一起认识“野朋友”，一起给大自然做实事！

1月前

在近年的公共讨论中，逛公园、去野外、自然科普和自然体验逐渐成为城市居民的热门讨论话题，越来越多的人开始注意到生态保护，与自然产生联系开始成为人们日常生活的一个重要组成部分。

正是在这样的契机下，央视科教、腾讯基金会携手腾讯ARC Lab、腾讯AI Lab、腾讯SSV技术公益与多家生态保护机构, 共同推出「野朋友计划」（简称：野朋友）小程序，为公众提供一个全新的线上参与生物多样性保护的数字化工具。

目前「野朋友计划」小程序进入公测阶段

欢迎大家一起体验

「野朋友」以腾讯自研的AI万物识别通用模型YOLO-World为底层技术，结合腾讯的产品设计能力，以游戏的玩法，将多家生态保护机构在野外拍摄的各类野生动物照片展现给公众。公众可以利用碎片时间，动动手和AI一起，在小程序上协助这些机构完成图像的数据标注。通过这种玩法，公众不仅能在线上看到真实自然生态中的野生动物，加深对自然和生物多样性的了解，更直接参与进不同机构的生物多样性保护中来，协助这些机构去应对日益增长的监测数据处理需求，实现全民AI加持下的生态保护行动。

那么对机构来说，YOLO-World版本的「野朋友」具有哪些技术优势？

YOLO-World 技术架构

No.1

开放的AI万物识别通用模型

YOLO-World作为「野朋友」的底层通用模型，不再限制于特定物种的训练与预测，具有强大的开放词汇识别能力与零样本识别能力，可准确识别并定位未经训练过的物种，物种识别宽容度大，能有效应对具有多样性的物种识别与定位，且其泛化能力能够有效应对复杂多变的自然环境，提供稳定的识别结果。

No.2

轻量化低延迟技术架构

常见的AI模型严重依赖于高性能的加速卡，无论是硬件环境，还是维护运营都会带来高额的成本。YOLO-World实现首个可端侧部署的万物识别技术架构，大大减轻机构的算力压力。

正因为该模型具有不同领域和物种下的通用性，使其能够与更多的公益机构对接数据源，对不同物种的原始素材图像都能进行较好的智能化识别预处理，大大加速了AI技术的落地效率、降低了智能化转型成本。

No.3

高效率获取高质量物种数据标注

YOLO-World具有强大的多模态零样本识别能力与少样本识别能力，这意味着它可通过少量样本迅速识别多物种的动物位置区域和物种信息。可作为AI图像检测识别强大的预训练模型，起到减少训练样本、提升训练精度的作用。

有了YOLO-World的加持，非科研专业的普通用户也可以通过「野朋友」参与进物种标注任务中来。通过和AI的协作，形成数据飞轮，高效且有效地训练用于多生态系统、多物种AI图像检测识别的数据集。

简单了解完技术，一起再来看看产品的设计特点！

No.1

将标注任务流程进行拆解

做任务就像和AI做游戏

基于前期调研，我们了解到目前机构的物种标注任务主要依靠AI辅助，由具备科研专业背景的机构工作人员完成。一般的标注志愿者也要通过基础的专业培训，才能参与任务。

为了让更大范围的普通用户能低成本参与以数据标注训练为核心的公民科学，「野朋友」在产品设计上，对生态保护机构的数据标注和检验流程进行了任务拆解。

第一步，检查图中是否存在动物（人工识别或AI辅助判断）；第二步，估算动物数量（人工判断）；第三步，框选动物（人工框选或判断AI画的框是否准确）；第四步，鉴定物种信息（人工选择或AI辅助判断）；上述每一步，后台都随机分配进行多用户的交叉验证，以确保数据的准确性和一致性。

标注任务拆解图demo

基于这种拆解式任务的标注玩法，让更多志愿者、自然爱好者和公众能够轻松完成公民科学的内容。利用碎片时间与AI协作进行物种标注，不仅为生态保护机构节省了大量人力成本，还极大地提升了公众的参与体验和标注效率。

No.2

多种生态系统和丰富的物种数量

为了让参与用户更有强挑战性和兴趣度，产品对标注任务进行不同难度的组合，用户能一步步从标注小白成长为识别达人。也正是因为「野朋友」拥有宽容度极大的AI万物识别底层通用模型。

在目前公测阶段，「野朋友」会陆续上线桃花源生态保护基金会、山水自然保护中心、深圳市大鹏新区珊瑚保育志愿联合会、重庆江北飞地猫盟生态科普保护中心和青海师范大学北方豺研究组，五家生态保护机构的物种监测图像。用户能通过超过10000张真实记录的图像，直观地了解到不同生态系统里约60种野生动物的真实生活图像。这个体验就如同打开了「动物盲盒」，在线上开启野外探险。