能够从一张照片中识别200种鸟类的计算机

来自杜克大学的研究人员使用机器学习来训练计算机，能够识别多达200种不同的鸟类。计算机只需要一张照片就可以完成识别过程。对于人类来说，需要多年的鸟类观察才能识别出不同的物种。

该研究由杜克大学计算机科学博士生Chaofan Chen和本科生Oscar Li领导，并由杜克大学教授Cynthia Rudin指导的预测分析实验室的其他团队成员共同完成。

人工智能展示其思考过程

虽然识别过程令人印象深刻，但更重要的是人工智能能够展示其思考过程，甚至让没有经验的鸟类观察者也能理解这个过程。

深度神经网络或基于大脑工作原理的算法经过11,788张照片的训练，包括200种不同的鸟类，从鸭子到蜂鸟。

研究团队不需要专门训练网络来识别鸟喙或翅膀羽毛。相反，网络可以从一张鸟的照片中识别出某些模式，然后将这些模式与之前遇到的典型物种特征进行匹配。

根据团队的说法，网络会创建一系列热力图来识别某些特征。例如，它可以区分普通的莺类和戴帽莺类，并识别出不同的特征，如带有面具的头部和黄色的腹部。然后，它会显示这些特征是如何导致识别的。

与其他系统不同

神经网络能够识别出正确的物种，准确率高达84%，这与一些最好的系统相似。然而，这些系统并不能像这个系统一样解释思考过程。

根据Rudin的说法，该项目最革命性的方面是，它为深度神经网络提供了可视化的解释，展示了它们在查看图像时看到的内容。

这种技术也被用于社交媒体网站，识别监控摄像头中的嫌疑人，并帮助自动驾驶汽车识别交通信号和行人。

深度学习软件通常不需要显式编程就可以从数据中学习，这与传统软件不同。然而，过程并不总是清晰或可见，因此很难解释算法在分类图像时是如何“思考”的。

在未来

Rudin和其他人目前正在开发新的深度学习模型，推动人工智能领域的发展。这些新模型可以解释其推理和识别过程，这有助于研究人员从头到尾了解整个过程，并使得识别错误或问题的原因变得更容易。

Rudin和她的团队将致力于在医学领域应用该算法，识别医学图像中的问题区域，例如乳腺X光片。这将帮助医疗专业人员检测肿块、钙化和其他乳腺癌的迹象。

根据Rudin的说法，网络模仿了医生诊断的方式。

“这是基于案例的推理，”Rudin说。“我们希望能够更好地解释给医生或患者，为什么网络将图像分类为恶性或良性。”

该团队将在温哥华举行的第33届神经信息处理系统会议（NeurlIPS2019）上发表一篇关于他们研究的论文。

该研究还包括杜克大学的Daniel Tao和Alina Barnerr，以及麻省理工学院林肯实验室的Jonathan Su作为共同作者。