这么多化石，这么短的时间——训练人们去识别它们。

随着科学家们努力应对大量未决海洋化石的积压，以耶鲁大学为首的国际组织开始利用机器学习技术解决研究海洋中最丰富生命形式的研究人员所面临的艰巨任务。

耶鲁大学地质学家平切利赫尔实验室领导的研究团队建立了一个自动化系统，可以浏览大量浮游生物化石图像，正确识别单个物种。这项新技术标志着科学家评估过去和现在全球生态变化对浮游生物影响的能力有了显著提高。

一项宣布这项技术的研究发表在《古海洋学和古气候学》杂志上。

该研究的资深作者赫尔说：“地球上数以百万计的物种，以及化石记录中数以百万计的物种，有太多的分类专家无法识别它们，因此我们可以了解物种和生态系统如何应对气候变化等关键问题。

赫尔补充说：“在这里，我们通过汇集全球分类学家的专业知识来解决这个问题，从而创建了最大的重要浮游生物群的图像数据库(按物种级别进行识别)。”“然后，我们使用机器学习技术训练计算机做同样的事情。”

从地球化学研究到了解海洋中复杂且相互关联的物理过程动力学，识别浮游生物是海洋古生物学许多领域的核心。例如，它们可以被分析以重建海面温度、盐度和一些大气值。然而，由于缺乏培养浮游生物分类学学生的资源，已经证明很难识别单个浮游生物物种进行研究。

赫尔和她的同事们开始了一项雄心勃勃的计划，要对这种情况做些什么。他们通过一个名为无尽有孔虫的在线门户收集了一个包含34000多种典型浮游生物物种图像的数据库(“有孔虫”是有孔虫的缩写，有孔虫是一种单细胞生物，具有悠久的化石记录和上亿年的悠久历史)。公民科学平台Zooniverse上托管的培训门户。这些图片来自耶鲁大学皮博迪自然历史博物馆和伦敦自然历史博物馆的藏品。

接下来，研究人员使用机器学习技术训练计算机模型来识别浮游生物。最佳模型能正确识别87.4%的物种。

赫尔说：“这真的很令人兴奋，因为它可以自动化和标准化一项重要的任务。”"它提高了科学的可重复性，同时保留了分类专家的关键知识."

这项研究的主要作者是耶鲁大学前博士后艾利森翔，他现在在瑞典自然历史博物馆工作。这项研究的共同作者来自英国、德国、法国、荷兰和美国的机构。

研究人员指出，使用监督机器学习技术来回答生物问题带来了独特的挑战。监督图像分类的大多数应用用于许多不同的目的，例如自动驾驶系统对象的实时识别或手写字母和数字的识别。研究人员说，同样，一些机器学习识别技术，包括翻转和旋转图像，可能会对识别分类产生问题，需要仔细实施。例如，一些化石的识别取决于它们外壳的缠绕方式，如果图像翻转或旋转，就会发生变化。

耶鲁大学皮博迪自然历史博物馆生物多样性信息学和数据科学负责人Nelson Rios说：“我们的最终目标是让专家拥有更多数据。”“能够评估气候随时间的变化，了解物种的反应，这一点非常重要。”

赫尔补充道：“这个项目一直是我的研究团队的长期目标之一，我们非常高兴看到这些成果。”

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：