科學家用AI辨識野生動物，標記320萬張圖片省下8.4年時間

人工智慧應用的領域越來越廣，在科學研究上也有很大的幫助，在材料科學上，西北大學利用人工智慧加快金屬玻璃200倍的研究速度，而生態研究方面，人工智慧也被用來幫忙科學家辨識野生動物的物種與計算出現的次數，懷俄明大學用機器學習來辨識有320萬張野生動物照片的Snapshot Serengeti資料集，其辨識正確率已經達99.3％，比透過群眾外包人工辨識的96.6％的正確率還要高了3.3％。

為了更了解自然生態系統的複雜性，進而管理與保護環境，科學家認為有必要了解其中的動物數量、棲地以及行為。在過去20年，野生動物拍攝技術的發展，改變了野生動物生態學與觀察方法，生態學家廣泛地使用稱為攝影機陷阱的裝置，這是將動作感測器、紅外線探測器或是其他光感做為觸發機關的遙控相機。懷俄明大學研究員Mohammad Sadegh Norouzzadeh提到，由於攝影機陷阱的成本越來越低，體積也更加輕巧，讓追蹤野生動物變得容易。計算到2011年為止，全球至少有125個攝影機陷阱專案。

但豐富的野生動物圖像也帶來了另一個問題，攝影機陷阱拍到的影像要成為有價值的研究資料，必須先辨識出影像欸容，但要靠人工標記是一件耗時費日工作，除了研究人員自己動手，近年來常用群眾外包的方式，來完成這些圖片的標記工作，不過，即使有大量人力支援，要標記出Snapshot Serengeti資料集一批6個月的影像，還是需要2到3個月才能完成。

懷俄明大學運用深度學習技術來解決這個問題，來辨識目前最大規模的野生動物標記圖像資料集Snapshot Serengeti中，判斷野生動物的物種、數量、年輕族群的活動及生活行為。但要辨識攝影機陷阱的照片，就算是對人類來說也不是件容易的事，因為在野外自動拍攝到的圖像，受光照、天氣或距離等各種因素影響，很少是完美的圖像。不過，利用電腦視覺技術辨識48種物種的準確度可以高達99.3％，比人工辨識的96.6％正確率還要高3.3％，而花費的時間與群眾外包相比，節省相當於8.4年的時間。