Partnerships in AI Drive Conservation Efforts: WWF’s Dave Thau
26:07 Share

今天，我们播放的是由我们的朋友 Modern CTO Podcast 制作的一期节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起，技术成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。

从卫星图像到海洋声学，野生动物保护主义者可以使用人工智能来推进他们的重要工作。在今天的节目中了解更多信息。我是世界自然基金会 (WWF) 的 Dave Thao，您正在收听《我和 AI》。欢迎收听《我和 AI》，这是一档关于人工智能和商业的播客。在每一期节目中，我们都会向您介绍一位在人工智能领域进行创新的个人。我是萨姆·兰斯博瑟姆，波士顿学院分析学教授。

我同时也是麻省理工学院斯隆管理评论的 AI 和商业战略客座编辑。

我是谢尔文·科鲁班德，BCG 的高级合伙人，也是我们 AI 业务的领导者之一。麻省理工学院斯隆管理评论和 BCG 自 2017 年以来一直在研究和发表关于 AI 的文章，采访了数百名从业者，并对数千家公司进行了调查，了解构建、部署和扩展 AI 能力以及真正改变组织运营方式需要什么。

欢迎。今天，谢尔文和我很高兴能邀请到世界自然基金会全球数据和技术首席科学家 Dave Thao 加入我们。Dave，感谢您抽出时间与我们交谈。欢迎。很荣幸。感谢你们的邀请。让我们从世界自然基金会开始吧。我最初的想法是，这是一个有点不寻常的组织，您通常不会将其与人工智能联系起来。您如何在工作中使用人工智能？

世界自然基金会非常有趣。它是一个联盟。我们在大约 100 个不同的国家开展活动。其中许多办事处完全独立运营。但是，在所有办事处中，我们都有一个分析师网络。我的团队被称为全球科学团队，我们遍布整个网络。我们的团队中有科学家专注于森林、

食物、气候，他们与整个网络中专注于这些领域的人员合作。我负责数据和技术团队，并与科学家们合作。我们在整个组织中工作，帮助在所有地方办事处启动的项目。我们在全球科学团队内部开展我们自己的一系列工作，其中很多都集中在影响监测上。

然后我走遍世界各地，与其他从事数据管理工作的保护组织进行交流。

以及人工智能，并与他们协调。保护组织长期以来一直在使用人工智能。人工智能的第一个应用之一就是土地覆盖监测。因此，地球周围有卫星监测环境，但卫星的信号非常嘈杂。因此，人工智能长期以来一直被用于识别物体等工作

我看到的是森林吗？我看到的是草原吗？我看到的是什么类型的土地覆盖？所以这是机器学习和人工智能在保护方面的最初应用之一。你说的是最初的。最初是什么时候？是上周、上个月、去年还是十年前？你是什么时候开始做这些的？

一般来说，使用机器学习分析卫星数据可以追溯到 70 年代。我不确定世界自然基金会是什么时候开始将其用于保护应用的，但这已经有一段时间了。我在世界自然基金会工作了四年，但机器学习在卫星数据上的应用早于此。然而，它在 2008 年左右真正取得了突破，当时美国宇航局免费提供了 Landsat 卫星数据档案。这是一系列卫星，自 70 年代初以来一直在收集

收集地球数据。但在 2008 年之前，您必须购买图像。因此，您可以进行的分析类型受到限制。大约在 2008 年，美国政府决定将其公开并免费提供。因此，您会看到这种信息的使用出现了真正的爆炸式增长。

是的，这非常引人入胜。我们在 BCG 做了很多卫星图像工作。这不是我的专业领域，但我必须想象，随着您所说的数据的激增，以及越来越高的分辨率，以及计算和复杂的 neural nets 和机器学习模型的巨大飞跃，最先进的技术已经发生了很大的变化。

所以也许您可以对比一下，今天最先进的技术是什么，以及它十年前或二十年前是什么样的。

是的，即使在过去五年中，机器学习的变化也极其巨大。它与计算资源和数据的访问相辅相成。过去，您可以用一张 Landsat 场景写一篇博士论文，大约是，我不知道，大约 100 公里乘 100 公里。那是，你知道，最先进的。现在，人们通常会对这些数据进行全球分析，特别是

访问数百万张这些图像。这是因为它们可用，并且计算能力也可用。现在发生的事情是，您可以进行分析的速度正在提高，数据收集的速度也在提高。所有这些都是由数据和计算能力的爆炸式增长以及机器学习的突破所推动的。也许对于我们的听众来说，也很有帮助……

开始解释这种能力允许您预测、抢先或预防的一些结果或用例。是的，有很多例子。在森林砍伐方面，在世界自然基金会，我们参与了一个名为“森林预见”的项目。这主要是与荷兰世界自然基金会合作进行的。这是一个森林损失预测项目。

算法和工具。因此，它试图预测六个月后的森林损失。通过使用“森林预见”，他们能够预测森林砍伐可能发生的地点，并更早地采取行动。这是一个例子。

我们对运动感应相机（也称为相机陷阱）做了很多工作。那里的 AI 是从相机陷阱图像中识别物种。这是一个涉及许多非政府组织与谷歌合作的项目，他们负责该项目的人工智能部分。

在那里，结果大大提高了科学家分析数据的速度。有时，在这些数据集中，90% 的图像是由于树叶触发相机造成的。那里没有任何对科学家感兴趣的东西，所以他们 90% 的时间都在说没什么，没什么，没什么。因此，通过这些人工智能模型，他们可以非常快速地消除所有这些，并识别物种。

并使用这种技术，他们能够针对不同的干预措施。因此，如果他们发现某个地区的入侵物种正在影响特有物种，他们可以采取措施。另一个例子是使用人工智能来帮助优化寻找陷阱的人员的巡逻，例如野生动物陷阱，例如，你知道，试图

诱捕大象。在保护区会进行正常的巡逻，并试图找出进行这些巡逻的最有效方法。我们正在使用一个名为 PAWS 的系统，该系统由 Malin Tamba 及其实验室开发，它有助于优化这些巡逻。这也使用了人工智能。

所有这些都是有趣的例子，因为，Chervin，你和我都经常谈论欺诈检测或优化点击次数或改进这些产品的算法和推荐，这，你知道，同样至关重要。但这是一种有趣且令人耳目一新的替代方案。是的，而且是为了公益，也是为了公益。没错。Dave，你说的是物种，我不禁可能会有点离题。你是这里唯一一位

以蚂蚁的名字命名的数据科学家。所以也许你可以告诉我们那个故事。我假设你没有使用卫星图像来发现这个新的蚂蚁物种，但我忍不住要开玩笑。但我们很想了解更多关于你的背景信息。当然。所以那只蚂蚁是 Plectritina thaui。它必须在结尾处加上 I，因为你需要听起来像希腊语。

和这些物种名称。这是布莱恩·费舍尔命名的，他是加州科学院的研究员和馆长。这源于我与蚂蚁分类学家社区合作开展的工作

大约在 2002 年，我开始从事这项工作。它仍然是一个名为 antweb.org 的网站。它就像蚂蚁专家的社交媒体。因此，所有蚂蚁专家都使用它来分享他们关于蚂蚁分类学的数据。他们是一个非常合群的人群。该平台被该社区广泛使用。作为对我所做的设置工作的认可，布莱恩以我的名字命名了那只蚂蚁。

我很喜欢。这也很诗意，就像你从地面到地下，一直到地面以上数千英尺的卫星图像。这是一个很好的例子，说明如何处于 40,000 英尺的高度，以及作为科学家在地下几英尺的地方。是的。

是的，管理这些蚂蚁分类学数据和大量的蚂蚁图像，这些图像令人惊叹。你应该去 antweb.org 查看一些这些蚂蚁。它们令人难以置信。大约有 14,000 种不同的蚂蚁。我想我们刚刚失去了谢尔文。他走了。我可以看出他正在网上冲浪。我要去看你的蚂蚁了。是的，好的。

是的，而且也是图像。因此，AntWeb 有很多蚂蚁的图像。因此，它正在管理这些图像数据以及卫星数据。如何管理海量卫星数据以便您可以分析它？这是一个有点偏离你背景的话题。我的意思是，我没有说你是一位计算机科学家，而且你已经做了相当长的时间了。带我们一起走过你的道路……

从最初对这些主题感兴趣到你在世界自然基金会担任这个职位。这是一个漫长而曲折的故事吗？哈哈，它很长，而且太长太曲折了。我会讲一个稍微简短一点的版本。是的。

小时候，我一直对生物多样性很感兴趣。当我父母搬家时，我从他们家救出的所有书都是关于动物、植物以及它们所做的奇怪事情的。我在纽约长大，我们经常去美国自然历史博物馆，对我来说就像天堂一样。我只是喜欢它。然后我们搬到了加利福尼亚州，我们做的第一件事就是去了优胜美地。

我在优胜美地的红杉树林中远足，这真是太棒了。所以从小我就对生物多样性很感兴趣。我最初学习的东西与生物多样性无关。好吧，有点关系。我当时正在学习认知科学，我对人们如何进行分类很感兴趣。关于这一点的一个有趣的问题是，人们对植物和动物等自然事物的分类方式是否与对叉子和刀子等工具的分类方式不同。所以这是一个问题。但我当时做的很多是建模。作为所有这些工作的副产品，我获得了计算机科学硕士学位，仅仅是因为我在研究生课程中学习了很多计算机科学课程。然后

在那之后不久，我进入了行业。我在一家金融公司工作，在芝加哥商品交易所从事期权和衍生品交易。我在 Wired Digital 工作，那是 Wired 杂志的在线部分。我是创建在线营销公司的人之一，这对我来说是最疯狂的事情之一。所以我做了

很多不同的事情都使用了我的计算机科学技能。然后互联网泡沫破裂了，我和我的许多朋友都失业了。所以我利用这段时间进行了一些反省，思考我想要做什么。自从获得硕士学位以来，我已经做了所有这些事情，但它们并没有加起来。那时我

回想起了我对生物多样性和自然的热爱。然后我只是寻找一个我可以加入的组织，让我能够在该领域从事计算机科学工作。所以我参加了会议、研讨会、聚会，各种各样的活动。我听说了一个名为“所有物种基金会”的项目，该项目

它起源于 Long Now 基金会，这是一个专注于长期思考的组织。他们试图加快新物种的发现和识别。我认为，哦，这正是我理想的工作。所以我不断地纠缠他们，直到他们雇用我。这就是让我开始做我现在正在做的事情的原因。从那时起，我一直专注于使用这种计算机科学方法进行生物多样性、保护和生态研究。

我拥有的技能。在世界自然基金会之前，我在谷歌工作。在我大部分时间里，我都在与合作伙伴合作，使用我们在谷歌开发的工具开发解决方案。特别是，我从事了一个名为 Google Earth Engine 的项目，这是一个卫星数据分析平台。我

与合作伙伴一起在 Earth Engine 上开发平台做了很多工作。让我来到世界自然基金会的原因之一是试图更好地了解这些系统实际上是如何被用来推动变革的。我在世界自然基金会的工作重点是科学方面和保护项目方面。我们参与的大多数工作都是与其他组织合作进行的，这很棒。

大约一年前我们见面时，我认为有趣的事情之一是关于走私的一些工作。你能解释一下关于这些活动或濒危物种的一些情况吗？以及它是如何运作的？我认为这也是一个引人入胜的用途。我们使用 AI 的事情之一，这与大型科技公司合作，是试图减少在线发生的非法野生动物贸易的数量。

因此，通过各种平台以及所谓的“结束野生动物贩运联盟”，在线发生了大量的非法野生动物贸易。许多拥有社交媒体平台和搜索引擎的大型科技组织已经走到一起，试图限制它。人工智能是人们用来识别在线交易发生地点的一种方法。

这非常具有挑战性，因为人们用来做这件事的语言一直在变化。我的意思是，这是非法的，对吧？所以他们试图不被抓住。这是一个非常非常有趣的挑战。这真是太迷人了。

然后还有一个很好的机器学习例子是全球渔业观察，它现在已经成为它自己的东西了。它源于 SkyTruth、Oceana 和谷歌之间的合作关系。他们追踪一定尺寸以上的船只，这些船只必须发出位置信号，该信号

每 15 秒一次。他们使用该信号来确定船只是否在保护区非法捕鱼。此外，他们还能够追踪一艘船何时会将其捕获物卸载到另一艘船上。我认为这些故事中引人入胜的是，天真地，在我和你交谈之前，我对你的组织会做什么的看法是……

我只是不知道这些事情的规模。你对我说的每一件事

听起来规模很大。是的，我真正感兴趣的一个领域是时间尺度。我们经常会做一些保护工作，我们会进行监测以确保我们在当时取得了我们想要的影响。但有时你会进行一些保护工作，可能需要 10 年才能产生影响，仅仅是因为我们正在处理诸如树木生长速度如何？种群增长速度如何？这些都是长期影响

因此，这种时间尺度也确实很有趣。例如，我们能否开发出能够长期有效地跟踪事物变化的系统，特别是考虑到项目的资金可能在项目的影响显现之前就结束？那么，如何开发能够利用 AI 和技术进行长期监测的项目呢？这是我花很多时间研究的事情之一。

似乎这一切都归结于这些技术允许您进行的大量测量，而这些测量以前是无法进行的。这是一个很好的观点。是的，我们称之为监测、评估和学习。这是学习部分，例如，您需要能够衡量影响才能了解哪些有效，哪些无效。我真的很喜欢你在这里的论点，因为关于时间尺度的问题

无论是 10 年的规模，还是即将发生或已经发生的好事或坏事的某些领先指标，这都非常引人入胜。这也是萨姆和我一直在谈论的独特反馈循环的重要组成部分。

我们对测量我们拥有数据的内容感到非常兴奋，我们对所有即将出现的新数据感到非常兴奋。但我们经常错过数据缺失本身就是一个信号。我认为这是你刚才谈到的内容之一，在我们没有的数据中存在着巨大的机会。数据缺失告诉我们很多信息。所以，Dave，我们有一个环节，我们会问你一些快速问答题。所以我们只想让你回答你脑海中想到的第一件事。

到目前为止，你对人工智能最自豪的是什么？你做了什么让你感到自豪的事情？一切。是的，太多了。只是能够将 AI 应用于如此多不同环境中的这些保护挑战。卫星数据、相机陷阱、生物声学、环境 DNA、各种应用、自然语言处理，等等。

有很多种类。而我真正感到自豪的是，我们正在尽可能多地利用 AI 的各种版本。我甚至没有谈到我们在 Blask 气候变化中心正在开展的工作，该工作使用 AI 来衡量这些企业的潜在影响，从而推动对具有自然积极性的企业的融资。那是……

使用的是非标准统计机器学习，而是更具象征意义的 AI，这又是另一种 AI。所以我认为我主要为我们能够利用的应用的广度和深度感到自豪。是的，你应该感到自豪。所以，也许除了我们听到的很多关于偏差的内容之外，你对人工智能有什么担忧？

好的。好的。因此，偏差显然是一个巨大的问题。并且已经有很多关于偏差的讨论。其中一件事是数据主权问题。AI 应用非常依赖数据。有一种压力要求它们

消耗尽可能多的数据。在保护的许多情况下，这根本不合适。其中一个挑战，我认为这是一个令人兴奋的挑战，是如何在尊重那些出于充分理由不想共享数据的人的主权的同时推进这些技术？你最喜欢的完全不涉及技术的活动是什么？你做什么是不使用 AI 的？除了手。哦，让我们看看。

我最近一直在阅读很多关于时间的内容，试图了解时间是如何运作的。我一直在读很多关于这方面的书。所以这还不错。我开始尝试创作音乐了。它使用了技术，因为它是电子音乐。但我试图通过尽可能少地看屏幕来创作电子音乐。

你想要从事的第一个职业是什么？好吧，最初我想从事神经心理学。那是第一件事。我一直对人们如何学习非常感兴趣。所以我打算从事神经心理学研究，利用神经心理学研究人们如何学习。你对未来人工智能的最大愿望是什么？你希望我们能从这一切中得到什么？好的。自然……

和气候是双重挑战，它们是相辅相成的。气候变化正在造成我们现在看到的损害，我们需要解决它，而自然损失是我们正在经历的另一个危机。根据《地球生命力报告》，自 1970 年以来，人口数量下降了 70%，对吧？我希望利用人工智能来应对这两个挑战。但是

我希望它既有全球解决方案，也有地方解决方案。我希望作为一个星球，能够利用人工智能来应对气候和初始损失挑战。

并且在行星尺度上，但也使其与当地情况相关，以便土地利用正在发生变化或试图保护他们拥有的自然资源的地方的人们也可以做到这一点。所以我希望人工智能既可以用于全球范围，也可以用于地方范围，并且地方行为者能够像全球行为者一样有效地使用这些技术。

Dave，从非常小的方面到非常大的方面，从地面到卫星，从声波到电磁波，与你交谈真是太荣幸了。这一切都非常引人入胜。所以谢谢你。感谢您抽出时间与我们交谈。谢谢。哦，我很荣幸。非常感谢你们邀请我参加。我真的很享受这次谈话。感谢您今天加入我们。在下一期节目中，我们将与 Instagram 数据科学和健康总监 Stephanie Moyerman 交流。

感谢收听《我和 AI》。我们相信，就像你一样，关于 AI 实施的对话不会仅限于此播客。这就是为什么我们在 LinkedIn 上专门为像你这样的听众创建了一个小组。它被称为“AI for Leaders”。如果您加入我们，您可以与节目创作者和主持人聊天，提出您自己的问题，分享您的见解，并了解更多关于 AI 的信息。

并获得来自麻省理工学院斯隆管理评论和 BCG 关于 AI 实施的宝贵资源，您可以访问 mitsmr.com/AIforLeaders 来访问它。我们将把该链接放在节目说明中，我们希望在那里见到您。