คอมพิวเตอร์ไปถึงเป้าหมายสำหรับการฝึกหัดเพื่อระบุสัตว์ในรูปถ่าย

ความเจริญรุ่งเรืองทางปัญญาประดิษฐ์รายละเอียดในบทความที่ตีพิมพ์ในนิตยสารทางด้านวิทยาศาสตร์ในนิเวศวิทยาและก็พัฒนาการชี้แจงว่าเป็นความรุ่งโรจน์ที่สำคัญในการศึกษารวมทั้งการอนุรักษ์สัตว์ป่า ในเวลานี้มีโมเดลคอมพิวเตอร์อยู่ในชุดซอฟต์แวร์สำหรับโปรแกรม ซึ่งเป็นภาษาทางการโปรแกรมที่ใช้กันอย่างมากมายรวมทั้งสิ่งแวดล้อมซอฟต์แวร์เสรีสำหรับการคำนวณทางสถิติ

ความสามารถสำหรับการระบุภาพได้อย่างรวดเร็วนับล้านรูปภาพที่นำมาจากกล้องถ่ายรูปแอบฟังของทางกล้องถ่ายภาพสามารถเปลี่ยนกรรมวิธีการออกแบบรวมทั้งทำงานเรียนด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” คนเขียนเสนอเป็น UW Department of Zoology and Physiology Ph.D. เรียนจบจากไมเคิลทาบาคและก็ไรอันไม่ลเลอร์อีกทั้งศูนย์ระบาดวิทยาและสุขลักษณะสัตว์ของกระทรวงเกษตรสหรัฐฯในเมืองฟอร์ตคอลลินส์โคโล

การเรียนสร้างผลที่เกิดขึ้นจากงานวิจัยของ UW ซึ่งตีพิมพ์เมื่อต้นปีที่ผ่านมาในรายงานฉบับล่าสุดของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์วิเคราะห์ภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องถ่ายรูปในแอฟริกาโดยโครงงานวิทยาศาสตร์ชาวเมืองที่เรียกว่าSnapshot Serengeti แนวทางปัญญาประดิษฐ์ที่เรียกว่าการจัดกลุ่มภาพสัตว์อย่างลึกซึ้งโดยมีอัตราความถูกต้องปริมาณร้อยละ 96.6 เช่นเดียวกับกลุ่มอาสาสมัครมนุษย์ประสบความสำเร็จในอัตราที่รวดเร็วทันใจกว่าคนทั่วไป

ในการค้นคว้าล่าสุดนักค้นคว้าได้รับการฝึกซ้อมโครงข่ายประสาทเทียมลึกบนเทือกเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกรุ๊ปคอมพิวเตอร์ที่มีคุณภาพสูงของ UW เพื่อจัดประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านภาพที่นำมาจาก 27 จำพวกของสัตว์ที่ได้รับจากห้ารัฐทั่วราชอาณาจักรสหรัฐฯ แบบจำลองนี้ได้รับการทดลองในแทบ 375,000 ภาพสัตว์ในอัตราโดยประมาณ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความแม่นยำ 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดในการใช้การศึกษาด้วยเครื่องเพื่อแยกเป็นชนิดและประเภทสัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดสอบในชุดย่อยที่มีอิสรภาพของภาพกวางมูซกวางกวางรวมทั้งหมูป่าจำนวน 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้องแน่ใจ 81.8 เปอร์เซ็นต์ และก็บรรลุผลสำเร็จสำหรับในการลบภาพ ว่าง” (ไม่มีสัตว์อะไรก็ตามออกมาจากชุดรูปภาพที่เอามาจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักวิจัยได้สร้างแบบจำลองของตัวเองขึ้นในแพคเกจโปรแกรมคอมพิวเตอร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยให้ผู้ใช้รายอื่นสามารถแบ่งแยกภาพที่มี 27 ประเภทในชุดข้อมูลได้ ยังช่วยให้ผู้ใช้สามารถฝึกหัดแบบจำลองการศึกษาด้วยเครื่องของตนโดยใช้รูปภาพที่นำมาจากชุดข้อมูลใหม่

ผู้เขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ล่าสุด Ph.D. จบการศึกษา Mohammad Sadegh (Arash) Norouzzadeh ยอดเยี่ยมในผู้ร่วมเขียนบทความฉบับใหม่ในด้านนิเวศวิทยารวมทั้งพัฒนาการนักค้นคว้าที่ร่วมโครงการอื่นๆจาก UW ดังเช่นว่า สาขาวิชาวิทยาการคอมพิวเตอร์รศ. Jeff Clune และก็นักวิจัยข้างหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยศึกษาค้นคว้าสมาพันธ์รัฐไวโอมิงแล้วก็สัตว์ป่า

หน่วยงานอื่นๆที่เป็นผู้แทนในกลุ่มศึกษาค้นคว้าเป็นหน่วยงานวิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยแห่งรัฐแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดและก็สัตว์ป่ามหาวิทยาลัยSaskatchewan แล้วก็มหาวิทยาลัย Montana