tiknovel.com tiknovel

AI

当前位置:首页 > 技术圈 > AI

比尔·盖茨要用AI对付蚊子,人类和蚊子的“战争”迎来终局?

比尔·盖茨要用AI对付蚊子,人类和蚊子的“战争”迎来终局?

在致人死亡的动物中,蚊子排名第一。

根据世界卫生组织(WHO)统计数据显示,全球每年约有 72.5 万人死于蚊虫叮咬产生的疾病,仅疟疾一项在 2022 年就造成 60.8 万例死亡。相比之下,其他致命的动物,如蛇、狗(通过传播狂犬病)、鳄鱼等,尽管也造成了相当数量的死亡,但与蚊子相比,数字要小得多。

每年死于各类动物的人数对比

每年死于各类动物的人数对比

虽然世卫组织早在 1955 年就曾做出过彻底消灭疟疾的宣言,但在很多地区,消灭疟疾却成为了一场「打地鼠」的游戏。每当疟疾被认为得到控制时,没过多久又会以另一种形式出现,时至今日仍然没有得到有效的控制。

想要断绝由蚊子作为媒介传播的疾病,首先在于检测分辨不同种类的蚊子,这不仅由于不同种类的蚊子会携带不同的疾病,也在于不同蚊子会有不同的生存特性。

这意味着如果能够分辨蚊子的种类,就可以利用其不同的特性灭蚊,例如针对室外生活和觅食的蚊子采取如消除滋生地,针对室内生存的蚊子采用蚊帐等,这在很多地区被证明是行之有效的灭蚊措施。

前世界首富比尔·盖茨近期分享了一项为此而生的新技术——VectorCam。它能够通过应用程序仅需拍摄一张蚊子照片,即可识别蚊子种类、性别、是否吸食血液及产下虫卵:

在与蚊子的斗争中,我们终于看清了我们的对手。

比尔·盖茨在视频中介绍该技术

比尔·盖茨在视频中介绍该技术

用 AI 计算机视觉「看清」蚊子

据 VectorCam 官方介绍,该系统采用了一种用于识别蚊子种类、性别和腹部状态的新型卷积神经网络 VectorBrain。

作为一种专门为识别蚊子训练的 AI 模型,VectorBrain 能够准确识别 6 种主要蚊媒,包括主要疟疾媒介,在资源受限的环境中准确率超过 90%。

VectorBrain 是一个多任务 EfficientNet 架构,专为蚊子分类设计,同时输出种类、性别和腹部状态。该架构包括一个特征提取器和一个分支结构,每个分支对应一个分类任务。

在识别蚊子方面,VectorBrain 使用了轻量级的 YOLO 模型,能够实时定位蚊子,并使用检测到的坐标裁剪出只包含蚊子本身的图像,来进行更好的识别。

图片举例说明了分类蚊子图像的各个阶段。首先,展示需要分类的完整蚊子图像(a)。然后,使用 YOLO 算法根据坐标裁剪蚊子图像,并进行一系列图像变换以准备分类(b)。最后,显示分类算法的输出结果,确定图像中的蚊子种类(c)。

图片举例说明了分类蚊子图像的各个阶段。首先,展示需要分类的完整蚊子图像(a)。然后,使用 YOLO 算法根据坐标裁剪蚊子图像,并进行一系列图像变换以准备分类(b)。最后,显示分类算法的输出结果,确定图像中的蚊子种类(c)。

具体而言,YOLO 模型在训练和验证过程中的精度、召回率和平均精度(mAP)分别为 96.00%、90.50% 和 95.87%。种类分类模型的准确率为 92.40±2%,性别分类模型的准确率为 97.00±1%,腹部状态分类模型的准确率为 83.20±3.1%。

(a)为 YOLO 模型在训练和验证中的性能指标,(b)为模型检测蚊子案例

(a)为 YOLO 模型在训练和验证中的性能指标,(b)为模型检测蚊子案例

通过种类、性别、腹部状态分类的混淆矩阵和准确率

通过种类、性别、腹部状态分类的混淆矩阵和准确率

在 VectorCam 提供的论文中,还将其正在使用的 YOLOv5 与广泛应用于各种目标检测任务的 Faster R-CNN 模型进行对比,YOLOv5 Small 在参数数量、模型大小、mAP 和运行时间等方面都有更好表现,

赤脚医生也能快速上手

赤脚医生也能快速上手

不仅是更有针对性的大模型, VectorCam 为了适应疟疾传播区,在具体操作方面也进行了简化,使其能够更好地适应疟疾传播区的实际情况。

具体而言,VectorCam 包括一套专门的成像设备和一款手机应用程序。其中的硬件组件包括内置 15 倍微距镜头的灯箱、手机壳设计和扩展坞。硬件还包括 Eppendorf 管支架和蚊子托盘以及穿孔标本 ID 表,更好地储存这些蚊子。

VectorCam 的软件是一个基于 Android 的应用程序,据称能够识别超过 39 种蚊子类型,包括常见的蚊子以及一些更易携带疾病的特定蚊子类型,经过算法优化后还能够在较低端的 Android 手机上运行。

VectorCam 的手机操作界面

VectorCam 的手机操作界面

系统的工作流程包括将收集到的蚊子放入硬件、使用智能手机应用程序捕获蚊子的放大图像、并将蚊子存储在带有唯一标签的 Eppendorf 管中,以便后续的分子验证。

VectorCam 系统的整个工作流程

VectorCam 系统的整个工作流程

成像和加载任务仅需两个用户完成:一个负责成像,另一个负责加载和存储蚊子,不需要太多昆虫学专业知识,即使是乡村卫生团队也能通过简单的培训操作 VectorCam。

除了操作简便以外,VectorCam 还有一个优点在于能够以更直观的方式展示蚊子的地区分布,使决策者能够更好地了解情况并根据蚊子种类、性别、腹部情况等判断当地,采取相应措施应对,推动彻底消灭疟疾顽疾的进程。

图片展示了该网络如何在不同层次「感知」蚊子的特征,并通过直观的方式显示出其种类、腹部状态、性别分布情况

图片展示了该网络如何在不同层次「感知」蚊子的特征,并通过直观的方式显示出其种类、腹部状态、性别分布情况

用 AI 计算机听觉「识别」蚊子

在用手机检测蚊子方面,比尔·盖茨还介绍了另一项成果——HumBug。

这个新系统是一套机器学习算法,能够利用智能手机捕捉到的蚊子飞行音调的声学特征(声音),通过蚊子翅膀拍打的声音来识别蚊子种类。(事实证明,不同种类的蚊子由于个体大小、年龄和环境温度等差异,拍打翅膀的速度不同,因而在声音上也会有差异。)

HumBug 项目具体工作流程

HumBug 项目具体工作流程

而且更重要的是,Humbug 并不需要像 VectorCam 一样使用特殊装置采集蚊子,从而进一步简化了蚊子检测流程。

不过 Humbug 仍处于早期阶段,但如果成功,它可能会实现更自动化和持续的监测。

在介绍这些技术时,比尔·盖茨也表达了一定的担忧,并非担心在技术上的困难,而是担心其他政治、经济的因素:

我们面临的最大挑战之一并非科学上的,而是资金和政治上的。


评论排行榜