凝视天空，你能分辨出粗腿鹰和北鹞的区别吗？假设你正在高高的草丛中行走。你能通过斑纹知道无害的地鼠蛇和响尾蛇之间的区别吗？蜻蜓呢——如果蜻蜓落在你的手臂上，你能挑出蜻蜓和草甸鹰吗？机器学习和 AWS 如何帮助啮齿动物远离脆弱的加利福尼亚岛屿大自然保护协会正在向人工智能和云寻求帮助，以进行一场捉迷藏游戏。这些是 iNaturalist 应用程序每天为其用户回答的问题。该应用程序是加州科学院和国家地理学会的联合倡议，是应用商店中下载量最高的应用程序，也是徒步旅行者、露营者和任何喜欢户外活动的人的首选应用程序。拍摄任何动植物的照片，如果您有信号，iNaturalist 会告诉您您正在查看的内容以及您可能需要了解的一切。Amazon Web Services 和一些非常精确的机器学习模型有助于为应用程序的图像识别和模式匹配算法提供支持。如果您正在查看地球上发现的 50,000 种更常见的物种之一，iNaturalist 可能会告诉您它是什么。目标是让尽可能多的人拍摄自然照片，以增加我们共享的科学知识。为了鼓励这种信息交换，iNaturalist 已通过 AWS 上的开放数据注册表公开访问其数据集。现在，世界各地的研究人员可以访问价值超过 160 TB 的数据集，而无需付费存储自己的数据副本。01 / 03联合主任 Scott Loarie 认为 iNaturalist 的众包数据集是推进科学和保护的重要一步。Loarie 拥有斯坦福大学生物学硕士学位和杜克大学环境科学博士学位，他认为，将数亿张众包图像的访问与可以在数据中发现模式的机器学习工具相结合，正在开创科学生物生物学、进化和生态学的新时代，类似于扩增和测序 DNA 工具可用时发生的情况。称之为“表型革命”，只不过不是围绕动物遗传密码的数据爆炸，而是围绕动物身体特征的数据爆炸。通过机器学习模型分析来自世界各地的数百万张物种图像，例如 iNaturalist 数据集中的图像，科学家们正在发现过去被遗漏的模式。例如，检查 iNaturalist 数据集的科学家们已经开始注意到，同一物种的蜻蜓会根据它们生活的气候呈现出更深和更亮的色调。像这样的发现取决于人们记录数据以及系统来轻松发布和访问数据。我们以前从未接触到过如此规模的生物图像。使用机器学习从这些新的生物多样性图像数据集中揭示新的科学见解正在改变我们处理生命科学的方式。斯科特·洛里iNaturalist联合总监“人们很容易认为我们现在了解了自然世界的一切，”洛里说。“但随着我们收集更多关于它的数据，更多的问题出现了。”Loarie 指出，尽管技术触手可及，但野外生物学的大部分内容仍然涉及收集标本并将其存放在博物馆中。虽然这是一种有用且必要的做法，但这意味着我们对生物的很多理解都来自于检查死物。现在我们有了获取数据并从活体标本中提取这些模式的工具，“Loarie 说。“这可以揭示大量关于一个物种在世界上的行为和生活方式的各个方面的信息，而这些信息并没有保存在标本中。”Loarie 认为这场革命并不局限于探索物种种群之间的物理差异。分析大型数据集的能力也会影响我们对行为和生命周期的理解。例如，每年春天，山羊都会脱掉厚厚的保暖皮毛。然而，通过数千张处于不同蜕皮阶段的山羊图像，再加上海拔、温度和其他环境因素等数据点，科学家们可以更好地了解气候变化将如何影响这种季节性脱落过程。一家气候变化初创公司如何使用 AWS 云计算来监测新森林的生长Terraformation 结合了本地专业知识和 AWS 云计算工具来重新种植植物。地球上拥有数百万种植物和动物，即使我们排除了真菌、藻类和细菌。迄今为止，我们对世界动植物的了解偏向于动物，尤其是鸟类、爬行动物和哺乳动物。Loarie 希望随着越来越多的用户上传照片，以及更多的博物学家（包括专业人士和业余爱好者）通过 iNaturalist 分享他们的数据，我们星球上生命的数字图片将继续完善。我们以前从未接触过如此规模的生物图像，“Loarie 说。“使用机器学习从这些新的生物多样性图像数据集中揭示新的科学见解正在改变我们处理生命科学的方式。”探索大自然并与 iNaturalist 分享您的发现。
