คอมพิวเตอร์บรรลุความสำเร็จสำหรับการฝึกซ้อมเพื่อเจาะจงสัตว์ในภาพถ่าย

ความก้าวหน้าทางปัญญาประดิษฐ์รายละเอียดในบทความที่ตีพิมพ์ในนิตยสารด้านวิทยาศาสตร์ในนิเวศวิทยาแล้วก็วิวัฒนาการชี้แจงว่าเป็นความเจริญก้าวหน้าที่สำคัญในการศึกษาแล้วก็การอนุรักษ์สัตว์ป่า ในช่วงเวลานี้มีโมเดลคอมพิวเตอร์อยู่ในชุดโปรแกรมคอมพิวเตอร์สำหรับโปรแกรม ซึ่งเป็นภาษาทางการโปรแกรมที่ใช้กันอย่างล้นหลามแล้วก็สิ่งแวดล้อมซอฟต์แวร์เสรีในการคำนวณทางสถิติ

ความรู้ความเข้าใจสำหรับเพื่อการระบุภาพได้อย่างรวดเร็วนับล้านภาพจากกล้องถ่ายภาพแอบฟังของทางกล้องถ่ายรูปสามารถเปลี่ยนแปลงกระบวนการวางแบบแล้วก็จัดการเรียนรู้ด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” คนเขียนเสนอคือ UW Department of Zoology and Physiology Ph.D. สำเร็จการศึกษาจากไมเคิลทาบาคและก็ไรอันมิลเลอร์ทั้งยังศูนย์ระบาดวิทยาและสุขอนามัยสัตว์ของกระทรวงเกษตรสหรัฐอเมริกาในเมืองฟอร์ตคอลลินส์วัวโล

การศึกษาเล่าเรียนสร้างผลที่เกิดขึ้นจากงานวิจัยของ UW ซึ่งพิมพ์เมื่อต้นปีก่อนหน้านี้ในรายงานฉบับปัจจุบันของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์พินิจพิจารณาภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องที่มีไว้สำหรับถ่ายรูปในแอฟริกาโดยแผนการวิทยาศาสตร์ราษฎรที่เรียกว่าSnapshot Serengeti เคล็ดวิธีปัญญาประดิษฐ์ที่เรียกว่าการแบ่งกลุ่มภาพสัตว์อย่างถ่องแท้โดยมีอัตราความถูกต้องแน่ใจจำนวนร้อยละ 96.6 เช่นเดียวกับกลุ่มอาสาสมัครมนุษย์บรรลุความสำเร็จในอัตราที่เร็วทันใจกว่าคนทั่วไป

ในการศึกษาวิจัยล่าสุดนักค้นคว้าได้รับการฝึกฝนเครือข่ายประสาทเทียมลึกบนภูเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่มีประสิทธิภาพสูงของ UW เพื่อจัดประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านรูปภาพจาก 27 ชนิดของสัตว์ที่ได้รับจากห้าเมืองทั่วราชอาณาจักรประเทศสหรัฐอเมริกา แบบจำลองนี้ได้รับการทดสอบในเกือบจะ 375,000 ภาพสัตว์ในอัตราราวๆ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความเที่ยงตรง 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดสำหรับการใช้การศึกษาด้วยเครื่องเพื่อแยกเป็นชนิดและประเภทสัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดสอบในชุดย่อยที่เป็นอิสระของภาพกวางมูซกวางกวางแล้วก็หมูป่าปริมาณ 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้องชัดเจน 81.8 เปอร์เซ็นต์ และประสบผลสำเร็จในการลบภาพ ว่าง” (ไม่มีสัตว์ใดๆออกจากชุดภาพจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักค้นคว้าได้สร้างแบบจำลองของตนขึ้นในแพคเกจซอฟต์แวร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยทำให้ผู้ใช้รายอื่นสามารถแบ่งประเภทและชนิดภาพที่มี 27 ประเภทในชุดข้อมูลได้ ยังช่วยทำให้ผู้ใช้สามารถฝึกหัดแบบจำลองการเรียนด้วยเครื่องของตัวเองโดยใช้รูปภาพที่เอามาจากชุดข้อมูลใหม่

คนเขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ปัจจุบัน Ph.D. สำเร็จการศึกษา Mohammad Sadegh (Arash) Norouzzadeh เป็นหนึ่งในนักเขียนร่วมบทความฉบับใหม่ในด้านนิเวศวิทยาแล้วก็พัฒนาการนักวิจัยที่เข้าร่วมแผนการอื่นๆจาก UW อาทิเช่น ภาควิชาวิทยาการคอมพิวเตอร์รองศาสตราจารย์ Jeff Clune รวมทั้งนักวิจัยหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยศึกษาค้นคว้าสหพันธรัฐไวโอมิงและก็สัตว์ป่า

องค์กรอื่นๆที่เป็นตัวแทนในกรุ๊ปศึกษาค้นคว้าคือหน่วยงานวิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยแห่งเมืองแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดรวมทั้งสัตว์ป่ามหาวิทยาลัยSaskatchewan แล้วก็มหาวิทยาลัย Montana

You Might Also Like