春天来了，万物复苏。在坦桑尼亚西北部的塞伦盖蒂大草原上，计算机们正在履行它们的职责：用机器学习算法识别不同物种，追踪野生动物。
以后的《动物世界》大概就是这样的了。
怀俄明大学的Jeff Clune、Mohammed Sadegh Norouzzadeh和哈佛大学、牛津大学、明尼苏达大学的研究人员一起，训练深度学习系统区分了48种动物，包括大象、长颈鹿和瞪羚。
在测试过程中，这种算法识别物种的准确率高达92%。他们使用的数据集包含320万张野生动物图片，在坦桑尼亚塞伦盖蒂国家公园由隐藏式相机拍摄。
偷拍野生动物的照片，对于研究人员来说早就已经没有难度。
△ 被偷拍的野生动物
他们使用的照相机可以利用热量和动作等触发因素，自动拍摄周围动物的照片。参与该项目的牛津大学研究人员Ali Swanson表示，通过这种方式，生态学家得以拍摄数以百万计的照片用于研究，但人类通常需要手动为这些照片添加标签。如果算法能够对其中部分照片进行归类，就可以节省大量时间。
2010年，Swanson在塞伦盖蒂安装了225台相机，并邀请了7万名在线志愿者为照片添加标签。当Clune听闻此事后，认为机器学习可以完美解决这个问题——所以，他和Swanson才安排了这样一个项目。
“在人工智能和机器学习领域，当今最困难的事情之一就是制作一个优秀的大型标签化数据集。”Clune说。
他的团队首先教给神经网络识别某张照片中是否包含动物，事实上，在那里拍摄的照片75%都没有动物。研究人员之后还会训练其识别不同物种。
Clune表示，在识别数据集中常见的动物时，这套系统的表现好得多，但在识别非洲艾鼬等较为罕见的物种时却会遇到麻烦，因为这种动物在数据集里只出现过几十次。
Clune表示，该系统可以用来对多数照片进行归类，剩余那些不确定的内容可以交由研究人员来处理。之后再利用这些手动添加标签的图片进一步训练系统，使之可以更好地识别罕见物种。该团队还计划测试该系统能否识别出图片中动物的行为。
“这太让人兴奋了。”伦敦动物学会的Chris Carbone说。他表示，自动识别物种可以帮助我们更多地了解物种分布，更好地理解人类对它们产生的影响。
Swanson表示，一套理想的系统可以在动物经过镜头时提供实时追踪信息，但挑战在于如何将设备上的数据实时上传送给分析系统，而不是像现在这样利用SD卡进行存储，等待研究人员实地调取。
还有一个难点在于，土狼和大象喜欢破坏相机，所以必须将其存放在坚硬的塑料盒里，没有任何空间来安装数据传输所需的天线。“如果在相机上安装天线，根本用不了多久。”Swanson说，“很快就会有动物把它嚼碎。”
