难——要从多个角度、在不同的光照条件下，以及没有植物等障碍物的情况下收集大量个体动物的图像来训练人工智能网络。

密歇根州立大学（的计算机科学教授安尼尔•贾恩比大多数人都清楚这一点：他和他的同事研究了如何使用面部识别软件来识别狐猴、金丝猴和黑猩猩，他们希望能帮助追踪濒危动物，阻止动物贩运。他们在2018年发布了一款名为PrimID的Android智能手机应用程序，该应用程序可使用户将自己的灵长类动物照片与数据库中的灵长类动物照片进行比较。

贾恩现在已经不再从事这个项目了，他说收集足够的动物照片是特别困难的，尤其是狐猴，它们可能聚集在一棵树上。他指出，人类的面部识别网络可能需要数以百万计的人的照片进行训练；到目前为止，BearID所依赖的仅仅是贾恩研究的一小部分。

克拉彭说，她比其他人拥有更多的熊的图像，所以她的团队正试图获得更多的熊在数据集中较少的表现。研究人员还想利用摄像机捕捉到的镜头训练他们的人工智能系统，这些摄像头配有传感器和灯光，放置在荒野中，动物可能会在那里徘徊并触发视频记录。他们正在考虑怎样才能把熊以外的动物也扩展到其他动物身上。

克拉彭说：“实际上，任何我们能得到良好训练数据的物种，都有可能开发出这种类型的面部识别技术。”