人工智能图像工具揭示野生动物秘密以应对气候变化

这一进展将使科学家能够开发能够快速和全面分析每年公众上传的大量野生动物图像的人工智能驱动算法。

根据研究人员的说法，这些工具可以揭示有关气候变化、污染、栖息地退化以及其他影响成千上万动物和植物物种的挑战的重要信息。

公民科学平台作为有关各种物种如何应对气候变化的重要数据来源。然而，尽管当前的人工智能算法能够识别提交图像中的物种，但尚不清楚它们是否能够提取更多的信息。

现在，一个全球科学家团队设计了一种新工具来评估人工智能算法在检查图像数据库以获取进一步见解方面的有效性。这可能包括物种的饮食、健康状况和与其他物种的互动等方面。

该工具被称为INQUIRE，评估人工智能从上传到iNaturalist公民科学网站的五百万张野生动物照片的大型集合中得出结论的能力。

研究团队发现，虽然当前的人工智能算法可以回答一些问题，但在处理更复杂的问题时却力不从心。这些复杂问题通常需要推理图像中的微小细节或涉及科学术语。

研究人员强调，创建新的人工智能算法的潜力，有助于科学家高效地浏览庞大的图像档案。

经过同行评审的结果将在NeurIPS会议上展示，该会议是一个专注于机器学习的重要活动。

研究团队由来自爱丁堡大学、伦敦大学学院、麻省大学阿默斯特分校、iNaturalist和麻省理工学院（MIT）的专家组成。这项工作得到了爱丁堡大学生成式人工智能实验室的部分资金支持。

来自爱丁堡大学信息学学院的Dr. Oisin Mac Aodha指出：“每天在线上传的成千上万的野生动物图像为科学家提供了有关地球上各种物种栖息地的宝贵见解。然而，识别照片中的物种只是第一步。”

“这些图像是一个潜在的多样化资源，目前大多未被探索。能够快速准确地筛选出其中所含的大量信息，可能为了解物种如何应对气候变化等复杂挑战提供基本见解。”

麻省理工学院的助理教授Dr. Sarah Beery提到：“这种针对生态学和环境研究中真实科学问题的细致数据整理，对于拓展我们对当前人工智能技术在这些有影响力的科学背景下所能实现的理解至关重要。”

“这也突显了我们现在可以努力填补的研究空白，特别是在复杂的组成查询、技术性语言以及区分我们合作伙伴感兴趣的类别的微妙变化方面。”