根据新闻报道，在“ Evolutionary Biology”中发表了一篇论文。指出计算机算法是“训练过的”。带有成千上万个标本的图像已经能够自动识别被抑制和干燥的植物标本的种类。这是科学家首次尝试使用深度学习，以使计算机能够使用具有大型和复杂数据集的神经网络来解决识别自然物种分类的艰巨任务。世界各地的自然历史博物馆都在加速其藏品的数字化，将标本图像存储在开放式数据库中。例如，美国国家科学基金会（National Science Foundation）的iDigBio项目的数据库包含从美国各地收集的超过1.5亿张动植物图像。目前，世界上3.5亿个物种中只有一小部分被数字化。但是，随着计算技术的发展，哥斯达黎加理工学院的计算机科学家Eric Montaro和法国蒙彼利埃国际农业研究发展中心的植物学家Pierre Bonnet相信，可以使标本更大。设置成为可能。他们的团队已经实现了工厂识别的自动化。研究人员使用智能手机应用程序在现场拍摄标本，积累了数百万张新鲜植物的图像，然后扫描并识别了超过260,000种1000多种植物标本。使用先进算法的识别准确率高达80％。邦内特说，如此惊人的结果经常使植物学家担心他们的学术领域会被低估。 “但是人类的专业知识永远不会消除，并且识别结果仍然需要植物学家检查它们是否正确。通过人工智能识别标本的方法大大减少了植物学家收集和识别标本的时间。它还可以帮助提高标本数据差的地区的植物识别水平。对于生物多样性丰富但植物标本很少的地区尤其有用。 。此外，这种方法使研究人员可以对大数据进行附加分析。一般而言，植物标本样品包含大量数据信息，例如采集的时间和位置，采集时是否开花或结实，以及密集的花簇的特征。由于一些样本是几个世纪以前的数据，因此可以帮助研究植物如何适应气候变化。彼得＆amp; middot;博士美国宾夕法尼亚州立大学的威尔夫说：“在自然历史过程中，这种方法预示着未来。植物学家似乎摆脱了收集和鉴定标本的繁重工作。如果研究结果稳定，则可以节省至少80％的时间！您知道，全球自然历史博物馆中的数字标本越来越多，单个数据库中有超过1.5亿张图像。人工智能可以自动识别标本，这当然不会对植物学家构成威胁。毕竟，大多数识别工作是无聊的，但也至关重要。人工智能在这些地方更贴心地提供帮助。打开大脑，如果科学家能够给人工智能提供所有繁琐而引人注目的任务，科学成果会更加丰富吗？