據(jù)《自然》雜志官網(wǎng)日前報道，一篇發(fā)表在最新一期《進化生物學》雜志上的論文稱，用成千上萬份標本圖像“訓練”過的計算機算法，已經(jīng)能自動識別被壓制的、干燥植物標本的物種。這是科學家首次嘗試通過深度學習，讓計算機使用大型復雜數(shù)據(jù)集的神經(jīng)網(wǎng)絡，解決了識別自然物種分類的困難任務。

　　世界各地的自然歷史博物館正在加速藏品數(shù)字化進程，將標本圖像存儲在開放數(shù)據(jù)庫中。比如美國國家科學基金會的iDigBio項目的一個數(shù)據(jù)庫，就擁有來自全美各地收集的超過1.5億張植物和動物圖像。

　　目前，世界3.5億個物種中，只有一小部分被數(shù)字化了。但是，隨著計算技術的進步，哥斯達黎加理工學院計算機科學家艾瑞克·蒙塔羅和法國蒙彼利埃國際發(fā)展農業(yè)研究中心植物學家皮埃爾·邦尼特認為，為標本做大數(shù)據(jù)集已經(jīng)成為可能。他們的團隊已經(jīng)實現(xiàn)了植物識別的自動化。

　　研究人員借助智能手機應用程序現(xiàn)場拍攝標本，積累了數(shù)以百萬計的新鮮植物圖像，然后對1000多個物種、超過26萬份植物標本進行了掃描識別，采用先進算法的識別準確率高達80％。

　　邦尼特說，這樣驚人的結果往往讓植物學家擔心其學術領域被輕視。“但人類的專長永遠不會被消除，識別結果仍需要植物學家來檢驗正確與否。”

　　人工智能識別標本的方法，極大地減少了植物學家收集和識別標本的時間，還能幫助改進標本數(shù)據(jù)貧乏地區(qū)的植物鑒定水平，對生物多樣性豐富但植物標本較少的地區(qū)特別有用。

　　此外，這種方法還能讓研究人員對大數(shù)據(jù)進行額外的分析。一般而言，植物標本樣本中含有豐富的數(shù)據(jù)信息，例如采集時間和地點，采集時在開花還是在結果，以及花群密集特征等。由于一些樣本是幾個世紀以前的數(shù)據(jù)，因此，可以幫助研究植物是如何適應氣候變化的。

　　美國賓夕法尼亞州立大學博士彼得·威爾夫說：“在自然歷史的進程中，這種方法預示著未來。”