按边界 信用:CC0公共领域 海洋生态系统正处于保护危机之中，尤其是珊瑚礁因气候变化而面临诸多挑战
为了更好地了解这些环境及其面临的威胁，研究人员利用从潜水员和浮潜者处收集的3D图像以及从卫星上收集的2D图像，收集了这些水下环境的大量图像库
这些方法为研究人员提供了大量数据，但是要从这些库中提取价值，需要一种快速分析模式或“分类”的方法
在《海洋科学前沿》的一项新研究中，美国宇航局艾姆斯研究中心高级传感实验室的研究人员通过使用一种叫做卷积神经网络(CNN)的人工智能工具将这一过程自动化，正如湾区环境研究所的主要作者贾勒特·范登·伯格解释的那样: “大量的三维珊瑚礁图像需要分类，这样我们才能了解珊瑚礁生态系统随着时间的推移是如何发展的
尽可能高效地进行这一分类过程促使我们关注氯化萘的自动化
" 中枢神经系统是一种人工智能模型，松散地基于生物神经元和大脑，用于分析图像和寻找特征，例如珊瑚礁上的不同珊瑚物种，甚至在水下场景中游泳的鱼，以及这些特征与图像中其他一切的关系
这种分层的深度使得氯化萘非常适合分析复杂的图像，比如珊瑚礁
然而，杰瑞特·范·登·伯格解释说，在对数据进行分类时，使用有线电视新闻网还会带来额外的挑战:“有线电视新闻网需要大量的训练数据才能正常运行，因此建立一个大型数据数据库对我们来说至关重要，我们可以用它来训练有线电视新闻网如何对这些复杂的珊瑚礁3D图像进行分类
" 为了克服这一挑战，研究人员使用了一种名为NeMO-Net的电子游戏形式的公民科学方法，该方法利用公民科学家的力量来生成训练数据集
当玩家探索虚拟水下世界时，他们可以了解珊瑚物种并对其进行分类，然后他们的分类标签被用来训练NeMO-Net的CNN
范登伯格先生还强调了NeMO-Net项目更有意义的方面:“NeMO-Net主要收集数据，但它也是一种教育工具，让人们更深入地了解我们的珊瑚礁
到目前为止，该游戏在发布后的7个月里已经达到了3亿多人
" 研究人员希望他们在开发NeMO-Net视频游戏和CNN方面的工作对其他保护和绘图项目有价值，并应探索对机器学习潜力的进一步研究: “随着我们技术的进步，机器学习也许能让我们很好地估计出两到五年后我们的珊瑚礁会是什么样子
这对那些想看看他们工作的影响的珊瑚礁保护者来说是非常有用的
我们才刚刚开始看到机器学习对自然保护的影响
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
