AI再现逆天功能！这次连小鸟都能辨认出来，准确率高达90%

人类对野生动物的研讨由来已久，这样做让人类更深化了解自然生态，以助人类处理好与自然的关系。在对野生动物停止观察的过程中，大多数人都无法准确辨认野生动物的种类，即便是专业人员有时分也难以区分两个相似的物种，这种状况常常出如今对野生鸟类的研讨中。为了处理这个成绩，来自欧洲的科研团队尝试应用人工智能来对野生鸟类停止辨认。

根据报道，一支由法国和葡萄牙的迷信家组成的研讨团队近期在学术期刊《生态和退化》上发表了一篇关于应用人工智能辨认鸟类的研讨论文。该论文指出该团队所建立起的深度学习模型可以较为准确地辨认斑胸草雀、野生大山雀和野生织巢鸟三种外形较为相似的鸟类，而且准确率高达90%，这比人类应用肉眼停止辨认的准确率还要高。

研讨人员应用什么技术来辨认动物个体？

近些年来人工智能是科技范畴最热的话题之一，人工智能方面的技术也成为了迷信家处理实践成绩的重要手腕。据了解，该研讨团队在对野生动物停止辨认的过程中发现一个关键成绩，他们无法用调查圈养动物的方法来调查野生动物，由于野生动物的活动范围更大，个体间的差异更小。为了处理这个成绩，研讨人员尝试应用人工智能范畴的深度学习方法停止研讨。

深度学习方法中有一种卷积神经网络，简称为CNN。这种技术的本质也是从海量数据中学习，进而不断提高辨认才能。但不同的是，CNN并不需求对野生动物个体的特征停止手工提取，研讨人员只需求提供同一个体的大量照片用以学习即可。

开发系统的过程中存在哪些难题？

虽然CNN技术可以有效辨认动物个体，但是大量的野生动物照片并不容易获取。假如是以人类为对象，那么研讨人员只需求雇佣不同人种的模特停止长工夫的拍摄即可，但是野生动物并不会对人类言听计从。为了处理这个成绩，研讨人员对圈养野生鸟类的鸟笼停止改造。

他们在喂鸟器上安装了传感器和摄像头，这样当野生鸟进食的时分就会触动传感器，然后摄像头接收到信号后迅速拍下高清照片，照片生成后自动提供给CNN系统学习。整个过程高度自动和智能，大大减少了研讨人员的工作量。在停止了大量图片学习后，基于卷积神经网络的野生鸟类辨认系统构成了。

该系统并不完善，还存在这些成绩

研讨人员费雷拉指出，他们研发的系统目前还存在一些需求处理的成绩，例如该系统只能准确辨认数据库里存在的个体，很难辨认新出现的小鸟，这就是机器学习中“泛化才能”较差的表现。因此该团队计划在圈养地设置更多角度的摄像头，以拍摄更多图片用于深度学习。

很多人以为机器学习、深度学习这些术语离本人很悠远，实践上这些人工智能范畴的技术曾经支撑起了很多运用，例如社交平台、视频平台等平台的引荐推送。只要对这些技术有所了解，我们才不会与时代发展脱节。