全文共2592字，预计学习时长7分钟

图源：unsplash

我在各个大陆最美丽和最严酷的环境中工作过。但每当部署新技术时，我仍然会焦虑不已。对发明家而言，第一次实地测试总是困难重重：它会像在实验室那样工作吗？有没有漏掉什么？希望没有人看到我按下电源开关……

这次的项目更加让人紧张。当时，我正在印尼潮湿丛林深处的一个保护区，用一套6万美元组装的定制3D扫描设备，试图为世界上仅存的其中一只苏门答腊犀牛创建数字副本。

这是我们捕获犀牛数字副本的一个好机会，有助于我们讲述关于它的故事。即便是最坏的情况——如果仍然不能保护其生存环境，也能帮助提供有关犀牛的完整数字记录，《国家地理》剧组拍摄了我们的每一步行动。

图为极度濒危的苏门答腊犀牛，世界上只剩下不到80只。| 图源：shutterstock

我的工作一直未停止，几个月的高科技系统保护实验室开发、探索或反偷猎安全应用程序被紧张的场地部署时不时地打断。

我毕业于麻省理工学院计算机科学和人工智能专业，一开始我并不认为自己的职业生涯会归于探索和保护建立技术和算法，与《国家地理》的合作让我有机会将计算机科学和人工智能的热情与保护、探索、讲故事结合起来。

苏门答腊犀牛的三维数字化模型。苏门答腊犀牛是地球上最濒危的陆地哺乳动物之一。 | 图源：作者3D扫描渲染

作为一名探险家和《国家地理》杂志研究员，我与不可思议的冒险密不可分。和大多数工作不一样，它真的像听起来一样酷。

我曾在水深12500米的泰坦尼克号甲板上待过，当时乘坐一艘3人潜艇，我协助开发的电池技术为探索沉船客舱的动力机器人提供动力；去年，我乘直升机在珠穆朗玛峰上空拍摄了一张世界上最高冰川的完整高分辨率空中激光雷达地图。

我曾与一同参加保护行动的伙伴一道，将相机绑在双座飞机的机翼上，飞到刚果民主共和国上空，那里是打击大象偷猎的前线；我在漆黑的环境中度过了数百小时，执行类似在淹没的洞穴中、潜水扫描玛雅人祭受害者的任务；我将身体塞进某些地方只有7英寸宽的垂直裂缝中，降落的过程中裂缝会挤压身体，为了找寻带有地表穿透雷达的前人类遗体。

在被水淹没的洞穴里对冰河时代熊头骨进行三维数字化。 | 图源：Gran AcuiferoMaya项目

总的来说，我为科技创新在分享、保护世界上最美丽的财富中所扮演的角色而感到鼓舞和兴奋，但这同时又让我恐惧，因为我们真正关心的东西太脆弱了。

最近，我被提名为2020年劳力士《国家地理》年度探险家。每年，这项颇具声望的奖项都会授予给探险故事中个人行动、成就和精神象征领导人物。先前的获奖者有电影制作人詹姆斯·卡梅隆、水下摄影师布莱恩·斯凯瑞、史蒂夫·博耶斯和他的奥卡万戈荒野项目团队以及环境人类学家肯尼·布罗德。

如今，国家地理学会的使命是——利用科学、探索、教育和讲故事的力量来照亮和保护我们这个世界的奇迹，这比以往任何时候都更加重要，非常荣幸能成为践行这一使命的其中一员。

劳力士年度《国家地理》探险家奖

在对苏门答腊犀牛进行数字化处理时，我回到了之前在印度尼西亚的住处，用笔记本电脑进行可视化预览。当我在屏幕上四处移动动物的3D图片，其真实性让人震惊。停止移动鼠标时，我几乎辨别不出该视图不是真的照片。

我兼具人工智能与哲学双重学科背景，很难抑制自己不去思考什么是“真实”图像？我当然认为自己用手机拍摄的照片是真实图像，但除了一堆代表像素值的数字以外，那到底是什么？如果合成数字化犀牛与照片无法区分，那它与照片一样真实吗？

我意识到，如果能创建对我而言真实的3D模型，就可以使用这些图像来训练人工智能系统。数据是人工智能的致命弱点，好的人工智能模型需要大量数据，但在某些最具影响力的应用程序（例如保护，反偷猎，安全性和医学成像）中，很难获得好的数据。

该想法使我冒险尝试。我创立了Synthetaic，这是一家人工智能和合成数据公司，专注于最高风险的人工智能用例。由于这些用例中的样本岛数量有限，高质量预测建模工作受阻。在许多领域，根本没有足够的数据来有效训练网络，尤其是对于静止图像和动态图像。

带步枪的偷猎者在野外部署。| 图源：Synthetaic

非法偷猎者的照片很少，带有极端主义标志的新款丰田皮卡的照片同样很少。因为罕见脑癌的图像存储有限，神经外科医生在手术室的实时反馈受到限制。由于训练数据中普遍存在的问题，种族偏见在面部识别中非常普遍。

我开始使用Synthetaic来回答对我而言人工智能中的两个最大问题。如果边界情况不再存在会如何？如果训练数据不再是约束会怎样？

自从建立Synthetaic以来，我们已经扩展了该概念。我们意识到，通过结合3D建模和人工智能，能够以更快的速度、更低廉的价格增长数据，而且比其他任何数据合成技术都更符合训练最先进的人工智能方式。

目前，我们正在制作用于脑手术过程中决策的人体肿瘤显微镜图像，用于检测COVID-19的胸部x射线图像，保护项目合成航空图像，并为一些未解决的安全情报需求创建数据。在这些情况下，数据与真实图像没有区别，几乎是即时生成在服务器上，我们可以使用这些数据训练AI模型，以超越目前的先进水平。

用于COVID-19检测的合成胸部X射线图像。 | 图源：Synthetaic

我们需要技术作为力量倍增器来解决世界上最棘手的问题。即使是我们现在所看到的简单技术，如滑轮或电力，也从根本上提高了单个个体和物种的能力。我相信，当人工智能发挥其全部潜力时，就能成为这样的工具。

人工智能将帮助为数不多的护林员保护广大地区免遭偷猎；当更多的治疗方案摆在桌面上时，它能帮助医生更早诊断出医疗问题；也将帮助我们在不确定的世界中维持安全。为实现这样的愿景，我们需要无限地输入高质量数据，以解锁“不可能的”人工智能。

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：齐鑫濛、吴子珺

相关链接：

https://towardsdatascience.com/how-the-sumatran-rhino-taught-me-to-rethink-ai-4943b83fca3f

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你