คอมพิวเตอร์ไปถึงเป้าหมายสำหรับการฝึกฝนเพื่อระบุสัตว์ในภาพถ่าย

ความก้าวหน้าทางปัญญาประดิษฐ์เนื้อหาในบทความที่เผยแพร่ในวารสารด้านวิทยาศาสตร์ในนิเวศวิทยารวมทั้งวิวัฒนาการอธิบายว่าเป็นความก้าวหน้าที่สำคัญในการศึกษาวิจัยและการอนุรักษ์และรักษาสัตว์ป่า ในช่วงเวลานี้มีโมเดลคอมพิวเตอร์อยู่ในชุดซอฟต์แวร์สำหรับโปรแกรม ซึ่งเป็นภาษาทางการโปรแกรมที่ใช้กันอย่างมากมายรวมทั้งสิ่งแวดล้อมซอฟต์แวร์เสรีสำหรับเพื่อการคำนวณทางสถิติ

ความรู้ความเข้าใจสำหรับเพื่อการกำหนดภาพได้อย่างรวดเร็วนับล้านรูปภาพที่นำมาจากกล้องดักฟังของทางกล้องสามารถแปลงวิธีการดีไซน์รวมทั้งดำเนินการศึกษาเล่าเรียนด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” นักเขียนพรีเซนเทชั่นเป็น UW Department of Zoology and Physiology Ph.D. เรียนจบจากไมเคิลทาบาคและไรอันไม่ลเลอร์ทั้งศูนย์ระบาดวิทยาและสุขลักษณะสัตว์ของกระทรวงเกษตรสหรัฐอเมริกาในเมืองฟอร์ตคอลลินส์โคโล

การเรียนสร้างผลของงานวิจัยของ UW ซึ่งเผยแพร่เมื่อต้นปีก่อนหน้านี้ที่ผ่านมาในรายงานฉบับปัจจุบันของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์พินิจพิจารณาภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องที่มีไว้ถ่ายภาพในแอฟริกาโดยโครงงานวิทยาศาสตร์ชาวเมืองที่เรียกว่าSnapshot Serengeti เทคนิคปัญญาประดิษฐ์ที่เรียกว่าการแบ่งประเภทภาพสัตว์อย่างถ่องแท้โดยมีอัตราความถูกต้องชัดเจนจำนวนร้อยละ 96.6 เหมือนกับกรุ๊ปอาสาสมัครมนุษย์บรรลุผลสำเร็จในอัตราที่เร็วกว่าคนธรรมดาทั่วไป

ในการศึกษาล่าสุดนักวิจัยได้รับการฝึกอบรมโครงข่ายประสาทเทียมลึกบนภูเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่มีคุณภาพสูงของ UW เพื่อแยกประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านภาพจาก 27 ประเภทของสัตว์ที่ได้รับจากห้าเมืองทั่วประเทศสหรัฐอเมริกา แบบจำลองนี้ได้รับการทดสอบในเกือบ 375,000 ภาพสัตว์ในอัตราโดยประมาณ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความแม่นยำ 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดสำหรับในการใช้การทำความเข้าใจด้วยเครื่องเพื่อจำแนกแยกแยะสัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดลองในชุดย่อยที่มีอิสรภาพของภาพกวางมูซกวางกวางและก็หมูป่าปริมาณ 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้องชัดเจน 81.8 เปอร์เซ็นต์ รวมทั้งบรรลุความสำเร็จสำหรับเพื่อการลบภาพ ว่าง” (ไม่มีสัตว์อะไรก็ตามออกมาจากชุดภาพจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักค้นคว้าได้สร้างแบบจำลองของตัวเองขึ้นในแพคเกจโปรแกรมคอมพิวเตอร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยทำให้ผู้ใช้รายอื่นสามารถจำแนกภาพที่มี 27 จำพวกในชุดข้อมูลได้ ยังช่วยให้ผู้ใช้สามารถฝึกแบบจำลองการศึกษาด้วยเครื่องของตัวเองโดยใช้ภาพที่เอามาจากชุดข้อมูลใหม่

คนเขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ล่าสุด Ph.D. เรียนจบ Mohammad Sadegh (Arash) Norouzzadeh เป็นเลิศในนักเขียนร่วมบทความฉบับใหม่ในด้านนิเวศวิทยาและวิวัฒนาการนักค้นคว้าที่เข้าร่วมโครงการอื่นๆจาก UW ตัวอย่างเช่น สาขาวิชาวิทยาการคอมพิวเตอร์รศ. Jeff Clune แล้วก็นักวิจัยหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยศึกษาค้นคว้าสมาพันธ์รัฐไวโอมิงและก็สัตว์ป่า

หน่วยงานอื่นๆที่เป็นผู้แทนในกลุ่มศึกษาค้นคว้าเป็นศูนย์วิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยแห่งเมืองแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดรวมทั้งสัตว์ป่ามหาวิทยาลัยSaskatchewan รวมทั้งมหาวิทยาลัย Montana