当被问到哪种动物每年杀死的人最多时，大部分人会回答：鳄鱼、鲨鱼或者狮子。然而，正确答案却让人出乎意料，答案是——蚊子。

为了说明蚊子对人类造成的危害，科学家对过去全球的的死亡人数的总数进行了分析。结果表明，死于蚊子传播的传染性疾病的人数比人类历史上死于战争的总人数还要高出 32 倍。

波多黎各的一项研究有望通过深度学习大大地降低蚊子给人类带来的致命威胁。在近 100 个疟疾、寨卡病毒和登革热肆虐的国家中，蚊子带来威胁甚至可以和流行病齐平。

位于波多黎各的AI与深度学习公司 Wovenware 的创意总监 Leslie De Jesus 表示：“我们的目标是找到可用于预防此类流行病的工具。”

自从去年飓风“玛利亚”重创波多黎各之后，Wovenware 的这一项目的重要性显得尤其突出。飓风之后形成了大量的死水池，导致蚊子的数量剧增，由于寨卡病毒和登革热等疾病的传播风险，这增加了救援工作的紧迫性。

“我们的工作极为紧迫，”De Jesus 说道，“由于泛滥的洪水和湿热环境，蚊子的数量在急剧增长。”

为了控制疾病的传播，Wovenware 开发了一项深度学习解决方案，旨在对蚊子的种类进行自动识别和分类。

这项工作以非营利性机构“波多黎各科学、技术和研究信托基金”(Rico Science, Technology & Research Trust) 的名义进行，并且多年来得到了美国疾病控制中心 (U.S. Centers for Disease Control)数百万美元的资金支持。研究人员发现，越来越多的证据表明蚊子已经进化出了对常用杀虫剂的免疫力，因此，识别和分类工作的范围逐渐扩大。

“波多黎各传病媒介控制部门”(Puerto Rico Vector Control Unit) 正在实地开展该项目，一直以来，他们利用遍布岛屿的 1000 多个捕蚊网手动捕获蚊子。

他们在工作过程中遇到了各种各样的难题，因为许多蚊子会因天气原因或在从捕蚊网上取下时肢体不全。这不仅增加了任务耗费的时间，而且容易出错。

借助 Wovenware 的深度学习解决方案，媒介控制部门的工作人员仍然需要手动捕获蚊子并拍摄照片，但剩下的过程则可以自动进行。在过去，计算、分类和识别所捕获的全部蚊子样本的性别会花费数月的时间，而现在的解决方案有效地缩短了这一过程。

被捕获的未受伤蚊子的照片将被用于逐步训练 Wovenware 的算法，训练任务在该公司名为Octoputer的计算机上进行，该服务器上运行有四台 NVIDIA GPU。

为了进行性别和物种分类，Wovenware 团队利用 Keras 和 CUDA 搭建了几个独立的卷积神经网络 (CNN)。随后，其中的两个分类器 CNN 可以被合并为一个，以便进行训练。De Jesus 表示，他们的团队还在尝试利用 TensorFlow 来进一步加快推理过程。

据 De Jesus 称，他们面临的最大挑战之一是跟上研究的进展和架构的升级，这些可以改变解决问题的技术方法。

“这个领域的发展十分迅速，”她说道，“每周阅读该领域的学术论文，不断了解开发中的新模型和架构，这是一项十足的挑战。”

随着 Wovenware 不断优化其解决方案，De Jesus 希望能够将团队的工作拓展到其他深受蚊子困扰的地区。此外，她还希望能够扩大研究范围，探索天气对于蚊子的影响。

虽然目前还有一些旨在解决蚊子问题的其他方法正在接受评估，但 Wovenware 更为关心的是技术驱动型解决方案，这些解决方案对食物链的影响最小。

“每个物种都有生存的权利，”De Jesus 说道，“我觉得我们没有理由彻底消灭一个物种。”

Wovenware 的解决方案能够使我们不必采取激进的措施。