7月1日，从事沿岸作业和近海作业的捕鲸船分别从日本北海道钏路港和山口县下关港出海，这标志着日本时隔31年在领海及专属经济区重启商业捕鲸。日本国内一些舆论认为，日本正式重启商业捕鲸可能会导致国际社会的强烈反对，前景难以预料。

在去年9月召开的国际捕鲸委员会大会上，日本提议重启商业捕鲸，遭到会议否决。去年12月，日本宣布单方面退出国际捕鲸委员会，并计划今年7月正式重启商业捕鲸。日本水产厅7月1日宣布，日本截至2019年底的捕鲸配额为227头，具体为52头小须鲸、150头布氏鲸和25头塞鲸。

日本在今年重启了商业捕鲸，这是他们受到国际性公约的限制之后，30 多年里的首次商业捕鲸。近日日本的捕鲸团队完成首航，有 233 头鲸鱼遭到捕杀。这一事件的背后，似乎在预示着鲸鱼的悲惨命运。如何对鲸鱼进行高效的保护，避免它们走向濒危？AI 技术，又能够在这一领域发挥什么样的作用？

国际上为了保护鲸鱼不被过渡捕杀，于 1948 年成立了国际捕鲸委员会，日本于 1951 年加入，在 1986 年，委员会通过了《全球禁止捕鲸公约》，禁止缔约国从事商业捕鲸。

有着长久捕鲸文化的日本，屡次在公约的边缘试探。2018 年 12 月，日本宣布退出该组织，根据规定在今年的 6 月 30 日之后，他们便不再受公约的限制。

在最近的报道中，他们在重启商业捕杀鲸之后的首次出航中，就捕杀了 233 头鲸鱼，捕获鲸肉 1430 吨... 触目惊心的数字背后，不禁让人想起纪录片《海豚湾》里的血腥。

虽然是海洋中最大的动物，但鲸鱼在和捕杀者的较量中，依然是脆弱和不值一提的。因为鲸鱼肉、油脂、皮、各种器官对人类的使用价值，在利益面前，庞大的躯体不过是一件件商品。

人类大规模的捕杀活动，一度致使许多种鲸鱼处于濒临的边缘。为了让这个庞大但脆弱的生物，能够自由在海里畅行，多种技术方法都被用在其中，而 AI 技术，也正在这个方面贡献着一些力量。

鲸鱼的数目和种群数量，难以进行完全的统计，此外，它们的生活习性和迁徙方式，也是研究中的一个难点。但随着多项 AI 技术的应用，这些问题正在被一一化解。

西班牙学者：用 CNN 进行种群统计

海洋中鲸鱼的数量和种群的准确统计，有助于帮助科学家对鲸鱼进行研究，进一步对鲸鱼进行保护。但如何对鲸鱼进行识别和计数，在茫茫大海之上，却是不小的挑战。于是，一些研究者们，开始利用卫星和航空图像，借助深度学习等技术，对近海面的鲸鱼做着统计调查研究。对近海面的鲸鱼做着统计调查研究。最近一篇发表在《Science Report》杂志的文章，西班牙的一群科学家们，就做了这样的工作。他们用卷积神经网络（CNN）搭建的模型，能够有效地帮助识别和确定鲸鱼的种群和数目。

要在航拍或卫星图像中识别出鲸鱼，需要克服多重困难，比如数据集缺乏，船只、岩石、泡沫等混淆因素、鲸鱼在水面上的行为姿势，以及云雾、光线、水质等带来的干扰。

在这项研究里，科学家们基于 CNN ，设计了一种两步式的深度学习模型，第一个 CNN 查找带有鲸鱼存在的输入图像，并排除船舶、岩石等干扰；第二个 CNN 定位并计数这些图像中的每条鲸鱼。

模型的两步式结构

为了让系统准确的对鲸鱼进行识别，他们利用开放的数据如 Google Earth ，Arkive，NOAA 照片库等，建立了带注释的高质量数据集。分别以检测鲸鱼的存在，计数鲸鱼的数量，以及测试和验证整个过程为目的，还使用了不同分辨率的卫星和航拍图像。

文中还使用了迁移学习和数据增强，以提高 CNN 训练的效率，并增加 CNN 的鲁棒性和泛化能力。第一步是建立图像分类模型，使用 GoogleNet Inception v3 CNN 体系结构的最新版本构建，并在 ImageNet 上进行了预训练，最终能够快速地判断出图像中的鲸鱼，并排除可能会被误认的杂物。第二步是鲸鱼计数模型，使用了基于 Inception-Resnet v2 CNN 架构的 Faster R-CNN ，在 COCO 数据集上进行了预训练。模型仅分析那些存在鲸鱼的可能性高的单元，将每只鲸鱼定位在边界框中，并输出计数的个体数。

在概念验证中，模型使用 71×71 m 滑动窗口（约为蓝鲸的大小的两倍），分析了由 13,348 个网格单元代表的全球 10 个鲸鱼出现热点区域，并输出每个单元中检测到鲸鱼的概率。

最终的结果表明，在 10 个观鲸热点上对 Google Earth 图像进行的系统测试中，其检测和计数鲸鱼方面，其性能（ F1 度量）分别为 81％ 和 94％，与单独的基线检测模型相比，该模型将准确性提高了 36％。

谷歌：用声纹识别，了解行为习性

除了卫星图像的角度，在声纹分析的方面，机器学习也有保护鲸鱼的奇招。

鲸鱼的叫声可以在水下数百公里传递，不同声音也包含了不同的信息，以便和远方的伙伴沟通。谷歌则通过水下收集设备，录制下了这些鲸鱼的「歌声」。

在谷歌推出的「 AI for social good」项目中，就有一项保护座头鲸的研究，谷歌的研究人员和海洋鲸类专家，建立了一个海底声音的「监听网络」，利用机器学习通过声纹追踪鲸鱼的活动。

但对于庞大的海底世界，它所包含的声音信息也是极其繁多。在录制下鲸鱼声音的同时，也积累了大量的噪声。

谷歌开发了一些算法模型，能够将这些信息过滤出来，从庞大的录音数据中，利用声纹信息分析辨别出鲸鱼的叫声，并进一步建立了深度神经网络，自动识别录音中的鲸鱼种类。

通过将监听到的声音，转换到对频谱图的处理，然后从这些频谱图中，找出特定的鲸鱼声纹。他们在前段时间还将这项成果，用一个网站工具形式推出，借助这个工具，可以大规模能将海底音频可视化，发现海底声音的细节。

这项研究里，谷歌使用的模型是 ResNet-50 ，通过使用有监督学习，用标记过的数据进行训练：使用频谱图向算法展示了带有标签声音的示例（即：这是座头鲸，这不是座头鲸）。该算法学习的示例越多，识别这些声音的效果就越好。最终，该模型可以确定一些剪辑片段中，是否包含以 90％ 以上的精度和 90％ 的查全率存在的座头鲸。

通过这些方法，能够监测到和现实中一致的座头鲸习性变化，比如座头鲸种群夏季会在阿拉斯加附近逗留，在冬季则迁移到夏威夷群岛附近繁殖和分娩。

这一研究能够帮助了解鲸鱼的行为和迁徙模式，以便能为保护鲸鱼的后续策略提供支撑。科技向善，愿鲸鱼永不灭绝

最早的鲸鱼出现在大约 5000 万年前，在自然法则中顽强生存下来的这一物种，经过漫长的进化过程，成为了世界上最庞大的动物。

人类的从几百年前开始商业捕鲸，在 20 世纪里，随着捕鲸业的兴盛，鲸鱼被大肆捕杀，多种鲸鱼走向濒危，至今已有数十种鲸鱼完全灭绝。在最疯狂的 1961 年里，一个捕鲸季，就有多达 66000 头鲸鱼被捕杀。

在越来越先进的捕鲸工具之下，纵有最庞大的体型也难敌人类的贪婪。

所幸，我们也看到越来越多的技术和团队，在保护鲸鱼上作出的努力。但愿此类技术能够更多地涌现，不至于让我们的后代，只能在史料中看到鲸鱼。

>>>链接：延伸阅读

日本于1988年停止商业捕鲸，但一直以“科研捕鲸”的名义在包括日本沿岸在内的西北太平洋和南极海域开展捕鲸作业。商业捕鲸重启后，日本将无法继续在国际海域实施“科研捕鲸”。目前，仅在太平洋沿岸地区，日本就有1000艘捕鲸船，捕鲸业还关联大约10万日本人的生计。若放开商业捕鲸，会给日本渔业等相关行业发展带来利好。今年2月初，日本首相安倍晋三曾表示：“只要资源的利用是可持续的，各国的饮食文化就应该得到尊重。”针对重启商业捕鲸的理由，日本农林水产大臣吉川贵盛表示，食用鲸肉是日本的传统饮食文化，希望重启商业捕鲸能够带动地方经济复苏。

鲸鱼等海洋生物曾是日本人主要的蛋白质来源。日本媒体称，二战结束前后，鲸鱼曾占日本人所食用肉类的将近一半，如今这一比例降至0.1%以下。日本国内销售鲸肉的超市不断减少，日本大型连锁超市永旺仅在捕鲸船聚集的港口有少数超市销售鲸肉，今后没有扩大销售鲸肉的计划。15年前停止销售鲸肉的华堂超市尚未重启销售鲸肉的计划。

与此同时，国际社会上一直有反对日本捕鲸的声音，同日本关系密切的澳大利亚和英国都是反对捕鲸的国家。日本正式重启商业捕鲸前，环保人士在伦敦举行了抗议游行活动。

《朝日新闻》分析称，在国际社会反对声音强烈的背景下，要想维系商业捕鲸，日本面临着违反《联合国海洋法条约》《华盛顿公约》等两大外交风险。作为日本商业捕鲸对象的小须鲸、布氏鲸和塞鲸都属于《华盛顿公约》濒临灭绝危机附录中所列物种。早稻田大学客座副教授真田康弘认为，虽然日本已经退出了国际捕鲸委员会，但是依然作为该组织的观察员，如果有国家起诉日本商业捕鲸违反《联合国海洋法公约》，日本很有可能败诉。

编辑：金婉霞
责任编辑：许琦敏

来源：综合自“HyperAI超神经”、新华网