你的游戏技能可以帮助人工智能识别水母和鲸鱼

如今，由于水下相机的设计不断改进，拍摄水下世界的方式比本世纪初任何人想象的都要多。一方面，它们为海洋生物提供了令人大开眼界的视角。但另一方面，这些设备也让海洋生物学家面临海量视觉数据的困扰，而整理这些数据变得异常繁琐和耗时。

加利福尼亚州蒙特利湾水族馆研究所提出了一个解决方案：一个可以帮助处理视频和图像的游戏化机器学习平台。它被称为 Ocean Vision AI，其工作原理是将人工注释与人工智能相结合。你可以将它想象成 ebird 或 iNaturalist 应用程序，但针对海洋生物进行了修改。

该项目是数据科学家、海洋学家、游戏开发者和人机交互专家之间的多学科合作。周二，美国国家科学基金会向这个为期两年的项目提供了 500 万美元的资助，以表示对该项目的支持。

海洋探索联盟创始人兼总裁、海洋视觉人工智能联合首席研究员凯蒂·克罗夫·贝尔在一份新闻稿中表示：“在拍摄的数十万小时海洋视频和图像中，只有一小部分被完整地观看和分析，与全球科学界分享的就更少了。”分析生物与环境以及彼此之间以复杂方式互动的图像和视频通常需要专家手动标记，这是一种资源密集型且不易扩展的方法。

[相关：为什么海洋研究人员想要创建一个全球海底声音库]

MBARI 首席工程师、Ocean Vision AI 首席研究员 Kakani Katija 在 Twitter 上写道：“随着越来越多的行业和机构希望利用海洋，他们越来越需要了解其活动交叉的空间。发展蓝色经济需要了解其对海洋环境的影响，特别是对生活在那里的生物的影响。”

人工智能可以发挥作用。海洋生物学家已经在尝试使用人工智能软件对海洋中的声音（如鲸鱼的歌声）进行分类。Ocean Vision AI 的想法是创建一个中央枢纽，可以收集来自研究小组的新的和现有的水下视觉图像，利用这些图像训练生物识别人工智能算法，例如在画面中区分螃蟹和海绵，并将带注释的图像作为开放数据来源与公众和更广泛的科学界分享。

[相关：雅克·库斯托的孙子正在建造海底研究站网络]

该方程式的一个关键部分是名为 FathomNet 的开源图像数据库。根据 NSF 的 2022 年融合加速器组合，“FathomNet 中的数据被用于指导 OVAI [海洋视觉人工智能] 门户的设计，这是我们为海洋专业人士提供的界面，用于选择感兴趣的概念、从 FathomNet 获取相关训练数据并调整机器学习模型。OVAI 的最终目标是使获取海洋图像和分析海洋图像所需的基础设施变得民主化。”

Ocean Vision AI 还将包含一个视频游戏组件，用于吸引公众参与该项目。该团队正在开发的视频游戏“将在生成新注释的同时教育玩家”，从而提高 AI 模型的准确性。

尽管这款游戏仍处于原型测试阶段，但从 NSF 发布到 YouTube 的一段视频中可以看到它的一瞥，视频中显示的界面会询问用户他们看到的照片中是否包含水母（水母的图像显示在屏幕顶部）。

以下是该项目的当前时间表。到明年夏天，该团队预计 FathomNet 的第一个版本（目前处于测试阶段）将投入使用，并提供一组初步数据。2024 年，该团队将开始将机器学习标记的生态调查数据导出到全球生物多样性信息机构等存储库，并研究为机构建立潜在的订阅模式。在此期间，视频游戏的模块将集成到其他流行游戏以及博物馆和水族馆体验中。在对不同版本进行现场测试后，该团队将完成设计并于 2024 年底发布一款独立的多平台游戏。

卡蒂娅在新闻稿中表示：“海洋对地球的健康起着至关重要的作用，但我们只观察到了其中的一小部分。我们正在共同开发迫切需要的工具，以帮助我们更好地了解和保护我们的蓝色星球。”