人工智能識(shí)別植物準(zhǔn)確率高達(dá) 80％

據(jù)《自然》雜志官網(wǎng)日前報(bào)道，一篇發(fā)表在新一期《進(jìn)化生物學(xué)》雜志上的論文稱，用成千上萬(wàn)份標(biāo)本圖像“訓(xùn)練”過的計(jì)算機(jī)算法，已經(jīng)能自動(dòng)識(shí)別被壓制的、干燥植物標(biāo)本的物種。這是科學(xué)家嘗試通過深度學(xué)習(xí)，讓計(jì)算機(jī)使用大型復(fù)雜數(shù)據(jù)集的神經(jīng)網(wǎng)絡(luò)，解決了識(shí)別自然物種分類的困難任務(wù)。
世界各地的自然歷史博物館正在加速藏品數(shù)字化進(jìn)程，將標(biāo)本圖像存儲(chǔ)在開放數(shù)據(jù)庫(kù)中。比如美國(guó)國(guó)家科學(xué)基金會(huì)的 iDigBio 項(xiàng)目的一個(gè)數(shù)據(jù)庫(kù)，就擁有來自全美各地收集的超過 1.5 億張植物和動(dòng)物圖像。
目前，世界 3.5 億個(gè)物種中，只有一小部分被數(shù)字化了。但是，隨著計(jì)算技術(shù)的進(jìn)步，哥斯達(dá)黎加理工學(xué)院計(jì)算機(jī)科學(xué)家艾瑞克·蒙塔羅和法國(guó)蒙彼利埃國(guó)際發(fā)展農(nóng)業(yè)研究中心植物學(xué)家皮埃爾·邦尼特認(rèn)為，為標(biāo)本做大數(shù)據(jù)集已經(jīng)成為可能。他們的團(tuán)隊(duì)已經(jīng)實(shí)現(xiàn)了植物識(shí)別的自動(dòng)化。
研究人員借助智能手機(jī)應(yīng)用程序現(xiàn)場(chǎng)拍攝標(biāo)本，積累了數(shù)以百萬(wàn)計(jì)的新鮮植物圖像，然后對(duì) 1000 多個(gè)物種、超過 26 萬(wàn)份植物標(biāo)本進(jìn)行了掃描識(shí)別，采用先進(jìn)算法的識(shí)別準(zhǔn)確率高達(dá) 80%。
邦尼特說，這樣驚人的結(jié)果往往讓植物學(xué)家擔(dān)心其學(xué)術(shù)領(lǐng)域被輕視。“但人類的專長(zhǎng)永遠(yuǎn)不會(huì)被消除，識(shí)別結(jié)果仍需要植物學(xué)家來檢驗(yàn)正確與否?！?
人工智能識(shí)別標(biāo)本的方法，極大地減少了植物學(xué)家收集和識(shí)別標(biāo)本的時(shí)間，還能幫助改進(jìn)標(biāo)本數(shù)據(jù)貧乏地區(qū)的植物鑒定水平，對(duì)生物多樣性豐富但植物標(biāo)本較少的地區(qū)特別有用。
此外，這種方法還能讓研究人員對(duì)大數(shù)據(jù)進(jìn)行額外的分析。一般而言，植物標(biāo)本樣本中含有豐富的數(shù)據(jù)信息，例如采集時(shí)間和地點(diǎn)，采集時(shí)在開花還是在結(jié)果，以及花群密集特征等。由于一些樣本是幾個(gè)世紀(jì)以前的數(shù)據(jù)，因此，可以幫助研究植物是如何適應(yīng)氣候變化的。
美國(guó)賓夕法尼亞州立大學(xué)博士彼得·威爾夫說：“在自然歷史的進(jìn)程中，這種方法預(yù)示著未來?！?
總編輯圈點(diǎn)
植物學(xué)家似乎能從繁重的收集和識(shí)別標(biāo)本的工作中解放出來了。如果研究結(jié)果穩(wěn)定，他們至少能夠省下 80%的時(shí)間??！要知道，世界各地的自然歷史博物館中的數(shù)字化標(biāo)本越來越多，單一個(gè)數(shù)據(jù)庫(kù)就有超過 1.5 億張圖像。人工智能可以自動(dòng)識(shí)別標(biāo)本，這對(duì)植物學(xué)家來說當(dāng)然不是威脅。畢竟，大部分鑒定工作枯燥又無(wú)聊，但又至關(guān)重要，人工智能在這些地方幫忙，真是不能更貼心。開一個(gè)腦洞，如果科學(xué)家能把那些繁瑣又不得不做的都交給人工智能，科學(xué)產(chǎn)出會(huì)不會(huì)更加豐富？