熊臉辨識技術，有何用處？

近年我們常常聽到人臉辨識技術，擔心政府用來監控人民。熊臉辨識又聽過嗎？識別熊臉有何用處？遠在矽谷的軟件工程師，與加拿大的生物學者合作，開發能識別熊臉的深度學習程式。

Ed Miller 和 Mary Nguyen 是矽谷工作的軟件工程師。他們認為機器學習非常擅長識別人類，但亦好奇，機器學習對熊又會有甚麼用途？

維多利亞大學的博士後研究員、生物學者 Melanie Clapham 正在思考同樣的問題。來自 Raincoast 保育基金會的研究員 Chris Darimont，則熱衷探索人臉識別技術，並幫助 Clapham 研究灰熊。但是 Clapham 的專長是有關熊的生物學，而不是人工智能。

「紐約時報」報道，他們 4 人在技術和資源配對平台 Wildlabs.net 上互相相識。Miller 和 Nguyen 結合他們的技能，過去幾年在工餘時間義務參與項目，終取得成果，早前在期刊「生態與進化」（Ecology and Evolution）上發表。他們製作的項目 BearID 可以幫助保育者監測世界各地熊種群的健康狀況，或許引伸至其他動物。

Nguyen 表示，這項工作的初期階段頗為枯燥。為深度學習程式建立訓練數據，涉及收集數以千計帶有熊的照片，然後通過在熊周圍手動畫框，來突顯每隻熊的眼睛、鼻子和耳朵，以便程式學習找到這些特徵。系統還必須克服棕熊外觀上的挑戰，因為熊沒有像指紋一樣的特徵，例如斑馬的條紋或長頸鹿的斑點等。

他們從阿拉巴馬州布魯克斯河研究和觀賞熊的地方，拍攝了4,675 張貼上熊臉標籤的照片，並將照片隨機分成訓練和測試數據集。8 成的圖片用來讓機器對熊貌進行辨認訓練，其後機器就會在無人監督的情況下開始工作，來辨認餘下 2 成照片，以檢視深度學習機器可否良好識別熊貌差異。

首先，深度學習算法使用獨特的標誌（例如眼睛、鼻、耳朵和額頭頂部）找到熊臉。然後，應用程式旋轉這些面部，以提取、編碼和分類面部特徵。其面部檢測（發現面部的能力）的準確度為 98%，識別個別熊臉的準確度為 83.9%。

在德國的工程師 Alexander Loos 向「紐約時報」表示，在深度學習時代之前，他們試圖想像人類如何感知面孔以及如何區分個體，程序員要手動將面部描述輸入電腦。但是通過深度學習，程序員可以將圖像輸入到神經網絡中，從而讓其自行識別。不過， Loos 提醒，有一點要注意，因為實際上程序員也不知道神經網絡內裡的運作標準，如果所檢查的數據集無意間產生了偏差，則可能會出現錯誤。例如，如果光線充足的照片比在黑暗環境下拍攝的照片更多的話，則光照差異或會導致分類錯誤。