“采用机器人和人工智能来了解深海”

普利茅斯大学领导的一项新研究表明，人工智能( ai )有助于科学家查明海底居住的物种种类。

随着海洋环境面临更多的威胁，科学家越来越需要海底栖息的新闻来提供保护和生物多样化管理的新闻。

搭载最新照相机的自主水下航行器( auv )现在可以收集大量的数据，但如果人类必须解决瓶颈，就会产生瓶颈。

在海洋生态学进展系列发布的新研究中，海洋科学家和机器人专家测试了计算机视觉( cv )系统在潜在履行这一职责中的比较有效性。

他们在海底图像中识别各种动物的精度平均约为80%，但如果采用充分的数据训练算法，对特定物种的精度将达到93%。

科学家们表示，cv很快将用于海洋动物和植物的研究，这表明保护研究和生物多样化管理的数据可用性将大幅增加。

该研究的第一作者、博士生nils piechaud表示，自动驾驶车是调查海底大部分深度在60米以上(大部分潜水员能够达到的深度)的重要工具。 但是，我们目前无法超越这项研究手动分解人工智能是一种很有前景的工具，但是如果我们用它来识别我们图像中的动物，我们的ai分类器就会出错五次。

这是解决海底产生的大量数据的重要一步，表明为了检测一点物种有助于加速分解。 但是，我们不认为它适合在这个阶段完全替代人类。

这项研究是deep links的一部分，deep links是自然环境研究委员会资助的研究项目，由普利茅斯大学指导，与牛津大学、英国地质调查局、联合自然保护委员会合作。

年5月部署的英国国家auv之一，Autosub6000---在东北大西洋rockall bank东北侧海面以下1200米的潜水中收集到了150，000多张图像。 这些图像中约有1，200人被人工分解，包括110种不同种类的动物(形态)在内的40，000人，其中大多数只看到了少数。

随后，利用谷歌的tensorflow (开放存取库)教授了事先训练好的卷积神经互联网( cnn )，对auv图像中发现的各种深海形态物种的个人进行了识别。 并且，判断了cnn使用不同数量的动物样本图像进行训练时的表现，以及可以选择不同数量的形态种类。

人工评论的准确度可以在50%到95%之间，但这种方法很慢，甚至专家在时间和研究小组上也非常不一致。 该自动化方法的精度达到80%左右，具有明显的速度和一致性特征，接近人类的表现。

从算法运行良好这一点来看，形态的种类特别多。 例如，该模型用93%的时间准确识别动物(类型的异种植物)。

虽然该研究不主张交换手动注释，但研究表明，如果仔细判断其预测的可靠性，海洋生物学家可以为特定任务实施ai。 这将大大提高科学家分解数据的能力。

研究人员表示，专业的生态知识和高科技auv调查海底大面积区域的能力与人工智能快速数据解决能力相结合，可以大大加快深海探测的速度，了解海洋更广泛的生态系统。

海洋生态学副教授兼deep links项目首席研究员kerry howell博士补充说，我们星球的大部分地区是深海，这是一个广阔的地区，我们的知识空之间也同样巨大。 包括气候变化在内的海洋环境压力越来越大，我们必须了解海洋和其中发现的栖息地和物种。 在机器人和自动驾驶车、大数据和全球开放研究的时代，人工智能工具的快速发展可能有助于加速我们的并购知识。