科学家用AI辨识野生动物，标记320万张图片省下8.4年时间

人工智能应用的领域越来越广，在科学研究上也有很大的帮助，在材料科学上，西北大学利用人工智能加快金属玻璃200倍的研究速度，而生态研究方面，人工智能也被用来帮忙科学家辨识野生动物的物种与计算出现的次数，用于Snapshot Serengeti资料集的320万张照片中，其辨识正确率已经达99.3％，距透过群众外包人工辨识的99.6％正确率只差0.3％，而且比起全由人类操作，节省相当于8.4年的时间。

为了更好的了解自然生态系统的复杂性，进而管理与保护这个环境，科学家认为有必要了解其中的动物数量、栖地以及行为。在过去20年，用来捕捉野生动物影像技术的发展，也改变了野生动物生态学与观察方法，生态学家广泛地使用称为摄影机陷阱的装置，这是将动作感测器、红外线探测器或是其他光感做为触发机关的遥控相机。

怀俄明大学研究员Mohammad Sadegh Norouzzadeh提到，由于摄影机陷阱的成本越来越低，体积也更加轻巧，让追踪野生动物变得容易。计算到2011年为止，全球至少有125个摄影机陷阱专案。

但这么丰富的野生动物图像也带来了另一个问题，摄影机陷阱拍到的影像要成为有价值的研究资料，必须经过资讯撷取，而巨大的研究时间成本也就落到的人类身上，在这些捕捉到野生动物身影的图片，加入标记是一件耗时费日的手动工作，除了科学家外，还要透过募集公民科学家，以群众外包的方式，来完成这些图片的标记工作，不过，即使很多人参与仍然非常的花时间，要标记Snapshot Serengeti资料集一个批次6个月的影像，就需要动用成千上万的志愿者，花费2到3个月完成工作。

这个Mohammad Sadegh Norouzzadeh为第一作者的研究论文，他们运用深度学习技术来解决这个问题，让电脑视觉来辨识野生动物的物种、数量、年轻族群的活动及生活行为。他们提到，要辨识摄影机陷阱图像的这项工作，对于人类来说也不是件容易的事，因为在野外自动拍摄到的图像，受光照、天气或距离等各种因素影响，很少是完美的图像。因此他们对人工智能执行这项工作的要求，不需要达专家等级，但至少要达人类志愿者标计物种与计数的精确度96.6％。

他们使用深度神经网络，以电脑视觉从目前最大的野生动物标记图像资料集Snapshot Serengeti中撷取资讯。研究成果显示非常出色，除了正确率逼近人类志工外，他们提到，对于需要人类介入评估的图像，其实电脑都可以判断得很好。人工智能从320万张的照片中，辨识48种物种的准确度高达99.3％，距离人类志工的99.6％正确率只差0.3％，而花费的时间与群众外包相比，节省相当于8.4年的时间。