深度學習識別10000物種，手機上的@博物雜誌

新智元編譯

作者：Sue Gee

編譯： 劉小芹

【新智元導讀】iNaturalist 推出一個識別動物和植物物種的app，使用TensorFlow訓練神經網路，已經能夠識別出超過10000種不同的物種，而且每1.7小時模型增加1個新的物種。

iNaturalist.org 推出了一個 Android 和 iOS 應用程序，可以在物種層面自動識別動物和植物。這個app使用 TensorFlow 進行訓練，已經能夠識別出超過10000種不同的物種，而且每1.7小時模型增加1個新的物種。

iNaturalist.org 是一個成立已久的受歡迎的網站，其使命是將專家和業餘的「公民科學家」連接起來，激發人們對自然界的興趣並鼓勵參與自然世界，同時使用收集的數據幫助科學家檢測生物多樣性變化，甚至可以幫助發現新物種。網站由加州大學伯克利分校的學生成立於2008年，最近被加州科學館收購，網站曾經依賴眾包。當用戶上傳一張植物或動物的照片時，由科學家和博物學家進行識別。

iNaturalist 的聯合主管斯科特·洛里（Scott Loarie）表示，眾包的形式通常效果很好。用戶上傳的一半左右的神秘觀察能在2天內被識別出來，假如上傳的帖子就來自加利福尼亞州的話，識別的速度甚至更快，1小時就可以識別出來。這是因為iNaturalist的大量經驗豐富的專家是以美國西海岸為基礎的。但是，獲得識別所需的平均時間是18天，這意味著一些用戶需要等待很長時間才能知道自己拍攝的是什麼物種。另一個問題是，隨著網站越來越受歡迎，觀察員（上傳照片的用戶）數量遠遠超過了鑒定員（告訴你照片中的生物是什麼物種的志願者專家）數量。

為了緩解志願者專家的重擔，iNaturalist 團隊與康奈爾鳥類實驗室（Cornell Lab of Ornithology），Merlin鳥類識別app的開發人員，以及Visipedia圖像識別研究項目合作，使用機器學習技術更快地提供高質量的物種識別。

Visipedia 是 Visual Encyclopedia 的縮寫，這是加州理工學院與康奈爾科技學院合作的一個項目，是一個人與機器聯合的網路，旨在收集和處理視覺信息，並使任何人均可訪問。

使用 TensorFlow 深度學習框架，Visipedia 團隊對 iNaturalist 資料庫上的專家社區標記過的圖像訓練神經網路模型。目前，iNaturalist擁有大約4,000,000可驗證的觀察結果，即具有所有必要的數據質量屬性（例如照片，位置，非寵物，等等），並且已被專家審查，可以被認為是「研究級」的觀察結果。這些觀察結果代表了約100000的物種。

iNaturalist 的設計是，至少要有20個研究級的觀察結果才能在其模型中包含1個物種。雖然上圖顯示有13730個物種，但這個數字可能是接近但還不到10000種，這是為了避免觀察者的影響，必須確保每個物種有20個不同的觀察者。

這個新的應用程序使用研究級的觀察結果來對動物的物種給出自信的回答，並給出前10個可能的選項作為不確定建議。其最初給出的結果正確率是86%，在前10個建議項給出的結果正確率是77%。隨著模型繼續得到訓練，這些正確率數字應該能提高，當然，這個應用程序本身對新的觀察和新物種的識別也有幫助，平均每1.7小時能為模型增加1個新物種。

在demo中，app幾秒內識別出牛科動物家族，雖然其識別的結果從瀕危的蠻羊到大角羊都有。它給出的其他選項如下圖：

右下方的是艾貝克斯山羊拉丁美洲亞種，西班牙東南部的北山羊，這似乎是完美契合的。App也會給出關於動物來源的信息，在上面的demo則是西班牙特有的野山羊。

iNaturalis 應用程序提供了一種快速簡單的方式來以照片和GPS位置的方式記錄用戶觀察到的動物和植物，並能夠讓世界各地的人訪問其他人的觀察，成為公民科學運動的一部分。