Hiljutisel reisil kohalike botaanikaaedade juurde märkasin kõrget silmatorkavat lillat lille, mida ma polnud kunagi varem märganud. Proovisin seda Google'isse saata, kuid ma ei teadnud päris täpselt, mida küsida. “Lilla lill” tõi mulle pilte nartsissist ja freesiast, orhideedest ja priimulast, gladioolist ja hommikusest hiilgusest. Ükski neist polnud lill, mida ma oleksin näinud.
Seotud sisu
- Kas amatöörid teevad järgmise suure teadusliku avastuse?
- Teadlased kataloogivad elukaid Los Angelese igas nurgas
- Kolm parimat tulemust 115-aastase kodanikuteaduse projektist
- Inimeste järelevalveta õpib kasse ära tundma 16 000 arvutit
Kuid tänu tehisintellektile on minusugustel uudishimulikel amatöörnaturalistidel nüüd paremaid viise meie ümbritseva looduse tuvastamiseks. Mitmed uued saidid ja rakendused kasutavad AI-tehnoloogiat nimede fotodele lisamiseks.
iNaturalist.org on üks neist saitidest. 2008. aastal asutatud ettevõte on siiani olnud ainult rahvahulga hankimise sait. Kasutajad postitavad taime või looma pildi ning teadlaste ja loodusteadlaste kogukond tuvastab selle. Selle missiooniks on ühendada eksperte ja harrastuslikke „kodaniku-teadlasi”, tekitades inimestele põnevust taimede ja eluslooduse kohta, kasutades kogutud andmeid, et aidata professionaalsetel teadlastel jälgida bioloogilise mitmekesisuse muutusi või avastada isegi uusi liike.
Rahvaallikaga mudel töötab üldiselt hästi, väidab iNaturalisti kaasdirektor Scott Loarie. Kuid seal on mõned piirangud. Esiteks võib olenevalt elukohast oma foto tuvastamine olla palju raskem. Californias, kus Loarie asub, saab ta tunni aja jooksul isikutuvastuse. Selle põhjuseks on asjaolu, et suur hulk eksperte, kes on sageli iNaturalist, põhinevad läänerannikul. Kuid keegi Tai maapiirkonnas võib-olla peab ID-kaardi saamist palju kauem ootama: isikut tõendava dokumendi saamiseks kulub keskmiselt 18 päeva. Veel üks küsimus: saidi populaarsemaks muutudes on vaatlejate (pilte postitavate inimeste) ja identifikaatorite (inimesed, kes räägivad teile, millised pildid on) suhe tasakaalus - vaatlejaid on palju rohkem kui identifitseerijaid. See ähvardab vabatahtlike asjatundjaid üle jõu käia.Sel kuul plaanib iNaturalist käivitada rakenduse, mis kasutab AI-d taimede ja loomade tuvastamiseks liigitasemeni. Rakendus kasutab ära nn süvaõppe eeliseid, kasutades kunstlikke närvivõrke, mis võimaldavad arvutitel õppida nagu inimestel, nii et nende võimalused võivad aja jooksul areneda.
"Loodame, et see kaasab täiesti uue rühma kodanike teadlasi, " sõnab Loarie.
Rakendust koolitatakse sellega, et sellele saadetakse sildistatud pilte iNaturalisti massilisest andmebaasist, mis sisaldab uurimistöö hindeid - vaatlusi, mille on kinnitanud saidi ekspertide kogukond. Kui mudel on koolitatud piisavalt märgistatud piltide jaoks, hakkab see suutma tuvastada sildistamata pilte. Praegu on iNaturalist võimeline iga 1.7 tunni tagant mudelisse uusi liike lisama. Mida rohkem on kasutajate poolt üles laaditud ja ekspertide tuvastatud pilte, seda parem.
"Mida rohkem kraami saame, seda koolitum on mudel, " ütleb Loarie.
INaturalistide meeskond soovib, et mudel oleks alati täpne, isegi kui see tähendab, et see pole võimalikult täpne. Praegu proovib mudel anda kindlat vastust looma perekonna kohta, seejärel ettevaatlikumalt reageerida liigile, pakkudes 10 parimat võimalust. Praegu on see õige perekonna 86 protsenti ajast ja annab liigi 10 parima tulemuse järgi 77 protsenti ajast. Need numbrid peaksid paranema, kuna mudeli väljaõpet jätkatakse.
Demoversiooniga ringi liikudes sisestasin pildi kivi peal istunud puffinist. "Oleme üsna kindlad, et see on perekonnas Puffins, " ütles ta, andes ülemise soovitatud tulemuseks õige liigi - Atlandi okseni. Seejärel sisestasin pildi Aafrika küünisest konnast. "Oleme üsna kindlad, et see on perekonna Lääne labidasjalg-kärnkonnad, " ütles ta mulle, pakkudes Aafrika küünistega konna 10 parima tulemuse hulka.
AI polnud minu poja pildi kohta piisavalt enesekindel, et soovitust anda, kuid soovitas, et teiste inimeste, mitte inimeste olendite seas võiks ta olla põhjapoolne leopardkonn, aiatiik või gopher-madu. Kuna need kõik on täpilised, sain aru, et arvutinägemus nägi mu poja kõrgtooli täpilist tausta ja tuvastas selle eksemplarina valesti. Nii et ma kärpisin pilti, kuni nägi ainult tema nägu ja vajutasin nuppu "klassifitseerima". "Oleme üsna kindlad, et see asub alamliigis sisalikud, " vastas AI. Minu laps näeb välja nagu sisalik või - tegelik vastus, ma eeldan - näitab, et modell tunneb ära ainult selle, mida talle on söödetud. Ja keegi ei sööda seda inimestel endast arusaadavatel põhjustel.
iNaturalist loodab, et rakendus avaldab survet oma ekspertide kogukonnale ja võimaldab suuremal hulgal vaatlejate kogukonnal osaleda, näiteks koolilaste rühmad. See võiks lubada ka kaamera lõksustamist - piltide voogude saatmist kaamerapüüdurist, mis teeb pildi siis, kui see käivitatakse liikumisega. iNaturalist on kaamerate lõksu püüdmist takistanud, kuna see ujutab saidi tohutul hulgal pilte, mis võivad vajada või ei pruugi vajada asjatundjate tuvastamist (mõned pildid on tühjad, teised aga püüavad tavalisi loomi nagu oravad, keda kaamera omanik saaks hõlpsasti tuvastada või ise). Kuid AI-ga ei oleks see probleem. iNaturalist loodab ka, et uus tehnoloogia kaasab uue kasutajaskonna, sealhulgas inimesed, kes võivad looduse vastu huvi tunda, kuid ei oleks nõus mitu päeva ootama tuvastamist rahvahulga all oleva mudeli järgi.
Liikide kiire tuvastamine võib olla kasulik ka teistes olukordades, näiteks korrakaitses.
"Ütleme nii, et TSA töötajad avavad kohvri ja kellelgi on gekod, " ütleb Loarie. "Nad peavad teadma, kas kedagi arreteerida või mitte."
Sel juhul võis AI teatada TSA agentidele, millist geko nad vaatasid, mis võiks aidata uurimisel.
iNaturalist pole ainus sait, mis kasutab arvutinägemist kodanike teadlaste kaasamiseks. Cornelli Merlin Bird ID rakendus kasutab AI-d enam kui 750 Põhja-Ameerika linnu tuvastamiseks. Esmalt tuleb lihtsalt vastata mõnele lihtsale küsimusele, sealhulgas näha linnu suurust ja värvi. teeb sama ka taimede puhul pärast seda, kui olete öelnud, millist taime osa ta vaatab (lill, puuvili jne).
See kõik on osa suuremast huvipakkuvast lainest, mida kasutatakse piltide tuvastamiseks AI abil. On AI-programme, mis suudavad objekte jooniste järgi tuvastada (isegi halbu). AI-d saavad vaadata pilte ja tuvastada kunstnikke ja žanre. Paljud eksperdid arvavad, et arvuti nägemine mängib tervishoius tohutut rolli, muutes näiteks nahavähi tuvastamise lihtsamaks. Autotootjad kasutavad arvutinägemist, et õpetada autosid jalakäijaid tuvastama ja neid lööma vältima. Komöödia Silicon Valley hiljutise episoodi süžee käsitles arvuti nägemise rakendust toidu tuvastamiseks. Kuid kuna selle looja koolitas seda ainult kuumadel koertel - kuna närvivõrgu treenimine nõuab lugematul hulgal tunde inimtegevust -, võis see vahet teha ainult kuumadel ja mitte kuumadel koertel.
See huumoritöö küsimus on oluline. AI-de koolitamiseks on üliolulised õigesti märgistatud piltide suured andmebaasid ja nende loomine võib olla keeruline. iNaturalist kui pikaajalise rahvahulgaga sait omab juba täpselt sellist andmebaasi, mistõttu on selle mudel nii kiiresti arenenud, väidab Loarie. Teised saidid ja rakendused peavad oma andmed leidma mujalt, sageli akadeemiliste piltide põhjal.
"Praegu on veel varased päevad, kuid ma garanteerin, et järgmisel aastal näete seda tüüpi rakenduste levikut, " ütleb Loarie.
