“美国国家科学院院刊”(PNAS)上的一篇新论文报道了一种名为深度学习的尖端人工智能技术如何在自然栖息地中自动识别，计数和描述动物。

然后可以通过深度神经网络自动描述由运动传感器相机自动收集的照片。结果是一个系统可以自动识别高达99.3%的图像的动物识别，同时仍然以人类志愿者的众包团队96.6%的准确率执行。

“这项技术让我们能够准确，不引人注意地，低成本地收集野生生物数据，这有助于促进生态，野生动物生物学，动物学，保护生物学和动物行为等许多领域向”大数据“科学的转变。这将极大地提高我们的能力。研究和保护野生动植物和珍贵的生态系统，“该论文的高级作者杰夫克鲁恩说。他是怀俄明大学的Harris副教授，也是优步人工智能实验室的高级研究经理。

该论文由Clune撰写; 他的博士学位 学生Mohammad Sadegh Norouzzadeh; 他以前的博士学位 学生Anh Nguyen(现在奥本大学); 玛格丽特科斯马拉(哈佛大学); 阿里斯旺森(牛津大学); 和Meredith Palmer和Craig Packer(均来自明尼苏达大学)。

深度神经网络是一种计算智能形式，其灵感来源于动物大脑如何看待和理解世界。它们需要大量的训练数据才能正常工作，并且必须准确地标记数据(例如，每个图像被正确标记有哪种动物存在，有多少种等等)。

本研究从http://www.zooniverse.org平台上的公民科学项目Snapshot Serengeti获得了必要的数据。快照塞伦盖蒂在坦桑尼亚部署了大量的“摄像机陷阱”(运动传感器摄像机)，在其自然栖息地收集数百万只动物图像，如狮子，豹子，猎豹和大象。这些照片中的信息仅在转换为文本和数字后才有用。多年来，提取此类信息的最佳方法是让人力志愿者的众包团队手动标记每个图像。今天发表的这项研究利用了超过50,000名志愿者多年来以这种方式生产的320万张标记图像。

Snile Serengeti项目负责人帕克说：“当我告诉Jeff Clune我们有320万张带标签的图像时，他就停下了脚步。” “我们想测试是否可以使用机器学习来自动化人类志愿者的工作。我们的公民科学家做了非凡的工作，但我们需要加快处理更多数据的过程。深度学习算法令人惊叹，远远超过了我的期望。这是改变野生动物生态的游戏。“

创建Snapshot Serengeti的Swanson补充说：“世界上有数百个摄像机陷阱项目，很少有人能够招募大批人类志愿者来提取他们的数据。这意味着他们的大部分知识重要的数据集尚未开发。虽然项目越来越多地转向公民科学进行图像分类，但随着对志愿者需求的增长，我们开始认为标记每批图像的时间越来越长。我们认为深度学习将成为关键。缓解摄像机陷阱项目的瓶颈：将图像转换为可用数据的努力。“

“人工智能系统不仅会告诉你48种不同动物中的哪一种，它还会告诉你它们有多少以及它们正在做什么。它会告诉你它们是否正在进食，睡觉，如果婴儿存在“等等，”另一位Snapshot Serengeti领导人Kosmala补充道。“我们估计，我们所描述的深度学习技术管道将为每增加300万张图像节省超过八年的人工标签工作量。这是一个可以重新部署以帮助其他项目的许多宝贵的志愿者时间。”

第一作者Sadegh Norouzzadeh指出：“深度学习仍在迅速发展，我们预计其表现将在未来几年内变得更好。在这里，我们希望向野生动物生态学界展示该技术的价值，但我们我们希望随着越来越多的人研究如何改进这种应用的深度学习并发布他们的数据集，天空就是极限。想想这项技术可以帮助我们完成重要科学和保护任务的所有不同方式，这是令人兴奋的。“