太陽能作為一種完全可再生的綠色資源，對地球來說有百利而無一害。然而，近年來科學(xué)家發(fā)現(xiàn)，太陽能電站可能對鳥類有致命影響。

太陽能電站成鳥類殺手？

據(jù)《連線》報(bào)道，美國掀起太陽能光伏電站熱潮之后，美國公用事業(yè)公司發(fā)現(xiàn)，多年來，太陽能電站周圍總能發(fā)現(xiàn)大量的鳥類尸體。沒有人知道為什么會發(fā)生這種事，但這顯然是一個(gè)比較嚴(yán)重的問題了。

因此，2013 年，一群公用事業(yè)人員、學(xué)者和環(huán)境組織聚集在一起，組成了“鳥類 - 太陽能研究小組”（Avian Solar Working group），一起制定策略，試圖減少美國各地太陽能電站中的鳥類死亡案例數(shù)量。

杜克能源公司是北卡羅來納州的一家電力公司，也是研究小組的成員。杜克能源公司的首席環(huán)境科學(xué)家米斯蒂 · 斯波勒（Misti Sporer）說，“關(guān)于太陽能電站對鳥類影響的研究非常少，沒有人知道，太陽能電站周圍鳥類死亡的原因?！笔聦?shí)證明，僅僅是獲取太陽能電站周圍鳥類死亡的數(shù)據(jù)就具有挑戰(zhàn)性。

2016 年的一項(xiàng)研究估計(jì)，美國數(shù)百個(gè)太陽能電站每年可能殺死近 14 萬只鳥。雖然這還不到被火力發(fā)電廠（通過碰撞、觸電和中毒）殺死的鳥類數(shù)量的十分之一，但研究人員預(yù)計(jì)，未來隨著計(jì)劃中的太陽能電站投入使用，這一數(shù)字將增加近三倍。

人們?nèi)匀徊磺宄柲茈娬竞网B類死亡之間的聯(lián)系。一種主要的理論認(rèn)為，鳥類將太陽能電池板發(fā)出的強(qiáng)光誤認(rèn)為是湖面，俯沖而下，然后造成了死亡。然而，斯波勒認(rèn)為，這種假設(shè)是從人類的角度出發(fā)的，鳥類看東西的方式和人類一樣嗎？我們需要收集更多的數(shù)據(jù)來形成一個(gè)完整的答案。

AI 觀鳥

今年早些時(shí)候，美國能源部同伊利諾斯州阿貢國家實(shí)驗(yàn)室的研究團(tuán)隊(duì)簽署了一份 130 萬美元的合同，希望開發(fā)一個(gè)人工智能平臺（AI Bird Watcher），用于研究美國各地大型太陽能電站中的鳥類行為。研究人員希望，系統(tǒng)收集到的數(shù)據(jù)能幫助鳥類學(xué)家解開謎團(tuán)。生物物理科學(xué)家濱田文子（Yuki Hamada）是該項(xiàng)目的負(fù)責(zé)人，她說，“重要的是要減少太陽能對環(huán)境的各種形式的影響，這些鳥類問題令人擔(dān)憂，也是可再生能源行業(yè)希望了解并解決的問題?！?/p>

美國只有幾個(gè)地區(qū)有規(guī)定，要求太陽能電站運(yùn)營商報(bào)告其電站的鳥類死亡情況，而大多數(shù)美國的大型太陽能電站都不需要關(guān)注這些事情。并且，即使那些需要提交報(bào)告的公司，在收集高質(zhì)量數(shù)據(jù)的能力上也有諸多限制，可能只能每月派調(diào)查員去太陽能電站清點(diǎn)一次鳥類尸體。雖然這有助于太陽能電站了解有多少鳥類死亡，但并不能提供它們因何而死的線索。他們需要實(shí)時(shí)觀測數(shù)據(jù)。

軟件技術(shù)挑戰(zhàn)

計(jì)算死鳥數(shù)量是高重復(fù)性、令人討厭的任務(wù)，這正是人工智能擅長的事情。但實(shí)際上，在太陽能電站中部署該系統(tǒng)充滿了技術(shù)挑戰(zhàn)?？梢哉f，最困難的任務(wù)是，如何教會機(jī)器學(xué)習(xí)算法在復(fù)雜環(huán)境中有效地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對 “鳥” 這個(gè)抽象概念有充分的理解，才能識別出它們是在空中飛行，還是在太陽能電池板上棲息。

亞當(dāng) · 希曼斯基（Adam Szymanski）是阿貢實(shí)驗(yàn)室的一名軟件工程師，他正在領(lǐng)導(dǎo)該實(shí)驗(yàn)室人工智能鳥類觀察者的開發(fā)。他說，現(xiàn)在所用的機(jī)器視覺軟件是從他的另一個(gè)自動探測空中小型無人機(jī)的項(xiàng)目中發(fā)展出來的。無人機(jī)沒有像鳥一樣的翅膀，也沒有腿，所以教會算法識別無人機(jī)相對簡單。但是，若要將算法用于檢測鳥類，則需要阿貢實(shí)驗(yàn)室團(tuán)隊(duì)在數(shù)千張圖像中仔細(xì)地對鳥類進(jìn)行標(biāo)記，以便將它們用作算法的訓(xùn)練數(shù)據(jù)。

希曼斯基說：“我們正在研究的機(jī)器學(xué)習(xí)研究有點(diǎn)獨(dú)特，我們不只是想對一張圖像中的物體進(jìn)行分類。它必須隨著時(shí)間的推移對快速移動的物體進(jìn)行分類。鳥在飛行時(shí)，在一些幀中你會看到一個(gè)點(diǎn)，在其他幀中你會看到它的翅膀，我們需要跟蹤在攝像機(jī)視野中快速飛過的鳥類?！?/p>

硬件技術(shù)挑戰(zhàn)

該系統(tǒng)的硬件也面臨一些挑戰(zhàn)。太陽能電站往往位于偏遠(yuǎn)地區(qū)，這里通常也沒有機(jī)器學(xué)習(xí)所需要的基礎(chǔ)設(shè)施。附近沒有數(shù)據(jù)中心，網(wǎng)絡(luò)帶寬有限，甚至電力都很難獲得。希曼斯基說，“你會認(rèn)為太陽能電站應(yīng)該有電，因?yàn)樗鼈兩a(chǎn)電。但是這些硬件沒有與電池板連接的電源插座?！边@意味著，運(yùn)行鳥類觀測算法的硬件必須是資源節(jié)約型的，因?yàn)樗鼘⑹褂秒姵鼗蜃詭У男⌒吞柲茈姵匕?，同時(shí)還必須處理大量的實(shí)時(shí)數(shù)據(jù)。

為了實(shí)現(xiàn)這一目標(biāo)，阿貢國家實(shí)驗(yàn)室團(tuán)隊(duì)正在使用由 Boulder AI 公司開發(fā)的監(jiān)控行人和車輛交通的商用硬件。Boulder AI 公司的小型攝像系統(tǒng)是為邊緣計(jì)算而設(shè)計(jì)的，研究人員將其安裝在了太陽能電池板上。

今天，濱田文子和她的團(tuán)隊(duì)正在從安裝在伊利諾斯州附近的兩個(gè)太陽能電站的攝像機(jī)中收集訓(xùn)練數(shù)據(jù)?？茖W(xué)家們計(jì)劃將逐步擴(kuò)大該項(xiàng)目，覆蓋美國各地的幾十個(gè)商業(yè)和政府太陽能電站，但新冠病毒疫情拖延了這一進(jìn)度。起初，阿貢國家實(shí)驗(yàn)室的人工智能系統(tǒng)只是試圖正確識別進(jìn)入其視野的鳥類，但希曼斯基表示，最終它將足夠復(fù)雜，能夠區(qū)分少數(shù)幾種鳥類的行為，比如棲息在太陽能電池板上或撞向太陽能電池板。

這些數(shù)據(jù)將對研究人員至關(guān)重要，他們最終的任務(wù)是尋找防止太陽能電站鳥類死亡的解決方案。這還將幫助他們了解當(dāng)?shù)丨h(huán)境，如天氣或一天中不同時(shí)間，是如何影響鳥類行為的，或者可以確定其他可能導(dǎo)致鳥類死亡的原因。斯波勒說：“在沒有人類在場的情況下，能夠看到鳥類與場地的互動是非常有益的。這項(xiàng)技術(shù)讓我們得以窺探到一個(gè)我們通?？床坏降氖澜纾瑫r(shí)讓我們以對野生動物影響最小的方式進(jìn)行相關(guān)研究。”