凝视天空,你能区分腿上有毛的鹰和北方猎兔犬吗?说你穿过高高的草丛。你会知道之间的区别一种无害的小田鼠蛇和一条响尾蛇,通过他们的标记吗?dragonflies-could你挑选缝补台和meadowhawk如果它落在你的手臂吗?
这些问题iNaturalist每天为用户应用的答案。联合倡议的加州科学院和美国国家地理学会,这个应用程序是一个在应用程序商店下载和应用徒步旅行者的首选,露营者,人喜欢花时间在户外。拍的照片任何植物或动物的如果你有signal-iNaturalist会告诉你你看到的,你可能需要知道的一切。亚马逊网络服务和一些非常精确的机器学习模型帮助电力应用的图像识别和模式匹配算法。如果你正在寻找一个在地球上发现的50000种更常见,iNaturalist可以告诉你它是什么。
的目标是让尽可能多的人拍照的性质添加到我们共同的科学知识。鼓励的信息交换,iNaturalist使得他们的公开数据集通过注册中心的开放数据在AWS上。现在,世界各地的研究人员可以访问datasets-more超过160 tb的如果没有需要支付存储自己的副本的数据。
主任斯科特Loarie看到iNaturalist的众包数据集作为一种重要的一步推进科学和保护。Loarie拥有生物学硕士学位从斯坦福大学和杜克大学环境科学博士学位,认为获得数亿众包的图片结合机器学习工具,可以找到数据中的模式进入了一个新时代的科学生物的生物学、进化与生态,类似于当工具来放大和序列DNA发生了什么。
称之为“表型革命”,除了而不是爆炸的数据在动物的基因代码,有一个爆炸的数据在动物的身体特征。与机器学习模型分析来自世界各地的成千上万的图像,例如iNaturalist数据集,科学家们发现错过了过去的模式。例如,科学家研究iNaturalist数据集已经开始注意到蜻蜓相同的物种将黑暗和轻色调取决于他们所居住的气候。发现像这样依赖人来记录数据以及系统方便地发布和访问数据。
我们从来没有接触生物在这种规模的图像。使用机器学习来揭示新的科学见解从这些新的生物多样性图像数据集生命科学改变我们的方法。
“很容易认为我们理解自然世界的一切现在,“Loarie说。“但是当我们收集更多的数据,更多的问题出现。”
Loarie指出,尽管技术在我们的指尖,如此多的生物学领域还包括收集标本并储存在博物馆。虽然这是一个有用的和必要的实践中,这意味着很多我们理解生物来自检查死东西。
“现在我们有工具得到的数据并把这些模式从活的标本,“Loarie说。“这可以揭示大量的行为和信息方面的物种生活在世界上,并不是保存在标本。”
Loarie看不到革命局限于探索物理差异跨物种的种群数量。分析大型数据集的能力会影响我们的行为和生命周期的理解,。例如,每年春天,山羊脱掉厚厚的温暖的外套。然而,成千上万的野山羊的图片他们不同阶段的蜕皮,交叉等数据点高度,温度,和其他环境因素,科学家们可以更好地了解这个季节脱落过程将受到气候变化的影响。
地球拥有数以百万计的植物和动物,即使我们排除真菌、藻类和细菌。到目前为止,我们所知世界上的动植物是偏向动物,特别是鸟类、爬行动物、哺乳动物。Loarie希望,随着越来越多的用户上传照片和更多的naturalists-both专业人士和amateurs-share数据通过iNaturalist数码照片的地球上的生命将继续完成。雷竞技官网欢迎你
“我们从来没有进入生物在这种规模的图片,“Loarie说。“用机器学习揭示新的科学见解从这些新的生物多样性图像数据集生命科学改变我们的方法。”
探索自然和分享你的发现iNaturalist。了解更多关于如何iNaturalist使其数据集的访问注册中心的开放数据在AWS上。
