AI再现逆天功能！这次连小鸟都能识别出来，准确率高达90％

人类对野生动物的研究由来已久，这样做让人类更深入了解自然生态，以助人类处理好与自然的关系。在对野生动物进行观察的过程中，大多数人都无法准确识别野生动物的种类，即使是专业人员有时候也难以区分两个相似的物种，这种情况经常出现在对野生鸟类的研究中。为了解决这个问题，来自欧洲的科研团队尝试利用人工智能来对野生鸟类进行识别。

根据报道，一支由法国和葡萄牙的科学家组成的研究团队近期在学术期刊《生态和进化》上发表了一篇关于利用人工智能识别鸟类的研究论文。该论文指出该团队所建立起的深度学习模型可以较为准确地识别斑胸草雀、野生大山雀和野生织巢鸟三种外形较为相似的鸟类，而且准确率高达90%，这比人类利用肉眼进行识别的准确率还要高。

研究人员利用什么技术来识别动物个体？

近些年来人工智能是科技领域最热的话题之一，人工智能方面的技术也成为了科学家解决实际问题的重要手段。据了解，该研究团队在对野生动物进行识别的过程中发现一个关键问题，他们无法用调查圈养动物的方法来调查野生动物，因为野生动物的活动范围更大，个体间的差异更小。为了解决这个问题，研究人员尝试利用人工智能领域的深度学习方法进行研究。

深度学习方法中有一种卷积神经网络，简称为CNN。这种技术的本质也是从海量数据中学习，进而不断提高识别能力。但不同的是，CNN并不需要对野生动物个体的特征进行手工提取，研究人员只需要提供同一个体的大量照片用以学习即可。

开发系统的过程中存在哪些难题？

虽然CNN技术能够有效识别动物个体，但是大量的野生动物照片并不容易获取。如果是以人类为对象，那么研究人员只需要雇佣不同人种的模特进行长时间的拍摄即可，但是野生动物并不会对人类言听计从。为了解决这个问题，研究人员对圈养野生鸟类的鸟笼进行改造。

他们在喂鸟器上安装了传感器和摄像头，这样当野生鸟进食的时候就会触动传感器，然后摄像头接收到信号后迅速拍下高清照片，照片生成后自动提供给CNN系统学习。整个过程高度自动和智能，大大减少了研究人员的工作量。在进行了大量图片学习后，基于卷积神经网络的野生鸟类识别系统形成了。

该系统并不完善，还存在这些问题

研究人员费雷拉指出，他们研发的系统目前还存在一些需要解决的问题，例如该系统只能准确识别数据库里存在的个体，很难识别新出现的小鸟，这就是机器学习中“泛化能力”较差的体现。因此该团队计划在圈养地设置更多角度的摄像头，以拍摄更多图片用于深度学习。

很多人认为机器学习、深度学习这些术语离自己很遥远，实际上这些人工智能领域的技术已经支撑起了很多应用，例如社交平台、视频平台等平台的推荐推送。只有对这些技术有所了解，我们才不会与时代发展脱节。