比尔·盖茨要用AI对付蚊子 科技巨头的新灭蚊武器

导读 在致人死亡的动物中,蚊子排名第一。根据世界卫生组织(WHO)统计数据显示,全球每年约有72.5万人死于蚊虫叮咬产生的疾病,仅疟疾一项在202...

在致人死亡的动物中,蚊子排名第一。

根据世界卫生组织(WHO)统计数据显示,全球每年约有72.5万人死于蚊虫叮咬产生的疾病,仅疟疾一项在2022年就造成60.8万例死亡。相比之下,其他致命的动物,如蛇、狗(通过传播狂犬病)、鳄鱼等,尽管也造成了相当数量的死亡,但与蚊子相比,数字要小得多。

每年死于各类动物的人数对比

虽然世卫组织早在1955年就曾做出过彻底消灭疟疾的宣言,但在很多地区,消灭疟疾却成为了一场「打地鼠」的游戏。每当疟疾被认为得到控制时,没过多久又会以另一种形式出现,时至今日仍然没有得到有效的控制。

想要断绝由蚊子作为媒介传播的疾病,首先在于检测分辨不同种类的蚊子,这不仅由于不同种类的蚊子会携带不同的疾病,也在于不同蚊子会有不同的生存特性。

这意味着如果能够分辨蚊子的种类,就可以利用其不同的特性灭蚊,例如针对室外生活和觅食的蚊子采取如消除滋生地,针对室内生存的蚊子采用蚊帐等,这在很多地区被证明是行之有效的灭蚊措施。

前世界首富比尔·盖茨近期分享了一项为此而生的新技术——VectorCam。它能够通过应用程序仅需拍摄一张蚊子照片,即可识别蚊子种类、性别、是否吸食血液及产下虫卵:

在与蚊子的斗争中,我们终于看清了我们的对手。

比尔·盖茨在视频中介绍该技术

用AI计算机视觉「看清」蚊子

据VectorCam官方介绍,该系统采用了一种用于识别蚊子种类、性别和腹部状态的新型卷积神经网络VectorBrain。

作为一种专门为识别蚊子训练的AI模型,VectorBrain能够准确识别6种主要蚊媒,包括主要疟疾媒介,在资源受限的环境中准确率超过90%。

VectorBrain是一个多任务EfficientNet架构,专为蚊子分类设计,同时输出种类、性别和腹部状态。该架构包括一个特征提取器和一个分支结构,每个分支对应一个分类任务。

在识别蚊子方面,VectorBrain使用了轻量级的YOLO模型,能够实时定位蚊子,并使用检测到的坐标裁剪出只包含蚊子本身的图像,来进行更好的识别。

图片举例说明了分类蚊子图像的各个阶段。首先,展示需要分类的完整蚊子图像(a)。然后,使用YOLO算法根据坐标裁剪蚊子图像,并进行一系列图像变换以准备分类(b)。最后,显示分类算法的输出结果,确定图像中的蚊子种类(c)。

具体而言,YOLO模型在训练和验证过程中的精度、召回率和平均精度(mAP)分别为96.00%、90.50%和95.87%。种类分类模型的准确率为92.40±2%,性别分类模型的准确率为97.00±1%,腹部状态分类模型的准确率为83.20±3.1%。

(a)为YOLO模型在训练和验证中的性能指标,(b)为模型检测蚊子案例

通过种类、性别、腹部状态分类的混淆矩阵和准确率

在 VectorCam 提供的论文中,还将其正在使用的 YOLOv5 与广泛应用于各种目标检测任务的 Faster R-CNN 模型进行对比,YOLOv5 Small 在参数数量、模型大小、mAP 和运行时间等方面都有更好表现,

赤脚医生也能快速上手

不仅是更有针对性的大模型,VectorCam为了适应疟疾传播区,在具体操作方面也进行了简化,使其能够更好地适应疟疾传播区的实际情况。

具体而言,VectorCam包括一套专门的成像设备和一款手机应用程序。其中的硬件组件包括内置15倍微距镜头的灯箱、手机壳设计和扩展坞。硬件还包括Eppendorf管支架和蚊子托盘以及穿孔标本ID表,更好地储存这些蚊子。

VectorCam的软件是一个基于Android的应用程序,据称能够识别超过39种蚊子类型,包括常见的蚊子以及一些更易携带疾病的特定蚊子类型,经过算法优化后还能够在较低端的Android手机上运行。

VectorCam的手机操作界面

系统的工作流程包括将收集到的蚊子放入硬件、使用智能手机应用程序捕获蚊子的放大图像、并将蚊子存储在带有唯一标签的Eppendorf管中,以便后续的分子验证。

VectorCam系统的整个工作流程

成像和加载任务仅需两个用户完成:一个负责成像,另一个负责加载和存储蚊子,不需要太多昆虫学专业知识,即使是乡村卫生团队也能通过简单的培训操作VectorCam。

除了操作简便以外,VectorCam还有一个优点在于能够以更直观的方式展示蚊子的地区分布,使决策者能够更好地了解情况并根据蚊子种类、性别、腹部情况等判断当地,采取相应措施应对,推动彻底消灭疟疾顽疾的进程。

图片展示了该网络如何在不同层次「感知」蚊子的特征,并通过直观的方式显示出其种类、腹部状态、性别分布情况

用AI计算机听觉「识别」蚊子

在用手机检测蚊子方面,比尔·盖茨还介绍了另一项成果——HumBug。

这个新系统是一套机器学习算法,能够利用智能手机捕捉到的蚊子飞行音调的声学特征(声音),通过蚊子翅膀拍打的声音来识别蚊子种类。(事实证明,不同种类的蚊子由于个体大小、年龄和环境温度等差异,拍打翅膀的速度不同,因而在声音上也会有差异。)

HumBug项目具体工作流程

而且更重要的是,Humbug并不需要像VectorCam一样使用特殊装置采集蚊子,从而进一步简化了蚊子检测流程。

不过Humbug仍处于早期阶段,但如果成功,它可能会实现更自动化和持续的监测。

在介绍这些技术时,比尔·盖茨也表达了一定的担忧,并非担心在技术上的困难,而是担心其他政治、经济的因素:

我们面临的最大挑战之一并非科学上的,而是资金和政治上的。