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訓練模型的方法?！?/p>