图源 Pexels

这项技能已经在三个地点进行了测试，成功捕捉到了各种动物的声音和图像，并由打算机进行剖析和定位。
从鸟类的叫声中识别出了数十种不同的鸟类，狐狸、鹿、刺猬到蝙蝠等动物也被准确地识别出来，并且这一过程不须要人类不雅观察员的参与。

伦敦动物学会（ZSL）的保护专家安东尼・丹瑟称，“我们从这些测试地点网络了数万个数据文件和数千小时的音频，并从中创造了各种动物。
如果利用人类不雅观察员，我们无法做到这样的规模，只有人工智能才让这成为可能。
”

IT之家把稳到，项目选择了三个位于铁路阁下的测试地点，分别是伦敦的巴恩斯、特威克纳姆和刘易斯汉姆。
这些地区属于英国铁路（Network Rail）所有，英国铁路在项目中发挥了主要浸染。
这些地区都有围栏防止人们误入铁轨，并且很少有维修职员进入。
英国铁路拥有超过 5.2 万公顷的地皮，个中许多地区在保护国家生物多样性方面发挥着重要浸染。

ZSL 和英国铁路操持将人工智能监测器的利用扩展到其他地区，包括萨里的乔巴姆和新森林。
“在我们已经测试过的地点，我们创造了超过 30 种鸟类和 6 种蝙蝠，以及狐狸和刺猬等动物的迹象，以是我们对伦敦创造的相对康健的野生动物水平感到惊喜，”丹瑟说，“然而，这并不是我们项目的紧张目的。
我们的目标是展示人工智能主导的技能，结合声学和相机陷阱可以有效地调查英国铁路地皮上的野生动物，但也可以在英国其他地区调查。
这将见告我们物种如何应对景象变革，以及我们该当如何管理植被，不仅仅是在铁路阁下，还有在道路边缘和其他地方。
”丹瑟说，机器学习和人工智能将对保护生物多样性至关主要。

通过剖析数万小时的录音和数十万张图片，机器学习技能将在保护生物多样性方面起到关键浸染，供应更准确的数据支持。