根据《英国南极调查》（British Antarctic Survey）2019年的一项研究，南极皇帝企鹅种群遭受了与气候有关的严重繁殖问题，到2100年，它有灭绝的风险。为了寻找解决方案，一个由英特尔牵头的高科技公司小组开发了一种计算机视觉解决方案，以帮助生态学家比以前更快，更准确地识别剩余的企鹅。该联盟由英特尔的AI Builders（该公司精心策划的软件供应商生态系统）以及微软的AI for Earth倡议和数据科学咨询公司Gramener组成。Gramener从牛津大学的企鹅观察计划中获得了一个包含南极企鹅殖民地照片的语料库，该计划在过去的十年中已经从40多个地点的相机陷阱中获得了数百万张延时拍摄的图像，并招募了在线志愿者对其进行注释。然后，它通过卷积神经网络来馈送数据，该网络保留了空间信息，同时估计了总体数量。

AI模型工作流程分为两个阶段。第一个将图像分类为宽泛的图像类别，第二个通过从早期阶段获取输入来生成地图来估计密度。通过近似不同大小簇中企鹅的数量，这种基于密度的方法成功应对了大多数成像挑战。

英特尔至强可扩展处理器用于在Microsoft的Azure云平台上的虚拟环境中训练模型，然后使用英特尔的PyTorch优化工具进行基准测试。通过这项基准测试以及其他开放源代码工具和库，Gramener说，它能够将培训时间从几天缩短到几小时。

所有人都说这是壮举。一些图像表现出透视畸变，其中前景中的企鹅脸比背景中的大，而遮挡物则使背景中的企鹅被前景中的对象或其他企鹅遮挡而看不见。由于天气状况的不可预测性，图像质量和拍摄角度存在差异，并且同一张图片中经常存在差异，其中一些部分包含异常高的企鹅群。

我们面临多重挑战。首席数据科学家Soumya Ranjan Mohanty 说，几乎有70％的图像无法使用，因为光线不好或雾蒙蒙，而且看不见企鹅。“这些对于人眼来说很容易察觉，但是对于算法来说则很困难。”这不是基于海德拉巴的Gamener的第一个具有生态性质的AI项目。该咨询公司与Microsoft合作，使用iNaturalist的开源数据建立了一个模型，该模型能够对数千种不同的动植物物种进行分类。它还开发了一个两步解决方案，可以清除相机陷阱中无法使用的图像，并识别包含动物的图像，从而成为Microsoft的相机陷阱API，以及提供高分辨率土地覆盖信息的系统。另外，Gamener与Nisqually River基金会合作，通过分析水下摄像头的视频镜头来挑选鱼类，当鱼通过某些红外传感器时，水下摄像头就会启动。在肯尼亚，它与当地研究人员合作建立了一个模型，该模型可以在航空照片中将大象与其他牲畜区分开。

当然，Gamener并不是第一个将AI应用于这类问题的公司。在2019年12月，谷歌与国际自然保护组织（Conservation International）和其他组织合作，处理了世界上最大的，种类最齐全的数据库，这些数据库是由运动激活的相机拍摄的照片。DeepMind去年对其科学团队进行了详细的生态研究，以开发AI系统，这将有助于研究坦桑尼亚塞伦盖蒂国家公园中动物的行为。微软最近  重点介绍了一家位于加利福尼亚州圣克鲁斯的初创公司，名为Conservation Metrics，该公司利用机器学习来跟踪非洲象，这类似于一个独立的研究人员团队的一项独立努力，旨在开发一种在可以识别，描述和计算野生动植物的塞伦盖蒂快照，准确度达到96.6％。英特尔自己的TrailGuard AI  系统通过使用设备上AI算法检测摄像机的运动来防止偷猎。