Li Shan compilé à partir NewScientist
rapports Qubit | Numéro public QbitAI
Le printemps est là, tout le rétablissement des choses. savane du Serengeti en Tanzanie nord-ouest, les ordinateurs travaillent à assumer leurs responsabilités: avec des algorithmes d'apprentissage automatique pour identifier les différentes espèces, la faune de suivi.
Après le « monde animal » est probablement comme ça.
Jeff Clune Université du Wyoming, Mohammed Sadegh Norouzzadeh et de l'Université Harvard, l'Université d'Oxford, l'Université de chercheurs du Minnesota ensemble, le système de formation d'apprentissage en profondeur 48 distingue les types d'animaux, y compris des éléphants, des girafes et des gazelles.
Pendant l'essai, la précision de l'algorithme pour identifier les espèces jusqu'à 92%. Ils utilisent l'ensemble de données contient 3,2 millions de photos d'animaux sauvages, prises par une caméra cachée dans le parc national du Serengeti en Tanzanie.
photos candides d'animaux sauvages pour les chercheurs, ont depuis longtemps aucune difficulté.
Être la faune photographiées
Ils peuvent utiliser l'appareil photo à utiliser des actions de chaleur et de déclenchement tels que la prise de photos automatiquement autour des animaux. Impliqué dans le projet au chercheur de l'Université d'Oxford Ali a déclaré que Swanson de cette façon, à écologues nombre de photos prises millions pour la recherche, mais les humains normalement besoin d'ajouter manuellement des balises aux photos. Si l'algorithme peut être à quelques photos classées, il peut économiser beaucoup de temps.
En 2010, dans le Serengeti installé Swanson 225 caméras, et a invité 70.000 volontaires en ligne aux photos de tag. Lorsque Clune entendu la question que l'apprentissage de la machine peut être la solution parfaite à ce problème - et donc il sera organisé Swanson pour un tel projet.
« Dans le domaine de l'intelligence artificielle et l'apprentissage de la machine, l'une des choses les plus difficiles aujourd'hui est de faire une bonne étiquette de grands ensembles de données. », A déclaré Clune.
Son équipe a d'abord enseigné une photo réseau de neurones pour identifier d'inclure les animaux, en fait, la séance photo, où 75% des animaux ne sont pas. Après la formation de ses chercheurs identifieront les différentes espèces.
Clune a dit que dans l'identification ensemble commun de données d'animaux, la performance de ce système est beaucoup mieux, mais dans la reconnaissance de la steppe africaine putois et d'autres espèces rares du mal à Shique, parce que cet animal est apparu que dans l'ensemble de données des dizaines de fois.
Clune a dit que le système peut être utilisé pour classer la majorité des photographies, les contenus incertains restants peuvent être remis aux chercheurs à traiter. Après la ré-utiliser ces balises ajouter manuellement l'image système de formation continue afin qu'il puisse mieux identifier les espèces rares. L'équipe prévoit également de tester le système peut identifier le comportement des animaux dans l'image.
«C'est tellement excitant. » Chris Carbone de la Société zoologique de Londres a dit. Selon lui, l'identification automatique des espèces peut nous aider à en apprendre davantage sur la distribution des espèces, une meilleure compréhension des impacts humains sur eux.
Swanson a dit qu'un système idéal peut fournir des informations de suivi en temps réel lorsque l'animal à travers la lentille, mais le défi est de savoir comment télécharger des données sur l'appareil en temps réel au système d'analyse, plutôt que comme ils utilisent maintenant la carte SD pour le stockage, en attendant que les chercheurs dans le domaine rappelant.
Une autre difficulté est que, comme les hyènes et les éléphants détruisent la caméra, donc il doit être stocké dans une boîte en plastique dur, il n'y a pas d'espace pour installer l'antenne de transmission de données requises. « Si vous installez l'antenne sur l'appareil photo, ne soyez pas longtemps. » Dit Swanson, « Bientôt il y aura des animaux à mâcher. »
Adresse Papers: https: //arxiv.org/abs/1703.05830
Qu'est-ce que la préoccupation de la communauté AI d'aujourd'hui? En bit quantique (QbitAI) Interface séance publique n ° réponse " aujourd'hui « Nous regardons l'ensemble du réseau de collecte de l'évolution de l'industrie et la recherche en IA. Recharge ~
En outre, s'il vous plaît ajouter qubits assistant micro lettre: qbitbot Si vous étudiez ou livrez dans le domaine de l'intelligence artificielle, assistant vous emmènera dans qubits échanger le groupe.