堅固耐用的低成本相機的廣泛使用性為研究人員監(jiān)測世界偏遠地區(qū)的野生生物種群帶來了福音。但是檢查攝像機鏡頭需要花費時間，而且只有這么多人可以做，這通常會給保護社區(qū)造成盲點。

DeepMind LLC相信人工智能可以提供解決方案。今天，Alphabet Inc.表示正在研究使用機器學(xué)習來跟蹤坦桑尼亞塞倫蓋蒂國家公園中的動物。

該計劃是DeepMind與該地區(qū)許多生態(tài)學(xué)家和保護主義者之間的合作。它建立在將近十年前啟動的動物跟蹤計劃的基礎(chǔ)上，當時一個獅子保護組織在整個國家公園內(nèi)設(shè)置了數(shù)百個運動觸發(fā)的攝像頭。研究人員使用這些相機拍攝的照片來研究大型哺乳動物物種的行為，地理分布和種群數(shù)量。

挑戰(zhàn)在于，圖片中的動物必須手工仔細標記，以使數(shù)據(jù)具有科學(xué)價值。由于圖像量大且人手不足，從拍攝標本到人類添加必要的注釋，最長可能需要12個月的時間。

DeepMind建立了機器學(xué)習模型，該模型可以將等待時間縮短多達9個月。 AI不僅具有檢測和識別照片中動物的能力，還可以同時對它們進行計數(shù)。DeepMind說，盡管仍在進行中，但該模型已經(jīng)能夠?qū)ξ锓N進行分類，其準確性與人類相當或更高。

使自動攝像頭的鏡頭質(zhì)量遠遠不夠穩(wěn)定的原因尤其令人印象深刻。DeepMind的研究人員在該小組的博客中寫道： “相機陷阱數(shù)據(jù)可能難以使用-動物可能看起來不清晰，并且相對于相機可能處于許多不同的距離和位置。” 從某些角度來看，即使是人類，也難以準確地識別動物。

DeepMind通過在4,149個人注釋圖像集上進行訓(xùn)練來提高模型的準確性。這些照片來自在線眾包門戶網(wǎng)站Snapshot Serengeti，志愿者可通過該門戶手動分類野生動物照片以幫助專家。鑒于DeepMind的模型已經(jīng)可以與人類志愿者的準確性相匹配，因此該模型的未來版本可能會完全不需要手動注釋。

目前正在準備在現(xiàn)場部署該軟件。DeepMind的研究人員寫道：“現(xiàn)場工作具有挑戰(zhàn)性，并充滿意想不到的危險，例如電源線故障，互聯(lián)網(wǎng)訪問受限或無法訪問。” “我們目前正在準備在現(xiàn)場部署的軟件，并在安全的硬件要求和很少的Internet訪問中尋找安全運行我們的預(yù)訓(xùn)練模型的方法。”