研究人員開發(fā)的人工智能識(shí)別和計(jì)數(shù)野生動(dòng)物的準(zhǔn)確率為96.6%

人工智能不僅僅是語音助手和自動(dòng)駕駛汽車。奧本大學(xué)、哈佛大學(xué)、牛津大學(xué)、明尼蘇達(dá)大學(xué)和懷俄明大學(xué)的研究人員開發(fā)了一種機(jī)器學(xué)習(xí)算法，可以識(shí)別、描述和計(jì)數(shù)野生動(dòng)物，準(zhǔn)確率達(dá)96.6%。

這篇寫于2017年11月的論文本周被《科學(xué)院院刊》(PNAS)接受。

“這項(xiàng)技術(shù)可以讓我們準(zhǔn)確地、悄悄地和廉價(jià)地收集野生動(dòng)物數(shù)據(jù),這將有助于促進(jìn)生態(tài)學(xué)的許多領(lǐng)域的變換,野生動(dòng)物生物學(xué)、動(dòng)物學(xué)、保護(hù)生物學(xué)和動(dòng)物行為科學(xué)“大數(shù)據(jù)”,“杰夫Clune——懷俄明大學(xué)的副教授,高級(jí)研究經(jīng)理在超級(jí)人工智能實(shí)驗(yàn)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(hù)野生動(dòng)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(jìn)行了計(jì)算機(jī)視覺算法訓(xùn)練。“快照塞倫蓋蒂”是Zooniverse.org上的一個(gè)公民科學(xué)項(xiàng)目，招募志愿者收集大象、長頸鹿、瞪羚、獅子、獵豹和其他動(dòng)物在自然棲息地的圖像。超過5萬人使用了225個(gè)攝影陷阱，為該項(xiàng)目的語料庫做出了貢獻(xiàn)。

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(yùn)動(dòng)感應(yīng)相機(jī)自動(dòng)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(biāo)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(dòng)，比如吃飯或睡覺。

該系統(tǒng)可以在短短幾小時(shí)內(nèi)為一批六個(gè)月的圖像貼上標(biāo)簽——這只是人類志愿者平均所需的2-3個(gè)月準(zhǔn)備時(shí)間的一小部分。Snapshot Serengeti公司的團(tuán)隊(duì)負(fù)責(zé)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(biāo)記工作。

“這是很多寶貴的志愿者時(shí)間，可以用來幫助其他項(xiàng)目，”她告訴Phys.org。

這項(xiàng)工作建立在人工智能研究的一個(gè)不斷增長的領(lǐng)域:動(dòng)物檢測。2016年11月，昆士蘭大學(xué)的科學(xué)家們使用谷歌的TensorFlow機(jī)器學(xué)習(xí)框架來訓(xùn)練一種算法，可以自動(dòng)檢測海洋圖像中的海牛。今年3月，動(dòng)物和植物照片眾包收集平臺(tái)startup iNaturalist推出了一款名為seek的人工智能應(yīng)用，可以自動(dòng)識(shí)別物種。