研究人員開發(fā)的人工智能識別和計數(shù)野生動物的準確率為96.6%

人工智能不僅僅是語音助手和自動駕駛汽車。奧本大學、哈佛大學、牛津大學、明尼蘇達大學和懷俄明大學的研究人員開發(fā)了一種機器學習算法，可以識別、描述和計數(shù)野生動物，準確率達96.6%。

這篇寫于2017年11月的論文本周被《科學院院刊》(PNAS)接受。

“這項技術(shù)可以讓我們準確地、悄悄地和廉價地收集野生動物數(shù)據(jù),這將有助于促進生態(tài)學的許多領(lǐng)域的變換,野生動物生物學、動物學、保護生物學和動物行為科學“大數(shù)據(jù)”,“杰夫Clune——懷俄明大學的副教授,高級研究經(jīng)理在超級人工智能實驗室,和論文的資深作者——在一份聲明中說。“這將極大地提高我們研究和保護野生動物和珍貴生態(tài)系統(tǒng)的能力。”

研究人員對來自“快照塞倫蓋蒂”(Snapshot Serengeti)的320萬張圖像進行了計算機視覺算法訓練。“快照塞倫蓋蒂”是Zooniverse.org上的一個公民科學項目，招募志愿者收集大象、長頸鹿、瞪羚、獅子、獵豹和其他動物在自然棲息地的圖像。超過5萬人使用了225個攝影陷阱，為該項目的語料庫做出了貢獻。

上圖:該算法分析物種類型和數(shù)量，以及行為。

它的工作原理是這樣的:運動感應(yīng)相機自動拍照，然后將照片輸入卷積神經(jīng)網(wǎng)絡(luò)——一種模仿人類視覺皮層神經(jīng)元之間連接模式的深度神經(jīng)網(wǎng)絡(luò)——用文字和數(shù)字來標注照片。它能夠描述哪些物種以及每種物種的數(shù)量，以及它們所從事的活動，比如吃飯或睡覺。

該系統(tǒng)可以在短短幾小時內(nèi)為一批六個月的圖像貼上標簽——這只是人類志愿者平均所需的2-3個月準備時間的一小部分。Snapshot Serengeti公司的團隊負責人瑪格麗特·科斯馬拉(Margaret Kosmala)表示，該系統(tǒng)可以為每多300萬張圖片節(jié)省8年以上的人工標記工作。

“這是很多寶貴的志愿者時間，可以用來幫助其他項目，”她告訴Phys.org。

這項工作建立在人工智能研究的一個不斷增長的領(lǐng)域:動物檢測。2016年11月，昆士蘭大學的科學家們使用谷歌的TensorFlow機器學習框架來訓練一種算法，可以自動檢測海洋圖像中的海牛。今年3月，動物和植物照片眾包收集平臺startup iNaturalist推出了一款名為seek的人工智能應(yīng)用，可以自動識別物種。