对全世界热爱动物和投身于动物保护事业的人们而言，今天是一个特殊的日子——“世界动物日(World Animal Day)”。在每年的10月4日及前后，大家都会聚在一起，通过各种形式的活动，号召所有人团结起来，维护动物福祉和权利。
之所以要号召人类保护动物，一方面是因为，它们对生态平衡和人类生存环境的可持续发展起着不可或缺的作用，但更重要的原因或许是，动物和我们一样有着知觉能力，比如能感到喜悦和痛苦。随着人类行为对动物的影响日益加剧，基于同情心和道德感，我们都有责任努力改善它们的生存状态。
自世界动物日于1925年首次设立至今，关怀、尊重动物的理念也获得了越来越多的认同，也有越来越多的人开始努力为动物们(也是为人类自己)创造一个更美好的未来。近年来，数字技术正在保护动物和改善动物福利的工作中“崭露头角”。例如，从监测种群活动到提高健康水平，Google的开源机器学习平台TensorFlow，就成为了人们解决问题的“好帮手”。
监测海牛种群 保护海牛栖息地
因为密集航运、水产捕捞、海洋开发等人类活动，有多达23%的海洋哺乳动物正面临着灭绝的威胁，海牛就是其中之一。
红圈处即为航拍图像中观测到的海牛
保护海牛的第一步是通过追踪它们的活动，掌握它们的数量、大小和所处位置。然而，长期以来，研究人员仍然在用十分简单和原始的方式监测海牛种群——乘坐小型飞机观察海面。毫无疑问，这是一种危险、耗时间、高成本的工作方式。
在无人机和机器学习技术的帮助下，在澳大利亚莫道克大学工作的Amanda Hodgson博士改变了这项工作的现状：先让无人机代替研究人员进行实地观测，拍摄高清航拍照片，然后，通过TensorFlow开发出一款探测器，可以自动扫描收集来的大量航拍图像，寻找海牛们的身影。
显然，这款探测器能够节省大量进行枯燥、艰难的识别工作的时间，提高了研究的效率。利用种群数据，人们可以更好地评估人类活动对海牛们的影响，并采取行动保护那些新发现的海牛栖息地。
识别濒危鸟类
人类在世界各地建立了各种各样的野生动物保护区。为了提高动物保护工作的质量，让这些保护区能够更好地运转下去，需要对其中的动物“居民”们的“日常生活”有清晰、准确的认知。然而，有为数众多的野生动物因体积小、行踪“诡秘”、数量稀少等原因而难以被发现。
新西兰的鸟类保护区“Zealenia“里的三种小鸟，Hihi、Tīeke和Kākāriki就是这样的生物。为了更好地掌握它们在保护区中的位置和活动轨迹，需要肉眼观测之外的其它方法。为此，新西兰惠灵顿维多利亚大学的博士生Victor Anton花了三年的时间，在保护区内的50个地点录制了数万条鸟鸣录音。
如何从规模如此庞大的音频数据中找到真正有价值的信息？Victor Anton和他的团队训练了一个基于TensorFlow的机器学习系统，它可以把音频分割成若干个几分钟长的片段，将每段转换为声谱图，然后用深度卷积神经网络处理每个时间跨度不到一秒钟的声谱图块，再用递归神经网络将这些图块重新组合，判断出这三种鸟类中的哪种的叫声出现在了这一录音片段中，如下图所示：
通过分析识别结果，科学家们可以更全面地把握这些鸟类在保护区内的生存状况。
改善奶牛健康 提供健康建议
保护动物，不只是保护野生动物。即使是被饲养的用于食用、畜力或研究的动物，也不应被随意、残忍地对待。著名的《动物福利普世宣言》(Universal Declaration on Animal Welfare)就指出，其原则适用于“野生动物”、“依人动物”、“为食物、产制品、或劳力而饲养的动物”、“同伴动物”、“用于运动与娱乐的动物”和“科学研究中的活体动物”这六大类动物。
为了提高农场中奶牛的健康水平，在荷兰工作的的Saad Ansari和Yasir Khokhar开发了一款名为“Ida”的应用程序，在基于TensorFlow的机器学习模型的驱动下，它可以利用奶牛身上的可穿戴设备返回的信息(涵盖体温和进食、饮水、行走、睡眠等日常活动)，评估它们的健康状况，检测出跛行、消化系统疾病等问题，及时地提醒农场主并给出保持奶牛健康的建议。
Google所做的帮助动物们的工作不止于为他人提供技术工具。从与动物保护组织合作，创建由云计算和AI赋能的，可自动识别图像中出现的物种，并帮助研究人员们进行数据可视化的的野生动物保护平台Wildlife Insights，再到与美国和加拿大的海洋部门合作，运用深度神经网络识别虎鲸和座头鲸的声音，追踪它们在聚集海域的活动，可以说，Google已经成为动物保护的全球大家庭中的重要一份子。从身边的小事做起，我们每个人也都可以为动物保护做出自己的贡献。
