在致人死亡的動(dòng)物中，蚊子排名第一,。

根據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計(jì)數(shù)據(jù)顯示,，全球每年約有72.5萬人死于蚊蟲叮咬產(chǎn)生的疾病，僅瘧疾一項(xiàng)在2022年就造成60.8萬例死亡,。相比之下,，其他致命的動(dòng)物，如蛇,、狗（通過傳播狂犬?。Ⅶ{魚等,，盡管也造成了相當(dāng)數(shù)量的死亡,，但與蚊子相比，數(shù)字要小得多,。

每年死于各類動(dòng)物的人數(shù)對(duì)比

雖然世衛(wèi)組織早在1955年就曾做出過徹底消滅瘧疾的宣言,，但在很多地區(qū)，消滅瘧疾卻成為了一場(chǎng)「打地鼠」的游戲,。每當(dāng)瘧疾被認(rèn)為得到控制時(shí),，沒過多久又會(huì)以另一種形式出現(xiàn)，時(shí)至今日仍然沒有得到有效的控制,。

想要斷絕由蚊子作為媒介傳播的疾病,，首先在于檢測(cè)分辨不同種類的蚊子，這不僅由于不同種類的蚊子會(huì)攜帶不同的疾病,，也在于不同蚊子會(huì)有不同的生存特性,。

這意味著如果能夠分辨蚊子的種類，就可以利用其不同的特性滅蚊,，例如針對(duì)室外生活和覓食的蚊子采取如消除滋生地,，針對(duì)室內(nèi)生存的蚊子采用蚊帳等，這在很多地區(qū)被證明是行之有效的滅蚊措施,。

前世界首富比爾·蓋茨近期分享了一項(xiàng)為此而生的新技術(shù)——VectorCam,。它能夠通過應(yīng)用程序僅需拍攝一張蚊子照片，即可識(shí)別蚊子種類,、性別,、是否吸食血液及產(chǎn)下蟲卵：

在與蚊子的斗爭(zhēng)中,，我們終于看清了我們的對(duì)手。

比爾·蓋茨在視頻中介紹該技術(shù)

用AI計(jì)算機(jī)視覺「看清」蚊子

據(jù)VectorCam官方介紹,，該系統(tǒng)采用了一種用于識(shí)別蚊子種類,、性別和腹部狀態(tài)的新型卷積神經(jīng)網(wǎng)絡(luò)VectorBrain。

作為一種專門為識(shí)別蚊子訓(xùn)練的AI模型,，VectorBrain能夠準(zhǔn)確識(shí)別6種主要蚊媒,，包括主要瘧疾媒介，在資源受限的環(huán)境中準(zhǔn)確率超過90%,。

VectorBrain是一個(gè)多任務(wù)EfficientNet架構(gòu),，專為蚊子分類設(shè)計(jì)，同時(shí)輸出種類,、性別和腹部狀態(tài),。該架構(gòu)包括一個(gè)特征提取器和一個(gè)分支結(jié)構(gòu)，每個(gè)分支對(duì)應(yīng)一個(gè)分類任務(wù),。

在識(shí)別蚊子方面,，VectorBrain使用了輕量級(jí)的YOLO模型，能夠?qū)崟r(shí)定位蚊子,，并使用檢測(cè)到的坐標(biāo)裁剪出只包含蚊子本身的圖像,，來進(jìn)行更好的識(shí)別。

圖片舉例說明了分類蚊子圖像的各個(gè)階段,。首先,，展示需要分類的完整蚊子圖像（a）。然后,，使用YOLO算法根據(jù)坐標(biāo)裁剪蚊子圖像,，并進(jìn)行一系列圖像變換以準(zhǔn)備分類（b）。最后,，顯示分類算法的輸出結(jié)果,，確定圖像中的蚊子種類（c）。

具體而言,，YOLO模型在訓(xùn)練和驗(yàn)證過程中的精度,、召回率和平均精度（mAP）分別為96.00%、90.50%和95.87%,。種類分類模型的準(zhǔn)確率為92.40±2%,，性別分類模型的準(zhǔn)確率為97.00±1%，腹部狀態(tài)分類模型的準(zhǔn)確率為83.20±3.1%,。

（a）為YOLO模型在訓(xùn)練和驗(yàn)證中的性能指標(biāo),，（b）為模型檢測(cè)蚊子案例

通過種類、性別,、腹部狀態(tài)分類的混淆矩陣和準(zhǔn)確率

在 VectorCam 提供的論文中,，還將其正在使用的 YOLOv5 與廣泛應(yīng)用于各種目標(biāo)檢測(cè)任務(wù)的 Faster R-CNN 模型進(jìn)行對(duì)比,，YOLOv5 Small 在參數(shù)數(shù)量、模型大小,、mAP 和運(yùn)行時(shí)間等方面都有更好表現(xiàn),，

赤腳醫(yī)生也能快速上手

不僅是更有針對(duì)性的大模型，VectorCam為了適應(yīng)瘧疾傳播區(qū),，在具體操作方面也進(jìn)行了簡(jiǎn)化,，使其能夠更好地適應(yīng)瘧疾傳播區(qū)的實(shí)際情況。

具體而言,，VectorCam包括一套專門的成像設(shè)備和一款手機(jī)應(yīng)用程序,。其中的硬件組件包括內(nèi)置15倍微距鏡頭的燈箱,、手機(jī)殼設(shè)計(jì)和擴(kuò)展塢,。硬件還包括Eppendorf管支架和蚊子托盤以及穿孔標(biāo)本ID表，更好地儲(chǔ)存這些蚊子,。

VectorCam的軟件是一個(gè)基于Android的應(yīng)用程序,，據(jù)稱能夠識(shí)別超過39種蚊子類型，包括常見的蚊子以及一些更易攜帶疾病的特定蚊子類型,，經(jīng)過算法優(yōu)化后還能夠在較低端的Android手機(jī)上運(yùn)行,。

VectorCam的手機(jī)操作界面

系統(tǒng)的工作流程包括將收集到的蚊子放入硬件、使用智能手機(jī)應(yīng)用程序捕獲蚊子的放大圖像,、并將蚊子存儲(chǔ)在帶有唯一標(biāo)簽的Eppendorf管中,，以便后續(xù)的分子驗(yàn)證。

VectorCam系統(tǒng)的整個(gè)工作流程

成像和加載任務(wù)僅需兩個(gè)用戶完成：一個(gè)負(fù)責(zé)成像,，另一個(gè)負(fù)責(zé)加載和存儲(chǔ)蚊子,，不需要太多昆蟲學(xué)專業(yè)知識(shí)，即使是鄉(xiāng)村衛(wèi)生團(tuán)隊(duì)也能通過簡(jiǎn)單的培訓(xùn)操作VectorCam,。

除了操作簡(jiǎn)便以外,，VectorCam還有一個(gè)優(yōu)點(diǎn)在于能夠以更直觀的方式展示蚊子的地區(qū)分布，使決策者能夠更好地了解情況并根據(jù)蚊子種類,、性別,、腹部情況等判斷當(dāng)?shù)兀扇∠鄳?yīng)措施應(yīng)對(duì),，推動(dòng)徹底消滅瘧疾頑疾的進(jìn)程,。

圖片展示了該網(wǎng)絡(luò)如何在不同層次「感知」蚊子的特征，并通過直觀的方式顯示出其種類,、腹部狀態(tài),、性別分布情況

用AI計(jì)算機(jī)聽覺「識(shí)別」蚊子

在用手機(jī)檢測(cè)蚊子方面，比爾·蓋茨還介紹了另一項(xiàng)成果——HumBug,。

這個(gè)新系統(tǒng)是一套機(jī)器學(xué)習(xí)算法,，能夠利用智能手機(jī)捕捉到的蚊子飛行音調(diào)的聲學(xué)特征（聲音）,，通過蚊子翅膀拍打的聲音來識(shí)別蚊子種類。（事實(shí)證明,，不同種類的蚊子由于個(gè)體大小,、年齡和環(huán)境溫度等差異，拍打翅膀的速度不同,，因而在聲音上也會(huì)有差異,。）

HumBug項(xiàng)目具體工作流程

而且更重要的是，Humbug并不需要像VectorCam一樣使用特殊裝置采集蚊子,，從而進(jìn)一步簡(jiǎn)化了蚊子檢測(cè)流程,。

不過Humbug仍處于早期階段，但如果成功,，它可能會(huì)實(shí)現(xiàn)更自動(dòng)化和持續(xù)的監(jiān)測(cè),。

在介紹這些技術(shù)時(shí)，比爾·蓋茨也表達(dá)了一定的擔(dān)憂,，并非擔(dān)心在技術(shù)上的困難,，而是擔(dān)心其他政治、經(jīng)濟(jì)的因素：

我們面臨的最大挑戰(zhàn)之一并非科學(xué)上的,，而是資金和政治上的,。