研究人员开发的人工智能识别和计数野生动物的准确率为96.6%

人工智能不仅仅是语音助手和自动驾驶汽车。奥本大学、哈佛大学、牛津大学、明尼苏达大学和怀俄明大学的研究人员开发了一种机器学习算法，可以识别、描述和计数野生动物，准确率达96.6%。

这篇写于2017年11月的论文本周被《科学院院刊》(PNAS)接受。

“这项技术可以让我们准确地、悄悄地和廉价地收集野生动物数据,这将有助于促进生态学的许多领域的变换,野生动物生物学、动物学、保护生物学和动物行为科学“大数据”,“杰夫Clune——怀俄明大学的副教授,高级研究经理在超级人工智能实验室,和论文的资深作者——在一份声明中说。“这将极大地提高我们研究和保护野生动物和珍贵生态系统的能力。”

研究人员对来自“快照塞伦盖蒂”(Snapshot Serengeti)的320万张图像进行了计算机视觉算法训练。“快照塞伦盖蒂”是Zooniverse.org上的一个公民科学项目，招募志愿者收集大象、长颈鹿、瞪羚、狮子、猎豹和其他动物在自然栖息地的图像。超过5万人使用了225个摄影陷阱，为该项目的语料库做出了贡献。

上图:该算法分析物种类型和数量，以及行为。

它的工作原理是这样的:运动感应相机自动拍照，然后将照片输入卷积神经网络——一种模仿人类视觉皮层神经元之间连接模式的深度神经网络——用文字和数字来标注照片。它能够描述哪些物种以及每种物种的数量，以及它们所从事的活动，比如吃饭或睡觉。

该系统可以在短短几小时内为一批六个月的图像贴上标签——这只是人类志愿者平均所需的2-3个月准备时间的一小部分。Snapshot Serengeti公司的团队负责人玛格丽特·科斯马拉(Margaret Kosmala)表示，该系统可以为每多300万张图片节省8年以上的人工标记工作。

“这是很多宝贵的志愿者时间，可以用来帮助其他项目，”她告诉Phys.org。

这项工作建立在人工智能研究的一个不断增长的领域:动物检测。2016年11月，昆士兰大学的科学家们使用谷歌的TensorFlow机器学习框架来训练一种算法，可以自动检测海洋图像中的海牛。今年3月，动物和植物照片众包收集平台startup iNaturalist推出了一款名为seek的人工智能应用，可以自动识别物种。