根據(jù)普利茅斯大學領(lǐng)導的一項新研究，人工智能(AI)可以幫助科學家揭示生活在海底的物種種類。隨著海洋環(huán)境面臨越來越多的威脅，科學家迫切需要更多關(guān)于棲息在海床中的信息，以便為保護和生物多樣性管理提供信息。安裝有最新攝像機的自主水下航行器(AUV)現(xiàn)在能夠收集大量數(shù)據(jù)，但人類必須處理瓶頸仍然會產(chǎn)生瓶頸。在海洋生態(tài)學進展系列發(fā)表的一項新研究中，海洋科學家和機器人專家測試了計算機視覺(CV)系統(tǒng)在潛在履行這一職責中的有效性。

他們平均顯示在海底圖像中識別各種動物的準確率約為80%，但如果使用足夠的數(shù)據(jù)訓練算法，則對特定物種的準確度可高達93%。

科學家們表示，這表明CV很快就會被用于研究海洋動物和植物，并導致保護研究和生物多樣性管理的數(shù)據(jù)可用性大幅增加。

這項研究的第一作者，博士生Nils Piechaud說：“自動駕駛汽車是調(diào)查海底大部分深度超過60米(大多數(shù)潛水員可以達到的深度)的重要工具。但我們目前無法手動分析超過這項研究表明人工智能是一種很有前景的工具，但如果用它來識別我們圖像中的動物，我們的AI分類器在五次中仍會出錯。

“這使得它成為處理從海底產(chǎn)生的大量數(shù)據(jù)的重要一步，并表明它可以幫助加快分析，當用于檢測一些物種。但我們還沒有考慮它是合適的在這個階段完全替代人類。“

該研究是Deep Links的一部分，Deep Links是由自然環(huán)境研究委員會資助的研究項目，由普利茅斯大學領(lǐng)導，與牛津大學，英國地質(zhì)調(diào)查局和聯(lián)合自然保護委員會合作。

2016年5月部署的英國國家AUV之一--Autosub6000--在東北大西洋Rockall Bank東北側(cè)海面下1200米處的一次潛水中收集了超過150,000張圖像。這些圖像中約有1,200個是人工分析的，包含了110種不同種類的動物(形態(tài))的40,000個個體，其中大多數(shù)只見過少數(shù)幾次。

研究人員隨后使用Google的Tensorflow(一種開放式訪問庫)來教授預先訓練的卷積神經(jīng)網(wǎng)絡(CNN)，以識別AUV圖像中發(fā)現(xiàn)的各種深海形態(tài)物種的個體。然后，他們評估了CNN在使用不同數(shù)量的動物示例圖像進行訓練時的表現(xiàn)，以及不同數(shù)量的形態(tài)種類可供選擇。

人類手動注釋的準確度可以在50%到95%之間，但這種方法很慢，甚至專家在時間和研究團隊中都非常不一致。這種自動化方法的準確率達到了80%左右，具有明顯的速度和一致性優(yōu)勢，接近人類的表現(xiàn)。

對于算法運行良好的一些形態(tài)種類尤其如此。例如，該模型在93%的時間內(nèi)正確識別一種動物(一種類型的異種植物)。

雖然該研究并不主張更換手動注釋，但它確實表明，如果仔細評估其預測的可靠性，海洋生物學家可以為特定任務實施AI。這將大大提高科學家分析其數(shù)據(jù)的能力。

研究人員表示，將專業(yè)生態(tài)知識與高科技AUV調(diào)查海底大面積區(qū)域的能力以及人工智能的快速數(shù)據(jù)處理能力相結(jié)合，可以大大加快深海探測的速度，同時我們對海洋的更廣泛了解生態(tài)系統(tǒng)。

海洋生態(tài)學副教授兼Deep Links項目首席研究員Kerry Howell博士補充說：“我們的星球大部分地區(qū)都是深海，這是一個廣闊的地區(qū)，我們的知識空間也同樣巨大。海洋環(huán)境的壓力越來越大，包括氣候改變，我們必須了解我們的海洋及其中發(fā)現(xiàn)的棲息地和物種。在機器人和自動駕駛汽車，大數(shù)據(jù)和全球開放研究的時代，人工智能工具的發(fā)展有可能幫助加速我們的收購知識是一個令人興奮和急需的進步。“