人工智能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，利用人工智能加快金屬玻璃200倍的研究速度，而生態研究方面，人工智能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，在Snapshot Serengeti數據集的320萬張照片中，其辨識正確率已經達99.3％，距通過人工辨識的99.6％正確率只差0.3％，而且比起全由人類操作，節省相當於8.4年的時間。
為了更好的瞭解自然生態系統的複雜性，進而管理與保護這個環境，科學家認為有必要了解其中的動物數量、棲息地以及行為。在過去20年，用來捕捉野生動物影像技術的發展，也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，這是將動作傳感器、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個攝影機陷阱項目。
但這麼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，必須經過信息擷取，而巨大的研究時間成本也就落到的人類身上，在這些捕捉到野生動物身影的圖片，加入標記是一件耗時費日的手動工作，除了科學家外，還要透過募集公民科學家，以群眾外包的方式，來完成這些圖片的標記工作，不過，即使很多人參與仍然非常的花時間，要標記Snapshot Serengeti數據集一個批次6個月的影像，就需要動用成千上萬的志願者，花費2到3個月完成工作。
Mohammad Sadegh Norouzzadeh作為為第一作者的研究論文顯示，他們運用深度學習技術來解決這個問題，讓計算機視覺來辨識野生動物的物種、數量、年輕族群的活動及生活行為。他們提到，要辨識攝影機陷阱圖像的這項工作，對於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。因此他們對人工智能執行這項工作的要求，不需要達專家等級，但至少要達人類志願者標計物種與計數的精確度96.6％。
他們使用深度神經網絡，以計算機視覺從目前最大的野生動物標記圖像數據集Snapshot Serengeti中擷取信息。研究成果顯示非常出色，除了正確率逼近人類外，他們提到，對於需要人類介入評估的圖像，其實計算機都可以判斷得很好。人工智能從320萬張的照片中，辨識48種物種的準確度高達99.3％，距離人類志工的99.6％正確率只差0.3％，而花費的時間與外包相比，節省相當於8.4年的時間。
閱讀更多 雲智時代 的文章
