心若磐石|最新AI工具首次实现了“鸟脸识别”,准确率达90%

新的研究首次证明 , 人工智能(AI)可以用来训练计算机识别鸟类个体 , 而这是人类无法做到的 。 这项研究发表在英国生态学会的期刊《生态学和进化方法》上 。 在这项研究中 , 来自法国、德国、葡萄牙和南非的研究人员描述了使用人工智能对鸟类进行个体识别的过程:包括收集成千上万的鸟类标记图像 , 然后使用这些数据训练和测试AI模型 。 这项研究是在鸟类中首次成功的尝试 。
“我们的研究表明 , 计算机能够表现良好地识别出几十只鸟类个体 , 尽管我们自己无法区分这些个体 。 通过这样做 , 我们的研究提供了克服野生鸟类研究中最大的局限之一 , 那就是识别没有外部标记的个体 。 ” 该项研究的第一作者 , 法国功能与进化生态学中心的安德烈·费雷拉博士说 。
心若磐石|最新AI工具首次实现了“鸟脸识别”,准确率达90%
研究人员训练人工智能模型识别野生大山雀、群居织巢鸟和圈养斑胸草雀等野生种群中的个别鸟类的图像 , 它们也是行为生态学中最常被研究的鸟类 。 经过训练后 , 人工智能模型用它们以前从未见过的个体的图像进行了测试 , 对于野生物种和圈养斑胸草雀 , 准确率分别超过90%和87% 。
【心若磐石|最新AI工具首次实现了“鸟脸识别”,准确率达90%】在动物行为研究中 , 对动物进行个体识别是最昂贵和最耗时的因素之一 , 这也限制了研究人员可以研究的行为范围和种群规模 。 目前在鸟腿上系上彩带的识别方法也会给动物带来压力 。 能够区分动物个体 , 对于长期监测种群数量和保护物种免受气候变化等影响非常重要 。 虽然有些物种 , 如豹子 , 有独特的图案 , 可以让人类用眼睛识别 , 但大多数物种需要额外的视觉识别 , 比如鸟腿上的带子 , 即便能将它们区分开来 , 这样的方法也是非常耗时和容易出错的 。
“这些问题可以通过人工智能模型来解决 。 研究人员对完全没有标记和无人操作的动物进行自动、无创识别的方法是这一研究领域的重大突破 。 最终 , 我们有足够的空间为该系统寻找新的应用程序 , 并回答过去似乎无法解决的问题 。 ”安德烈博士说 。
心若磐石|最新AI工具首次实现了“鸟脸识别”,准确率达90%为了让人工智能模型能够准确地识别个体 , 它们需要接受数以千计的标记图像的训练 。 社交网站能够为人类识别提供这些资料 , 因为他们可以访问数以百万计的不同的人的照片 , 同时这些照片是由用户自愿标记的 。 但是 , 获得动物的标签照片是很困难的 , 也造成了研究的瓶颈 。
研究人员通过建造带有摄像头和传感器的馈线来克服这一挑战 。 研究中的大多数鸟类携带被动集成应答器(PIT)标签 , 类似于植入宠物猫和狗体内的微芯片 。 鸟类喂食器上的天线能够从这些标签读取鸟类的身份 , 并触发摄像机 。
本研究中显示的人工智能方法使用了一种叫做卷积神经网络的深度学习 , 这是解决图像分类问题的最佳方法 。 在生态学中 , 这些方法以前曾被用于在物种水平上识别动物 , 以及灵长类动物、猪和大象等个体 。 然而 , 到目前为止 , 还没有在像鸟类这样的小动物身上进行过研究 。
作者警告说 , 人工智能模型只能重新识别它以前展示过的个体 , 这在以前已经证明过了 。 只要这些图片中的鸟是模型事先知道的 , 模型就能从新图片中识别出鸟类 。 这意味着 , 如果新的鸟类加入研究群体 , 计算机将无法识别它们 。
随着时间的推移 , 单个鸟类的外观会发生变化 , 比如蜕皮 , 而人工智能模型的性能会受到怎样的影响还不得而知 。 同一只鸟相隔数月拍摄的照片可能会被误认为是不同的个体 。作者补充说 , 这两个限制都可以通过足够大量的数据集来克服 , 这些数据集包含了众多个体在长时间内的图像 , 他们目前正试图收集这些图像 。