现代农业高度依赖于「蜜蜂」这一物种。
事实上,整个生态系统,包括我们吃下的食物,以及我们呼吸的空气,都与这种小小的“传粉载体”密切关联。但根据世界蜜蜂项目(The World Bee Project)执行总裁Sabiha Rumani Malik的说法,目前这种传输媒介(蜜蜂)的数量正在减少,而其与甲骨文公司之间的有趣合作,则让该项目掌握了人工智能、物联网与大数据的力量,有望彻底扭转这一不利趋势。
根据政府生物多样性与生态系统服务科学政策平台(IPBES)发布的报告,蜜蜂这种传粉媒介正处于危险之中。
蜜蜂濒临灭绝的原因很多,包括栖息地遭到破坏、城市化进程加剧、农药过量使用、污染、开花植物分散化、掠食性动物与寄生虫威胁、以及气候变化等等。
但直到“世界蜜蜂项目”建立之前,还没有哪项全球性计划着手从蜜蜂种群乃至全球化视角尝试研究并解决这个难题。
正是由于蜜蜂及其他授粉媒介(例如蝴蝶)的存在,才让地球上的植物演化为通过种子进行繁殖的形态。根据美国农业部(USDA)的数据,全球35%的粮食作物与四分之三的开花植物,都依赖蜜蜂及其他授粉媒介,才能繁衍存续。
实际上,为了确保加利福尼亚州的杏仁类作物能够得到及时授粉,美国每年需要将大部分蜂箱运往加州地带,以保障授粉成功率。另外,蜜蜂一直在帮助全球90%的主要农作物进行授粉,包括各类果树、咖啡、香草以及棉花等等。而植物的正常生长,也通过光合作用为整个地球补充至关重要的氧气含量。
如果授粉媒介在数量或者生存状态上不足以履行这项重要职责,那么全球农作物的生产、粮食安全、生物多样性以及空气质量都将受到严重冲击。蜜蜂则是世界上最重要的授粉媒介之一。全球高达40%的人群依赖于蜜蜂获取营养供应。目前,仍有约20亿人体内缺乏必要的微量元素。
Malik表示,“我们的生活,与蜜蜂种群有着紧密的内在联系。”
“世界蜜蜂项目”是第一家发起并致力于监控全球蜜蜂种群变化的私人协调组织。自2014年建立以来,该组织召集众多科学家,共同研究全球蜜蜂数量下降问题,并向农民、政府、养蜂人以及其他组织提供与此相关的咨询见解。
2018年,该项目决定采购甲骨文云技术服务,希望借此破解全球蜜蜂数量下降的秘密。与之对应,“世界蜜蜂项目”旗下的「Hive Network」也由此诞生。
我们如何利用科技拯救蜜蜂种群?最直观的方式当然是利用高新科技协助养蜂,其中的基本思路与其他创新项目相同。
首先,通过麦克风与摄像头等物联网传感器观察侵入性掠食者的动向,并从蜜蜂及蜂巢当中收集相关数据。近年来如火如荼的新兴方案与创新成果——包括无线技术、机器人技术以及计算机视觉等——能够为这类问题提供新的洞见与解决方案。
反映蜂巢健康状况的核心指标之一,就是蜂巢产生的声音。因此,数据收集工作的关键,就是“聆听”蜂箱中的动静,以确定聚落的健康状况、活动强度与行为倾向,同时结合温度、湿度、蜂房所在地天气条件以及蜂巢重量等其他重要指标。这些音频与视频传感器,还能够及时检测到「黄蜂」这种严重威胁蜜蜂生存安全的物种。
接下来,相关数据将被输入至甲骨文云,由甲骨文AI算法对内容进行分析。算法能够查找其中的模式,并尝试预测蜂巢的整体情况,例如孵化活动是否能够正常进行。
再将这些结论分享给养蜂人及环境保护主义者,他们就能及时介入以保护蜂箱安全。另外,整套系统接入全球网络,因此相关算法能够快速了解世界范围内不同地区间的蜂群差异信息。学生、研究人员甚至是对此抱有兴趣的普通民众,都可以随时进行数据交互、通过Hive Network的开放API使用数据,并通过聊天机器人进行讨论。
如上文所述,音频与视频传感器能够及时检测到黄蜂这种严重威胁蜜蜂生存安全的物种。黄蜂振翅时发出的声音与普通蜜蜂不同,AI能够自动识别出黄蜂的存在,并警告养蜂人及时应对相关威胁。
在新兴技术的支持下,“世界蜜蜂项目”得以快速共享实时信息并收集资源,帮助我们拯救地球上的蜜蜂种群。Malik也感慨道,“我们与甲骨文云之间的合作关系,堪称自然与技术之间的一次非凡结合。”事实证明,科技成果正帮助“世界蜜蜂项目”的「Hive Network」在全球范围内持续扩大影响力,引导无数参与者更快、更有效地拯救蜜蜂这一珍贵物种。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。