康奈尔(Cornell)的“ 大象听觉项目”( E大象听觉项目)使用声音传感器跟踪非洲森林中的大象，但是森林是如此遥远，声音文件如此庞大，以至于需要花费数月的时间来收集和分析数据，以至于无法从偷猎者或其他威胁中拯救动物。

现在，科学家可以在五分之一的时间内了解有关大象的习性和方式的重要信息。一家名为Conservation Metrics的初创公司开发了一种工具，该工具使用人工智能将低频，长时程的大象声与其他雨林声音区分开。

istening Project的50个传感器安装在刚果共和国努瓦巴莱-恩多基国家公园580平方英里的区域中，每三个月产生7 TB的数据，相当于200万首iTunes歌曲。机器学习和深度神经网络的新发展使更快，更准确地分析这些巨大文件成为可能，因此科学家可以及时向公园管理者发出有关危险信号的警报。

大象听力计划(ELP)主任Peter Wrege表示：“这项合作将要做的关键是加快速度，因此我们可以向管理国家公园的人们展示我们可以提供会有所作为的信息。”康奈尔大学鸟类学实验室的一部分。“如果花一年时间弄清楚大象在森林里做什么，那就太迟了。”

中部非洲的森林象数量直线下降-从2011年的100,000只下降到如今的不到40,000只。它们的广阔范围和茂密的雨林林冠使它们极难通过陆路或空中追踪。(森林大象与人口众多但也濒临灭绝的热带稀树草原大象是不同的物种。)

2014年，科学家们在加蓬的明克贝国家公园(MinkébéNationalPark)中，有25,000只森林大象被象牙偷猎者杀害，两次到公园参观时都对其进行了计数。在没有人意识到那些大象有危险之前，它们已经被消灭了。

因此必须开发一种尽可能接近实时的跟踪大象的系统。使用声学数据，Wrege和他的团队可以创建显示大象习惯的地图。例如，最近的地图显示大量大象聚集在伐木场附近且靠近道路的区域，这使它们极易受到偷猎者的攻击。

“ Elephant Listening Project在与非洲这些站点的合作者合作方面所做的工作确实令人印象深刻，但是后勤工作确实很困难，” Conservation Metrics首席执行官Matthew McKown说，该公司最近获得了两年的Microsoft AI奖这项工作的地球补助金。“这是一个真正的野心勃勃的项目，这是我们第一次真正意识到这些自动化监视方法的潜力。”

在使用Conservation Metrics的新工具之前，ELP花了六到八周的时间才能通过其五台计算机运行声音数据。然后需要手工分析数据样本以测试计算机版本的准确性;整个过程耗时约三个月。

Conservation Metrics能够在22天之内分析数据，McKown希望可以更快地完成。微软提供的部分资助包括访问其强大的云服务器Azure;一旦他的团队开发出兼容的软件，它就有可能在一天之内使用Azure完成分析。

传感器的声音文件当前存储在存储卡中，公园的工作人员需要徒步收集这些存储卡，然后将其传输到Brazzaville市500英里处并快递邮寄给Ithaca。最终，ELP和保护指标希望创建一种直接在非洲森林中运行人工智能工具的方法。那么每个地区的大象数量都可以简单地发到美国。

麦克考恩说：“距离现在已经好几年了，但是如果您看看为商业目的而开发的技术，那似乎是可行的，而几年前，我们只是说那是一个梦想。”

Wrege表示，他希望声学监测能够变得足够快速和有效，以使非洲的公园管理员能够欣赏它的价值。

他说：“声学不会阻止偷猎，但我确实认为，这也许是我们能够定期获得足够信息的唯一途径。” “这令人望而生畏，但这是值得的，而且可以做到。我们只需要坚持下去。”