根据普利茅斯大学领导的一项新研究，AI可以帮助科学家揭示生活在海底的物种种类。

随着海洋环境面临越来越多的威胁，科学家迫切需要更多关于栖息在海床中的生物的信息，以便为海底生物提供保护并为生物多样性管理提供信息。

安装有最新摄像机的自主水下航行器（AUV）现在能够收集大量数据，但由于人类不得不处理这些数据，仍然存在诸多问题。

在新研究中，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有效性。

在海底图像中识别各种动物的准确率约为80％，但如果使用足够的数据训练算法，则对特定物种的识别准确度高达93％。

科学家们表示，这表明CV很快就会被用于研究海洋动物和植物，保护研究和生物多样性管理的数据可用性大幅增加。

这项研究的第一作者，博士生Nils Piechaud说：“自动探测器是调查海底大部分深度超过60米（大多数潜水员可以达到的深度）的重要工具。但我们目前无法手动分析其中的数据。这项研究表明人工智能是一种很有潜力的工具，但如果用它来识别我们图像中的动物，AI分类器的正确率大约在80%。”

“这使得它成为处理从海底产生的大量数据的重要一步，并表明它可以帮助加快分析，当用于检测一些物种。但我们还没有考虑它在这个阶段完全替代人类。”



该研究是Deep Links的一部分，Deep Links是由自然环境研究委员会资助的研究项目，由普利茅斯大学领导，与牛津大学，英国地质调查局和联合自然保护委员会合作。

2016年5月，英国部署了一艘名为Autosub6000的水下机器人，它从大西洋东北部罗克尔班克东北面约1200米的海面下一次性收集了超过15万张图片。这些图像中大约有1200幅是人工分析的，包含了110种不同动物的40000个个体，其中大多数只出现过几次。

研究人员随后使用Tensorflow来教授一个预先训练好的卷积神经网络（CNN），以识别AUV图像中发现的各种深海形态物种的个体。然后，他们评估了神经网络在接受不同数量的动物图片和不同数量的形态图片训练时的表现。

人类手动注释的准确度可以在50％到95％之间，但速度很慢，而这种自动化方法的准确率达到了80％左右，具有明显的速度和一致性优势，接近人类的表现。

对于算法运行良好的一些形态种类尤其如此。例如，该模型可以以93％的准确率识别一种动物。

虽然该研究并不主张更换手动注释，但它确实表明，如果仔细评估其预测的可靠性，海洋生物学家可以为特定任务利用AI，这将大大提高科学家分析其数据的能力。

研究人员表示，将专业生态知识与高科技AUV调查海底大面积区域的能力，以及人工智能的快速数据处理能力相结合，可以大大加快深海探测的速度，同时更广泛地了解海洋的生态系统。