仰望天空，你能分辨出毛脚鵟和北吗？假设你正穿行在高草丛中，你能通过它们的斑纹区分无害的松蛇和响尾蛇吗？至于蜻蜓——如果一只落在你的手臂上，你能分辨出它是春蜓还是草蜻吗？
这些问题正是
iNaturalist
应用每天为用户解答的内容。该应用由加州科学院和国家地理学会联合发起，在各大应用商店中下载量名列前茅，是徒步旅行者、露营者以及所有热爱户外活动人士的首选应用。拍摄任何动植物的照片，只要有信号，iNaturalist 就能告诉你它是什么，并提供你可能需要了解的所有信息。Amazon Web Services 和一些非常精确的机器学习模型为应用的图像识别和模式匹配算法提供动力。如果你看到的是地球上常见的 50,000 多种物种之一，iNaturalist 很可能能告诉你它的身份。
其目标是让更多人拍摄自然照片，以丰富我们共同的科学知识。为了鼓励这种信息交流，iNaturalist 已通过
AWS 开放数据注册表
使其数据集公开可用。如今，世界各地的研究人员无需付费存储自己的数据副本，即可访问这些数据集——总量超过 160 TB。
联席主任 Scott Loarie 认为，iNaturalist 的众包数据集是推动科学和保护工作进展的重要一步。Loarie 拥有斯坦福大学生物学硕士学位和杜克大学环境科学博士学位，他认为，将数亿张众包图像的访问权限与能够发现数据模式的机器学习工具相结合，正在开启生物有机体生物学、进化和生态学的新纪元，类似于当扩增和测序 DNA 的工具问世时发生的情况。
不妨称之为“表型革命”，只不过这次不是围绕动物的基因代码出现的数据爆炸，而是围绕动物的物理特征出现了
数据爆炸
。借助机器学习模型分析来自全球各地的数百万张物种图像（如 iNaturalist 数据集中的图像），科学家正在揭示过去被忽视的模式。例如，科学家在检查 iNaturalist 数据集时发现，同一物种的蜻蜓会根据其生活的气候呈现出更深或更浅的色调。这类发现既依赖于人们记录数据，也依赖于使数据易于发布和访问的系统。
我们以前从未如此大规模地接触到活体生物的图像。利用机器学习从这些新的生物多样性图像数据集中揭示新的科学见解，正在改变我们对待生命科学的方式。
Scott Loarie
iNaturalist 联席主任
“人们很容易认为我们现在对自然世界的一切都已了如指掌，”Loarie 说。“但随着我们收集到更多关于它的数据，新的问题也随之出现。”
Loarie 指出，尽管我们手头拥有各种技术，但野外生物学在很大程度上仍然涉及采集标本并将其存放在博物馆中。虽然这是一种有用且必要的做法，但这意味着我们对生物的理解很大程度上来自于对已死亡个体的观察。
“现在我们有了获取数据并从活体标本中提取这些模式的工具，”Loarie 说。“这可以揭示大量关于行为以及物种在世界上生存方式的信息，而这些信息在标本中是无法保存的。”
Loarie 并不认为这场革命仅限于探索不同物种种群之间的物理差异。分析大型数据集的能力也影响了我们对行为和生命周期的理解。例如，每年春天，山羊都会褪去厚厚的保暖皮毛。然而，结合成千上万张处于不同换毛阶段的山羊图像，以及海拔、温度和其他环境因素等数据点，科学家可以更好地理解气候变化将如何影响这一季节性换毛过程。
地球上有数百万种植物和动物，即使我们不计算真菌、藻类和细菌。迄今为止，我们对世界动植物群的知识偏向于动物，尤其是鸟类、爬行动物和哺乳动物。Loarie 希望，随着更多用户上传照片，并且更多自然学家——无论是专业人士还是业余爱好者——通过 iNaturalist 分享他们的数据，地球上生命的数字图景将继续变得更加完整。
“我们以前从未以这种规模接触到活体生物的图像，”Loarie 说。“利用机器学习从这些新的生物多样性图像数据集中揭示新的科学见解，正在改变我们对待生命科学的方式。”
探索自然并与
iNaturalist
分享你的发现。了解更多关于 iNaturalist 如何通过
AWS 开放数据注册表
使其数据集可访问的信息。