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

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(lái)跟蹤坦桑尼亞塞倫蓋蒂?lài)夜珗@中的動(dòng)物。

該計劃是DeepMind與該地區許多生態(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(dòng)的動(dòng)物跟蹤計劃的基礎上，當時(shí)一個(gè)獅子保護組織在整個(gè)國家公園內設置了數百個(gè)運動(dòng)觸發(fā)的攝像頭。研究人員使用這些相機拍攝的照片來(lái)研究大型哺乳動(dòng)物物種的行為，地理分布和種群數量。

挑戰在于，圖片中的動(dòng)物必須手工仔細標記，以使數據具有科學(xué)價(jià)值。由于圖像量大且人手不足，從拍攝標本到人類(lèi)添加必要的注釋?zhuān)铋L(cháng)可能需要12個(gè)月的時(shí)間。

DeepMind建立了機器學(xué)習模型，該模型可以將等待時(shí)間縮短多達9個(gè)月。 AI不僅具有檢測和識別照片中動(dòng)物的能力，還可以同時(shí)對它們進(jìn)行計數。DeepMind說(shuō)，盡管仍在進(jìn)行中，但該模型已經(jīng)能夠對物種進(jìn)行分類(lèi)，其準確性與人類(lèi)相當或更高。

使自動(dòng)攝像頭的鏡頭質(zhì)量遠遠不夠穩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(xiě)道： “相機陷阱數據可能難以使用-動(dòng)物可能看起來(lái)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(lái)看，即使是人類(lèi)，也難以準確地識別動(dòng)物。

DeepMind通過(guò)在4,149個(gè)人注釋圖像集上進(jìn)行訓練來(lái)提高模型的準確性。這些照片來(lái)自在線(xiàn)眾包門(mén)戶(hù)網(wǎng)站Snapshot Serengeti，志愿者可通過(guò)該門(mén)戶(hù)手動(dòng)分類(lèi)野生動(dòng)物照片以幫助專(zhuān)家。鑒于DeepMind的模型已經(jīng)可以與人類(lèi)志愿者的準確性相匹配，因此該模型的未來(lái)版本可能會(huì )完全不需要手動(dòng)注釋。

目前正在準備在現場(chǎng)部署該軟件。DeepMind的研究人員寫(xiě)道：“現場(chǎng)工作具有挑戰性，并充滿(mǎn)意想不到的危險，例如電源線(xiàn)故障，互聯(lián)網(wǎng)訪(fǎng)問(wèn)受限或無(wú)法訪(fǎng)問(wèn)。” “我們目前正在準備在現場(chǎng)部署的軟件，并在安全的硬件要求和很少的Internet訪(fǎng)問(wèn)中尋找安全運行我們的預訓練模型的方法。”