Штучний інтелект допомагає ідентифікувати для науки різні види рослин
Дослідники з Технологічного інституту Коста-Ріки і Французького центру міжнародних досліджень і розвитку в сфері сільського господарства розробили алгоритм глибокого навчання для автоматичної ідентифікації зразків рослин, які були спресовані, висушені і поміщені на Гербарні листи.
За словами вчених, це перша спроба використання глибокого навчання для вирішення складної таксономической завдання з ідентифікації видів рослин, представлених в природно-історичних колекціях.
У світі налічується близько 3000 гербаріїв, в яких зберігається близько 350 мільйонів видів рослин, і лише невелика їх частина оцифрована. Проект iDigBio Національного наукового фонду США містить більше 150 мільйонів зображень рослин і тварин, які були зібрані з усієї країни. Метою проекту є оцифровка наявної бази даних, щоб вчені з усього світу могли нею користуватися.
Фотографії гербарних аркушів з набору даних для тренування нейронної мережі.
використовуючи графічні карти GeForce GTX і фреймворк глибокого навчання Caffe з бібліотекою cuDNN , Вчені навчили свою сверточное нейросеть на понад 1000 видах рослин, які були представлені на більш ніж 260000 сканованих зображень гербарних аркушів. Натренований алгоритм демонструє 80-відсоткову точність. Причому в 90% випадків він вибирає один з п'яти найбільш ймовірних варіантів. дослідники вважають , Що вже зараз розроблений штучний інтелект істотно перевершує можливості фахівця-систематика.
«Деякі побоюються, що подібні технології можуть знецінити працю вчених в області ботаніки, - каже ботанік П'єр Бонні (Pierre Bonnet) з Французького центру міжнародних досліджень і розвитку в сфері сільського господарства в Монпельє, звертаючись до фахівців, кoторого вважають, що їх робота недооцінюється. - Але описаний підхід вдалося реалізувати тільки тому, що існує реальний ботанічний досвід по визначенню рослин. Розроблений алгоритм ніколи не замінить людини ». До того ж, додає він, необхідно перевіряти результати, отримані машиною.
Використання технології глибокого навчання дозволить дослідникам проводити додаткові аналізи. Гербарні зразки несуть в собі величезний обсяг інформації: наприклад, де і коли вони були зібрані, чи знаходилася рослина в фазі цвітіння або плодоносило під час збору, а також те, наскільки щільно квітки були згруповані. Так як деяким зразкам вже кілька сотень років, ці дані можуть допомогти намалювати картину того, як рослини пристосовуються до кліматичних змін. Ця область вивчення викликає все більший інтерес у зв'язку з проблемою зміни клімату.
Читати докладніше>
