伙伴们，快刀广播站又开始广播了。
今天给大家介绍AI在一个非常细分领域里的探索性应用，这个领域是水产养殖，更准确的说法是水产养殖里的贝类种子孵育环节。我看了一眼介绍，觉得非常值得介绍给大家听一下。
这个项目的核心成员是麻省理工大学的两名本科生，一个是大一的Unyime Usua，一个是大二的Santiago Borrego。我先给大家介绍一下项目的大背景。美国国家海洋和大气管理局的数据显示，美国水产养殖的年产值大约是15亿美元，这里面非常重要的组成环节是贝类。而贝类的养殖需要健康的种苗，你可以把它类比为种子对陆地农业的重要性。所以需要密切监测贝类幼虫在养殖全过程中的死亡率，并且要在早期阶段就评估出贝类幼虫未来的健康状况。
在传统流程中，这需要有经验的养殖工人仔细观察，确定生产计划，确定有害细菌的影响，并且确保贝类幼虫的健康生产。它是一个非常耗时且容易出现人为错误的过程。
刚才介绍的那个项目，目的就是推动水产养殖领域的技术发展。整个项目由麻省理工大学海洋研究所、东北大学体验机器人研究所、水产养殖研究公司A.R.C.和开普角渔民联盟共同合作。那两名今年刚加入这个项目的本科生，他们做的第一件事是，使用A.R.C.公司的贝类种子显微镜图像来训练机器算法。算法瞄准的场景就是自动帮水产养殖者识别和计算健康、不健康和死亡的贝类幼虫，提高准确性并减少人类耗费的时间和精力。
A.R.C.是一家专业的水产养殖种子公司，手里有大批不同贝类种子的图片。以前靠人手动记录和统计幼虫健康状态，一方面非常耗费人力，另一方面人类也达不到机器的水平。A.R.C.的鱼苗生产经理詹姆斯解释说：“当幼虫还处在生长阶段时，他们需要不断被测量和计数，因为只有这样，我们才能不断去挑选和培育出最适合生长的鱼苗。”
大二的Borrego把这个项目视作一次学以致用的非常宝贵的机会，他在学校里写了《机器学习导论》，然后借这个项目把所学的知识应用到现实世界。他说：“我开始构想计算机如何看待图像并从中提取信息，这个领域让我特别着迷。”
而大一的Usua决定加入这个项目，是因为她看到了机器学习对行业的潜在影响。她说：“我对机器学习如何让人们的生活更轻松这个话题很感兴趣，我们正在用AI帮生物学家简化计数和识别幼苗的过程。”虽然她之前对水产养殖毫无概念，但还是找到了切入点。
这个项目听起来，似乎只是两个大学生帮贝类孵化场做更精准的分类和计数，但这对于整个地区的水产养殖和经济都有不小的影响。因为仅在卡普角这一个地区，水产养殖每年的产值就有1800万美元。美国马萨诸塞州的海洋渔业部门估计，贝类鱼类的幼苗孵化场每年只能满足70-80%的种子需求，这大大影响了当地的收入和经济。
在谈到研究过程中遇到的困难时，Borrego解释说，最初他们面临的最大挑战是数据有限，就是手头没有那么多的贝类幼虫的照片，供机器去学习和训练。他说：“从一开始，我们不得不自己逐一手动标注所有数据，但从快速数据标注到快速识别死去的贝类幼虫，整个过程让我学到了很多东西”。
这个项目的目的除了增加幼苗的生产，减少孵化过程中所需要的人力之外，研究团队还希望能为水产养殖这个领域提供用AI节约成本的成熟方案。
在我看来，这个项目其实是给视觉识别找到了一个非常细分的切入点，把一个技术方案变成了实实在在的落地方案。按照同样的思路，只要我们善于发现，也能从我们身边找到很多切入点。举个例子，不管是小区还是公园的绿化，如果有关于树木和虫害关系的图片，例如某类虫子伤害过的树叶，是长什么样子的，那么我们就可以搭建一个绿化防虫小助手来告诉绿化公司，哪片区域遇到了什么样的病虫害，或者是预测可能会遇到什么样的病虫害，提前准备好给树木的救助方案。
所以，AI本身厉害不厉害，没有那么重要，重要的是你想用AI解决什么样的问题，也许你身边就有很多值得用AI去改造的机会点。也借这个机会提醒一下大家，如果你身边有人用AI用得很棒，或者有企业真的把AI用得很深入，欢迎通过文稿区的邮箱地址联系我。[email protected]
另外五一期间咱们AI学习圈有创作大赛等你参与，还有假期限时优惠价，感兴趣的朋友可以点击文稿区的链接了解活动信息。
好，今天的快刀广播站就到这里了。如果你觉得今天的内容对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。
【相关链接】
用AI推动水产养殖技术：https://news.mit.edu/2024/advancing-technology-aquaculture-0418
五一活动相关链接：https://www.dedao.cn/activity#/activity/index?aid=6630b48900016905d7fe32ac