根据普利茅斯大学领导的最新研究，人工智能（AI）可以帮助科学家们对生活在海底的生物的多样性有新的认识。
随着海洋环境面临的威胁越来越大，科学家迫切需要了解更多关于海底生物的信息，以便为保护和生物多样性管理提供信息。
安装了最新摄像头的自动水下航行器（AUV）现在能够收集大量数据，但仍有一个瓶颈是人类必须对其进行处理的。
发表在《海洋生态学进展系列》上的一项最新研究中，海洋科学家和机器人专家测试了计算机视觉（CV）系统在潜在实现这一角色方面的有效性。
该系统数据显示，在海底图像中识别各种动物的准确率约为80%，但如果使用足够的数据来训练算法，特定物种的准确率可高达93%。
科学家们说，这表明计算机视觉（CV）很快就可以被常规地用于研究海洋动植物，并使保护研究和生物多样性管理的数据可用性大大提高。
这项研究的主要作者尼尔斯·皮乔德博士生说：“自动驾驶仪是测量60米以下（大多数潜水员都能到达的深度）海床大面积区域的重要工具。但我们目前无法手动分析超过一部分的数据。这项研究表明，人工智能是一种很有前途的工具，但我们的人工智能分类器如果用于识别图像中的动物，五分之一仍然是错误的。”
“这使得它在处理海底探测产生的大量数据方面向前迈出了重要的一步，并表明它在用于探测某些物种时有助于加快分析速度。但我们还没有考虑到这是否是一个合适的完全替代人类的阶段。”
这项研究是Deep Links项目的一部分，由自然环境研究理事会资助、由普利茅斯大学牵头、与牛津大学、英国地质调查局和联合自然保护委员会合作。
2016年5月部署的英国国家级AUV之一AutoSub6000，在东北大西洋Rockall Bank东北侧的海面下1200米处单次潜水，收集了超过150000张图像。在这些图片中，大约有1200张是人工分析的，包含了来自110种不同动物（形态物种）的40000个个体，其中大多数只看到了少数几次。
然后，研究人员利用谷歌的TensorFlow（一个开放的访问库）建立一个经过预先训练的卷积神经网络（CNN），以识别在AUV图像中发现的各种深海形态物种的个体。然后，他们评估了CNN在训练不同数量的动物样本图像和不同数量的形态物种时的表现。
未完，请点击阅读原文