På en nylig tur til de lokale botaniske hagene la jeg merke til en høy, slående lilla blomst jeg aldri hadde lagt merke til før. Jeg prøvde å Google det, men visste ikke helt hva jeg skulle spørre. “Purple flower” brakte meg bilder av narcissus og freesia, orkideer og primrose, gladiolus og morgenherlighet. Ingen av dem var blomsten jeg hadde sett.
Relatert innhold
- Vil den neste store vitenskapelige oppdagelsen bli gjort av amatører?
- Scientists Catalog Creatures in Every Corner of Los Angeles
- Topp tre resultater fra et 115 år gammelt Citizen Science Project
- Uten menneskelig tilsyn lærer 16.000 datamaskiner å gjenkjenne katter
Men takket være kunstig intelligens, har nysgjerrige amatørnaturalister som meg nå bedre måter å identifisere naturen rundt oss. Flere nye nettsteder og apper bruker AI-teknologi for å sette navn på bilder.
iNaturalist.org er en av disse nettstedene. Grunnlagt i 2008, har til nå utelukkende vært en crowddsourcing-side. Brukere legger ut et bilde av en plante eller et dyr, og et samfunn av forskere og naturforskere vil identifisere det. Dens oppdrag er å koble eksperter og amatører "borgerforskere", å bli folk begeistret for planter og dyreliv mens de bruker dataene som er samlet for å potensielt hjelpe profesjonelle forskere med å overvåke endringer i biologisk mangfold eller til og med oppdage nye arter.
Den folkemessige modellen fungerer generelt bra, sier Scott Loarie, iNaturalists meddirektør. Men det er noen begrensninger. For det første kan det være mye vanskeligere å få en identifikasjon av fotografiet ditt, avhengig av hvor du bor. I California, der Loarie er basert, kan han få en identifikasjon i løpet av en time. Det er fordi et stort antall av ekspertene som hyppig iNaturalist er basert på vestkysten. Men noen i, for eksempel, det landlige Thailand, må kanskje vente mye lenger på å få en ID: Den gjennomsnittlige tiden det tar å få en identifikasjon er 18 dager. En annen sak: Siden nettstedet har blitt mer populært, har balansen mellom observatører (folk som legger ut bilder) til identifikatorer (folk som forteller deg hva bildene er) blitt skjev, med langt flere observatører enn identifikatorer. Dette truer med å overvelde de frivillige ekspertene.Denne måneden planlegger iNaturalist å lansere en app som bruker AI for å identifisere planter og dyr helt ned på artsnivået. Appen utnytter såkalt “dyp læring”, ved hjelp av kunstige nevrale nettverk som lar datamaskiner lære som mennesker gjør, slik at deres evner kan gå over tid.
"Vi er håpefulle at dette vil engasjere en helt ny gruppe innbyggerforskere, " sier Loarie.
Appen blir trent av å bli matet merkede bilder fra iNaturalists massive database med observasjoner av "forskningskvalitet" - observasjoner som er bekreftet av nettstedets ekspertmiljø. Når modellen har blitt trent på nok merkede bilder, begynner den å kunne identifisere umerkede bilder. For øyeblikket er iNaturalist i stand til å legge til en ny art til modellen hver 1. time. Jo flere bilder lastet opp av brukere og identifisert av eksperter, jo bedre.
"Jo flere ting vi får, jo mer trent blir modellen, " sier Loarie.
INaturalist-teamet ønsker at modellen alltid skal være nøyaktig, selv om det betyr at den ikke er så presis som mulig. Akkurat nå prøver modellen å gi en trygg respons om dyrets slekt, deretter en mer forsiktig respons om arten, og tilbyr de 10 beste mulighetene. Det stemmer for øyeblikket om slekten 86 prosent av tiden, og gir arten i sine topp 10 resultater 77 prosent av tiden. Disse tallene bør forbedre seg etter hvert som modellen fortsetter å bli trent.
Da jeg lekte med en demoversjon, kom jeg inn i et bilde av en lunde som ligger på en stein. "Vi er ganske sikre på at dette er i slekten lunnefugler, " sa det og ga den riktige arten - atlantisk lundefugl - som det beste antydede resultatet. Så kom jeg inn i et bilde av en afrikansk kløvet frosk. "Vi er ganske sikre på at dette er i slekten Western spadefoot padder, " fortalte den meg, og tilbyr afrikansk kløvet frosk som blant de 10 beste resultatene.
AI var "ikke trygg nok til å gi en anbefaling" om et bilde av sønnen min, men foreslo at han kan være en nordlig leopardfrosk, en hagesnegl eller en goperslange, blant andre ikke-menneskelige skapninger. Da alle disse ble oppdaget, innså jeg at datamaskinsynet så polka-dot-bakgrunnen til min sønns barnestol og misidentifiserte den som en del av prøven. Så jeg beskjærte bildet til bare ansiktet hans var synlig og trykket “klassifiser.” “Vi er ganske sikre på at dette er i underordens øgler, ” svarte AI. Enten ser babyen min ut som en firfirsle eller - det virkelige svaret, antar jeg - dette viser at modellen bare gjenkjenner hva den er matet på. Og ingen mater bilder av mennesker av åpenbare grunner.
iNaturalist håper appen vil ta press fra ekspertmiljøet sitt, og gi rom for et større fellesskap av observatører å delta, for eksempel grupper av skolebarn. Det kan også gi rom for "kamerafangst" - sending av bilder fra en kamerafelle, som tar et bilde når det utløses av bevegelse. iNaturalist har motet kameraets fangst, ettersom det oversvømmer nettstedet med store mengder bilder som kanskje ikke trenger ekspertidentifikasjon som (noen bilder vil være tomme, mens andre vil fange vanlige dyr som ekorn som kameraets eier lett kunne identifisere seg selv eller seg selv). Men med AI ville det ikke være noe problem. iNaturalist håper også den nye teknologien vil engasjere et nytt fellesskap av brukere, inkludert mennesker som kan ha interesse for naturen, men som ikke ville være villige til å vente flere dager på å få en identifikasjon under den folkemessige modellen.
Rask identifikasjon av arter kan også være nyttig i andre situasjoner, for eksempel rettshåndhevelse.
"La oss si at TSA-arbeidere åpner en koffert og at noen har gekkoer, " sier Loarie. "De trenger å vite om de skal arrestere noen eller ikke."
I dette tilfellet kunne AI fortelle TSA-agentene hvilken type gekko de så på, noe som kan hjelpe i en etterforskning.
iNaturalist er ikke det eneste nettstedet som drar fordel av datasyn for å engasjere innbyggerforskere. Cornells Merlin Bird ID-app bruker AI for å identifisere mer enn 750 nordamerikanske fugler. Du må bare svare på noen få enkle spørsmål først, inkludert størrelsen og fargen på fuglen du så. gjør det samme for planter, etter at du har fortalt det hvilken del av planten den ser på (blomst, frukt, etc.).
Alt dette er en del av en større interesse av å bruke AI til å identifisere bilder. Det er AI-programmer som kan identifisere objekter fra tegninger (til og med dårlige). AIs kan se på malerier og identifisere kunstnere og sjangre. Mange eksperter tror datasyn vil spille en enorm rolle i helsevesenet, noe som gjør det lettere å identifisere for eksempel hudkreft. Bilprodusenter bruker datasyn for å lære biler å identifisere og unngå å slå fotgjengere. Et plottpunkt i en fersk episode av komedien Silicon Valley behandlet en datavisjons-app for å identifisere mat. Men siden skaperen bare trente den på pølser - siden det å trene et nevralt nettverk krever utallige timer med menneskelig arbeid - kunne det bare skille mellom pølser og "ikke pølser."
Dette spørsmålet om humorarbeid er viktig. Massive databaser med riktig merkede bilder er avgjørende for å trene AI-er, og kan være vanskelig å få tak i. iNaturalist, som et mangeårig publikumssideområde, har allerede akkurat denne typen databaser, og det er grunnen til at modellen har kommet så raskt frem, sier Loarie. Andre nettsteder og apper må finne dataene sine andre steder, ofte fra akademiske bilder.
"Det er fremdeles tidlige dager, men jeg garanterer at det neste år kommer til å se en spredning av slike apper, " sier Loarie.
