由威斯康星大學(xué)的研究人員和其他人在懷俄明大學(xué)開發(fā)的計(jì)算機(jī)模型已經(jīng)證明了在北美攝像機(jī)陷阱照片中識別野生動(dòng)物圖像的顯著準(zhǔn)確性和效率。

人工智能的突破，在科學(xué)期刊“ 生態(tài)學(xué)與進(jìn)化方法”中發(fā)表的論文中有詳細(xì)描述，被描述為野生動(dòng)物研究和保護(hù)的重大進(jìn)步。計(jì)算機(jī)模型現(xiàn)在可以在Program R的軟件包中獲得，Program R是一種廣泛使用的編程語言和用于統(tǒng)計(jì)計(jì)算的自由軟件環(huán)境。

“從攝像機(jī)陷阱中快速識別數(shù)百萬張圖像的能力可以從根本上改變生態(tài)學(xué)家設(shè)計(jì)和實(shí)施野生動(dòng)物研究的方式，”該論文稱，其主要作者是最近的華盛頓動(dòng)物學(xué)和生理學(xué)博士。美國農(nóng)業(yè)部科羅拉多州科林斯堡流行病學(xué)和動(dòng)物健康中心的畢業(yè)生Michael Tabak和Ryan Miller。

該研究以今年早些時(shí)候在美國國家科學(xué)院院刊(PNAS)上發(fā)表的UW研究為基礎(chǔ)，其中一個(gè)計(jì)算機(jī)模型通過一個(gè)名為Snapshot Serengeti的公民科學(xué)項(xiàng)目分析了非洲攝像機(jī)陷阱捕獲的320萬張圖像。人工智能技術(shù)稱為深度學(xué)習(xí)，以96.6%的準(zhǔn)確率對動(dòng)物圖像進(jìn)行分類，與人類志愿者團(tuán)隊(duì)相同，其速度比人們快得多。

在最新的研究中，研究人員在美國威斯康星大學(xué)高性能計(jì)算機(jī)集群莫蘭山上訓(xùn)練了一個(gè)深度神經(jīng)網(wǎng)絡(luò)，使用從美國五個(gè)州獲得的27種動(dòng)物的337萬個(gè)攝像機(jī)陷阱圖像對野生動(dòng)物物種進(jìn)行分類。然后在筆記本電腦上以近2000張圖像每分鐘的速度對近375,000張動(dòng)物圖像進(jìn)行測試，達(dá)到97.6%的準(zhǔn)確度 - 這可能是迄今為止使用機(jī)器學(xué)習(xí)進(jìn)行野生動(dòng)物圖像分類的最高準(zhǔn)確度。

該計(jì)算機(jī)模型還在來自加拿大的5,900張駝鹿，牛，麋鹿和野豬圖像的獨(dú)立子集上進(jìn)行了測試，準(zhǔn)確率為81.8%。從坦桑尼亞的一組照片中刪除“空”圖像(沒有任何動(dòng)物)的成功率為94%。

研究人員在程序R的軟件包中免費(fèi)提供了他們的模型。該軟件包“R中的野生動(dòng)物圖像分類機(jī)器學(xué)習(xí)(MLWIC)”允許其他用戶對包含數(shù)據(jù)集中27種物種的圖像進(jìn)行分類，但它還允許用戶使用來自新數(shù)據(jù)集的圖像訓(xùn)練他們自己的機(jī)器學(xué)習(xí)模型。