คอมพิวเตอร์บรรลุเป้าหมายสำหรับการฝึกหัดเพื่อระบุสัตว์ในรูปถ่าย

ความรุ่งโรจน์ทางปัญญาประดิษฐ์เนื้อหาในบทความที่เผยแพร่ในวารสารทางวิทยาศาสตร์ในนิเวศวิทยารวมทั้งวิวัฒนาการชี้แจงว่าเป็นความรุ่งโรจน์ที่สำคัญในการศึกษาเรียนรู้รวมทั้งการอนุรักษ์และรักษาสัตว์ป่า ขณะนี้มีโมเดลคอมพิวเตอร์อยู่ในชุดโปรแกรมคอมพิวเตอร์สำหรับโปรแกรม ซึ่งเป็นภาษาทางการโปรแกรมที่ใช้กันอย่างมากมายแล้วก็สิ่งแวดล้อมซอฟต์แวร์เสรีในการคำนวณทางสถิติ

ความรู้ความเข้าใจสำหรับการเจาะจงภาพได้อย่างรวดเร็วนับล้านรูปภาพจากกล้องถ่ายรูปแอบฟังของทางกล้องถ่ายรูปสามารถแปลงกรรมวิธีออกแบบรวมทั้งจัดการเรียนรู้ด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” ผู้เขียนพรีเซนเทชั่นเป็น UW Department of Zoology and Physiology Ph.D. เรียนจบจากไมเคิลทาบาคแล้วก็ไรอันไม่ลเลอร์อีกทั้งศูนย์ระบาดวิทยาและก็สุขลักษณะสัตว์ของกระทรวงเกษตรสหรัฐฯในเมืองฟอร์ตคอลลินส์โคโล

การศึกษาสร้างผลงานวิจัยของ UW ซึ่งเผยแพร่เมื่อต้นปีก่อนหน้าที่ผ่านมาในรายงานฉบับล่าสุดของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์วิเคราะห์ภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องถ่ายรูปในแอฟริกาโดยแผนการวิทยาศาสตร์พลเมืองที่เรียกว่าSnapshot Serengeti วิธีปัญญาประดิษฐ์ที่เรียกว่าการแบ่งประเภทภาพสัตว์อย่างถ่องแท้โดยมีอัตราความถูกต้องชัดเจนปริมาณร้อยละ 96.6 เหมือนกับกรุ๊ปอาสาสมัครมนุษย์ประสบความสำเร็จในอัตราที่เร็วกว่าคนธรรมดาทั่วไป

ในการศึกษาเรียนรู้ปัจจุบันนักวิจัยได้รับการฝึกอบรมเครือข่ายประสาทเทียมลึกบนเทือกเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่มีคุณภาพสูงของ UW เพื่อจัดประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านรูปภาพที่เอามาจาก 27 ชนิดของสัตว์ที่ได้รับจากห้ารัฐทั่วประเทศสหรัฐอเมริกา แบบจำลองนี้ได้รับการทดสอบในแทบ 375,000 ภาพสัตว์ในอัตราราวๆ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความเที่ยงตรง 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดสำหรับการใช้การศึกษาด้วยเครื่องเพื่อแยกชนิดสัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดลองในชุดย่อยที่เป็นอิสระของภาพกวางมูซกวางกวางรวมทั้งหมูป่าปริมาณ 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้องแน่ใจ 81.8 เปอร์เซ็นต์ แล้วก็ประสบผลสำเร็จในการลบภาพ ว่าง” (ไม่มีสัตว์ใดๆออกจากชุดรูปภาพที่นำมาจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักวิจัยได้สร้างแบบจำลองของตนเองขึ้นในแพคเกจซอฟต์แวร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยทำให้ผู้ใช้รายอื่นสามารถจำแนกประเภทภาพที่มี 27 จำพวกในชุดข้อมูลได้ ยังช่วยทำให้ผู้ใช้สามารถฝึกหัดแบบจำลองการเล่าเรียนด้วยเครื่องของตนเองโดยใช้ภาพที่เอามาจากชุดข้อมูลใหม่

ผู้เขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ล่าสุด Ph.D. จบการศึกษา Mohammad Sadegh (Arash) Norouzzadeh เป็นเยี่ยมในผู้ร่วมเขียนบทความฉบับใหม่ในด้านนิเวศวิทยารวมทั้งพัฒนาการนักค้นคว้าที่เข้าร่วมโครงงานอื่นๆจาก UW เป็นต้นว่า ภาควิชาวิทยาการคอมพิวเตอร์รศ. Jeff Clune และก็นักค้นคว้าข้างหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยศึกษาค้นคว้าสหพันธรัฐไวโอมิงรวมทั้งสัตว์ป่า

องค์กรอื่นๆที่เป็นตัวแทนในกรุ๊ปศึกษาค้นคว้าคือศูนย์วิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยแห่งรัฐแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยหน้าจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดและก็สัตว์ป่ามหาวิทยาลัยSaskatchewan และก็มหาวิทยาลัย Montana