蜜蜂滅絕後，人類只能活四年？

https://mp.weixin.qq.com/s/UKEnUAX-Kwiv3kmjVeYHPw

By 超神經

場景描述：蜜蜂對做物的生產影響巨大，但在近些年，蜜蜂的種羣數量卻在不斷減小，面對這種狀況，機器學習、數據分析等方法的介入，可以幫助蜜蜂避免走向滅絕的道路。

關鍵詞：物種保護  機器學習  數據分析

曾經流傳着這麼一個說法：「蜜蜂滅絕後，人類只能活四年」，這句話還一度被認爲出自愛因斯坦之口。

愛因斯坦真的說過嗎?

爲何會有這樣的說法？固然不是由於沒有蜂蜜吃了。蜜蜂對於天然界和人類的意義遠不止你想得那麼簡單。

除了帶來美味且養分豐富的蜂蜜，蜜蜂的主要貢獻還在於對花粉的傳播。蜜蜂、鳥類和蝙蝠等授粉者，影響着全球 35% 的做物生產，幫助全球 87% 的主要糧食做物以及許多植物性藥物提高產量。

關於「蜜蜂滅絕，人類活不過四年」的說法，雖有警示做用，不過並非出自愛因斯坦，準確性也被證僞。

但做爲天然界重要的一環，蜜蜂若是缺失，就會在食物鏈裏引起相似多米諾骨牌的效應。蟲媒做物將受到嚴重影響，人們可能會臨糧食短缺等問題。

而近年來，蜜蜂的種羣生存正面臨着嚴峻的考驗。

據世界蜜蜂項目（ WBP ）的報告，全球蜂羣數量近年來急劇降低，蜜蜂和其餘授粉的昆蟲都有瀕臨滅絕的趨勢。

所幸的是，隨着科技的發展，機器學習等技術的應用，爲蜜蜂保護帶來了但願。

勤勞的小蜜蜂，爲什麼數量驟減

農做物種植中，很大一部分都離不開蜜蜂的功勞。蘋果、西蘭花、藍莓、洋蔥等做物，90% 要靠蜜蜂。

此外，蜜蜂的傳播做用，在櫻桃和芹菜佔 80%，西瓜和李子佔 65%，蜜桔 45%，就連檸檬和棉花也有 20% 須要依賴蜜蜂。

一隻蜜蜂必須採集四百萬只花朵，而且飛出至關於繞地球四圈的距離才能採集到一公斤蜂蜜

但從 2006 年開始，美國首先發現蜜蜂數量驟減，成年的蜜蜂將蜂巢遺棄，而後一直飛行至死。隨後比利時、法國、德國、荷蘭等國家，也發現了這種現象。

這種大批蜂巢內工蜂消失，蜂羣生態崩解的現象，最後被命名爲「蜂羣崩潰綜合徵」（ Colony Collapse Disorder，簡稱 CCD ）。

根據德國養蜂業協會 2018 年的數據，德國 560 種蜜蜂中有超過 300 種面臨滅絕風險，蜂羣數量從 1952 年的 250 萬羣降低到現在的不到 100 萬羣。

但蜜蜂數量驟減的緣由，尚未完全弄清，可能來自多方面的因素，諸如外來***昆蟲威脅、殺蟲劑的濫用、天然環境惡化，單一種植致使的弊端等等。

爲了遏制這種現象，蜜蜂保護也逐漸被提上日程。聯合國更是在 2017 年的 12 月，將每一年的 5 月 20 日 定爲世界蜜蜂日。

機器蜂能替代蜜蜂嗎？

蜜蜂數量的減小，最直接的影響的是做物的收成。在一些報道中，部分果園面對傳粉受阻的狀況，無奈之下動用大量工人，充當「蜜蜂人」，攀爬上果樹，用毛筆等工具手動授粉。

果園工人在樹上授粉

也有一些研究者，萌生出「機械蜜蜂」的想法，想用機器的方式，承擔起蜜蜂的工做。

好比日本一個叫都英次郎的技術員，在 2017 年製造了一個機械傳粉無人機。

它是一個4 釐米見方，15 克重的迷你飛行器，在底部粘有馬毛，以模擬蜜蜂毛茸茸的軀幹，馬毛上塗抹一層特質的黏性凝膠，用來幫助花粉的傳播。

都英次郎的花粉無人機授粉展現

這款無人機實現了傳粉操做，但缺點在於須要人工遠程操控，並且考慮到經濟性和適用性，不能大範圍進行推廣。

在 2018 年，荷蘭科學家也作了相似的工做，發明了一款叫 DelFly 的蜜蜂機器人，它在飛行技術上有了很大的提高，但仍是侷限於在溫室裏使用。

DelFly 機器人外觀

雖然這些科研者作出了有趣的嘗試，可是，蜜蜂做爲天然界中的一環，想要繞過它們的想法仍是不太現實。

守護蜜蜂的 AI 程序

也許最靠譜的辦法，仍是迴歸到對蜜蜂的保護。在這個方面，機器學習就能發揮它的優點了。

一款名爲 Bee Health Guru 的應用程序，已經能在手機上正常訪問，它是基於機器學習算法構建，能幫助養蜂人瞭解蜂巢的健康情況。

Bee Health Guru 展現的各類異常狀況信息

這款程序的主要原理，是依據聲音信息來判斷蜂羣的異常。若是蜂巢出現問題，會產生特殊的聲音，用程序「聽一聽」，就能揪出問題的緣由。

爲了讓模型判斷的更準確，他們用了五年的時間收集大量的聲音。在使用時，經過錄制聲音，分辨出其中的細微差異，給養蜂人提供及時的預警。

Bee Health Guru APP 操做界面

相比於傳統的工人本身判斷， Bee Health Guru 可以跟蹤多種變量的狀況，爲養蜂人提供蜂羣的健康信息，還能夠將一些不利因素扼殺在萌芽狀態，以此來穩定蜂箱的情況。

在實踐中，這個作法已被證實小有成效，好比能避免蜂王的意外死亡，及時發現蜂羣中出現的病毒蔓延等。

打造智能的蜂巢系統

此外，還有一些研究團隊，在研究和收集其餘一些指標，來揭示蜂巢的健康變化數據，這包括育雛溫度，環境溫度，蜂巢重量，溼度和羣體行爲。經過這些信息，打開保護蜜蜂的道路。

其中 Oracle 公司和英國雷丁大學合做的一項研究中，開發了一套蜂巢監測系統，系統主要包括六個智能傳感器，可大量收集蜂巢的不一樣信息。

傳感器將提供蜂巢中蜂蜜的聲音，溫度，溼度和重量的數據

研究人員經過關鍵信息，好比翅膀的移動和運動足跡，在將其餘測量結果結合起來，如溫度，溼度和蜂蜜產量，而後在歷史事件的基礎上，用機器學習算法的預測建模。

經過這種方法，他們打造了智能化的管理體系。該體系可以密切監測蜂羣，制定出有效的檢測模式和預測行爲。此外，還能判斷某些事件對蜜蜂種羣的影響，並向養蜂人發送潛在的威脅預警。

去年秋天，Oracle 在英國，澳大利亞和以色列的蜂巢中部署了這一系統。

拯救蜜蜂，不是爲了獲得蜂蜜

去年的 5 月 20 日是第一個世界蜜蜂日，但不少人都還不知道這個節日的存在。也許蜜蜂的滅絕對不少人來講，仍是很遠的事情，但物種滅絕的後果，早在《寂靜的春天》一書裏，就被詳細描述過了。

英國詩人亞歷山大·蒲柏寫過一句話，「天然的鏈條不管你擊打哪一環，第十或者第十萬都將令它斷裂。」咱們在保護蜜蜂的同時，其實也就是在保護着咱們本身。

而科學技術的利用，讓咱們能從數據中獲得的更多的洞見，爲蜜蜂的養殖帶來好的建議，實時地掌握蜂羣的彙集狀態，從而幫助蜜蜂的良好發展，創造可持續的生態系統。

在不少地方，機器學習等技術只是用來謀求人類的福祉，但咱們賴以生存的天然界卻一直在被忽視。

而技術對蜜蜂滅絕問題的關懷，也許就是在迴歸本源，經過幫助物種的繁衍生息，不只讓咱們擁抱更完整的天然，也讓咱們在技術的溫情裏，感覺到人類並非自私而孤獨的存在。

超神經百科

雙向長短時間記憶
Bi-directional Long-Short Term Memory

雙向長短時間記憶 ( Bi-LSTM )是 RNN 的一種延伸。

雙向卷積神經網絡的隱藏層要保存兩個值，A 參與正向計算， A' 參與反向計算。
最終的輸出值 y 取決於這兩個值。

長段時記憶（ LSTM ）就是把循環神經網路中隱含層的模塊換成了長短時記憶的模塊。

雙向的 LSTM 優於單向 LSTM 的是它能夠同時利用過去時刻和將來時刻兩個方向上的信息，從而使得最終的預測更加的準確。