计算机可以从一张照片中识别200种鸟类

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区分不同的鸟类。

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，并由预测分析实验室的其他团队成员共同完成，实验室由杜克大学教授Cynthia Rudin指导。

人工智能展示其思维过程

虽然识别过程令人印象深刻，但更重要的是，人工智能可以展示其思维过程，允许即使是没有经验的鸟类观察者也能理解识别过程。

深度神经网络或基于大脑工作原理的算法是使用11,788张照片训练的。这些照片包括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翼羽。相反，网络可以从一张鸟的照片中识别出图像中的某些模式，然后将这些模式与之前遇到的典型物种特征进行比较。

根据研究团队，网络然后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，以及不同的特征，如面具状头部和黄色腹部。然后，它显示这些特征导致了识别。

与其他系统不同

神经网络能够识别正确的物种达84%的时间，这与一些最好的系统相似。不同的是，这些系统不像这个系统一样解释思维过程。

根据Rudin的说法，该项目最革命性的方面是，它为深度神经网络在查看图像时看到的内容提供了可视化。

该技术目前也被用于社交媒体网站，以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灯和行人。

深度学习软件通常不需要显式编程即可从数据中学习，这与传统软件不同。然而，过程并不总是清晰或显示，因此通常很难解释算法在分类图像时的“思维”过程。

在未来

Rudin和其他人目前正在开发新的深度学习模型用于人工智能，推动该领域的发展。新的模型可以解释其推理和识别过程。这有助于研究人员从开始到结束看到整个过程，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使用算法。它可以在医学图像（如乳腺X线摄影）中识别特定的问题区域。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，网络模仿了医生做出诊断的方式。

“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，为什么他们的图像被网络归类为恶性或良性。”

该团队将在温哥华的第33届神经信息处理系统会议（NeurlIPS2019）上于12月12日发表一篇包含他们研究的论文。

该研究还包括杜克大学的Daniel Tao和Alina Barnerr以及MIT林肯实验室的Jonathan Su作为作者。