Tuksnesis ir plašs un daudzveidīgs, tajā dzīvo miljoniem dzīvnieku sugu. Ekologiem šo dzīvnieku identificēšana un aprakstīšana ir veiksmīgas pētniecības atslēga. Tas var izrādīties liels pasūtījums, taču mākslīgais intelekts var palīdzēt.
Jaunajā šonedēļ publicētajā ziņojumā pētnieki parāda, kā viņi apmācīja dziļas mācīšanās algoritmu, lai attēlos automātiski identificētu, skaitītu un raksturotu dzīvniekus. Sistēma izmantoja fotogrāfijas, kas uzņemtas no kustības sensoru kameru slazdiem, kas uzņem dzīvnieku attēlus, tos nopietni netraucējot.
Ieteiktie videoklipi
"Mēs esam parādījuši, ka mēs varam izmantot datorus, lai automātiski iegūtu informāciju no savvaļas dzīvnieku fotogrāfijām, piemēram, sugas, dzīvnieku skaits un dzīvnieku darbības." Mārgareta Kosmala, Hārvardas universitātes zinātniskais līdzstrādnieks, pastāstīja Digital Trends. "Jaunums ir tas, ka šī ir pirmā reize, kad ir pierādīts, ka to var izdarīt tikpat precīzi kā cilvēki. Mākslīgais intelekts ir spējis labi atpazīt lietas cilvēka jomā — cilvēku sejas, iekšējās telpas, konkrētus objektus, ja tie ir labi novietoti, ielas un tā tālāk. Taču daba ir nekārtīga, un šajā fotoattēlu komplektā dzīvnieki bieži vien ir tikai daļēji fotoattēlā vai ļoti tuvu vai tālu, vai pārklājas. Man kā ekologam tas šķiet ļoti aizraujoši, jo tas dod mums jaunu veidu, kā izmantot tehnoloģiju, lai pētītu savvaļas dzīvniekus plašās teritorijās un ilgā laika posmā.
Pētnieki izmantoja attēlus, kas uzņemti un savākti Snapshot Serengeti, pilsoņu zinātnes projektā ar slepenas savvaļas dzīvnieku kameras izplatījās visā Tanzānijā. No ziloņa līdz gepardiem Snapshot Serengeti ir apkopojis miljoniem savvaļas dzīvnieku fotogrāfiju. Taču paši attēli nav tik vērtīgi kā kadrā esošie dati, tostarp informācija, piemēram, dzīvnieku skaits un veids.
Automatizētai identifikācijai un aprakstiem ir daudz priekšrocību ekologiem. Gadiem ilgi Snapshot Serengeti izmantoja savvaļas dzīvnieku attēlu aprakstīšanas uzdevumu. Ar aptuveni 50 000 brīvprātīgo palīdzību grupa iezīmēja vairāk nekā trīs miljonus attēlu. Tieši šo marķēto attēlu dārgumu pētnieki izmantoja, lai apmācītu savu algoritmu.
Tagad, nevis vērsties pie pilsoņu zinātniekiem, pētnieki var piešķirt darbietilpīgo uzdevumu algoritmam, kas var ātri apstrādāt fotogrāfijas un marķēt to galvenās detaļas.
"Jebkura zinātniskās pētniecības grupa vai saglabāšanas grupa, kas cenšas izprast un aizsargāt sugu vai ekosistēmu, var izvietot kustības sensora kameras šajā ekosistēmā." Džefs Klūns, sacīja Vaiomingas universitātes datorzinātņu profesors. “Piemēram, ja jūs pētāt jaguārus mežā, varat izveidot kustības sensoru kameru tīklu gar takām. Pēc tam sistēma automātiski uzņems dzīvnieku attēlus, kad tie pārvietojas kameru priekšā, un pēc tam A.I. tehnoloģija saskaitīs redzēto dzīvnieku skaitu un automātiski izdzēst visus uzņemtos attēlus, kuros nav dzīvnieku, kas izrādās daudz, jo kustības sensora kameras iedarbina vējš, krīt lapas, utt.”
Papīrs, kurā detalizēti aprakstīts pētījums tika publicēts šonedēļ žurnālā Proceedings of the National Academy of Sciences.
Redaktoru ieteikumi
- Analogais A.I.? Tas izklausās traki, bet tā varētu būt nākotne
- Nvidia jaunākais A.I. rezultāti pierāda, ka ARM ir gatavs datu centram
- Nvidia samazina barjeru, lai iekļūtu A.I. ar Fleet Command un LaunchPad
- Izlasiet šausminoši skaisto A.I. — sintētisko rakstu pantu. kas domā, ka tas ir Dievs
- A.I. nākotne: 4 lielas lietas, kam jāpievērš uzmanība dažu nākamo gadu laikā
Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi steidzīgajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.
