AI Ocean 數據海洋 海洋生物AI辨識甘苦談
2021年，BlueTrend 藍色脈動建立了台灣海洋公民科學家海洋生物資料庫平台，蒐集臺灣各地的海洋生物照片，2022年，團隊統整了各位使用者的意見回饋，進行資料庫平台的第一次大改版，將資料庫介面改為更直觀，優化上傳流程，也加入了社群辨識的功能，希望落實公民科學的精神。2023年，改版的資料庫正式上架，搭配著活動舉辦，資料庫在年底累計了破萬張照片。
為了確保資訊的正確性，每筆辨識資料，都會經由生物學家覆核確認。大量的資料匯入，也大大增加了辨識照片的人力。在這樣的背景下，AI辨識導入的概念應運而生，希望AI的加入可以減輕辨識人力的負擔。團隊在 2023 年參與了台灣大基金會的 Tech The Dreamers 科技 ‧ 夢想 + 計畫，獲得了資金挹注，開始規劃導入 AI 識別海洋生物照片的科技系統。(其實是偷偷把布魯送去訓練啦！)
海洋生物資料取得不易
AI 圖片辨識已經是相當純熟的技術，但在辨識海洋生物方面卻相對陸地動物更少相關資源，主要原因是相比陸地環境，海洋研究的困難程度更高。由於海洋探索的技術和成本限制，相關的生物數據相對缺乏，這直接影響了AI訓練的數據庫建立。
團隊在訓練”AI布魯”時，也遇到了相同的困境，有效的機器學習和AI發展依賴於大量的數據來訓練模型，每個物種需要至少500-1,000張的照片，才能達到有效的訓練。然而，對海洋生物照片數量嚴重的不足，照片辨識還需要非常明顯的特徵才能進行辨識，這使得AI海洋生物照片辨識系統的開發變得更加困難。目前”AI布魯”學習到的相關知識還處於相對初階，因此，擴大海洋生物的照片蒐集是當前的重要方向。
數據海洋 AI 辨識系統導入
非常感謝台灣大基金會的資金支持，今年布魯終於到海洋生物補習班開始正式訓練啦！
團隊在物種選擇時，首先當然是選擇水攝大明星海蛞蝓啦，因為各位微距大師們的相機裡一定充滿各式各樣的海蛞蝓的清晰照片啦！雖然如此，但在蒐集的過程也是非常有難度，目前布魯學到了20幾種的海蛞蝓辨識方法，每種海蛞蝓目前都有100-300張照片來做訓練，光這20種就需要3,000多張照片了。(海編偷偷在這裡許願，希望大家多多上傳照片啦！)
此外，布魯還學習了棘皮動物、螺貝類、軟體動物以及小琉球最常出現的海龜，主要選擇方向以好拍攝，較具指標性的海洋生物們為主，目前布魯已經學會 80 種海洋生物啦！期望可以在 2024年底學習到150種海洋生物，也可以開始往魚類開始學習。
AI辨識邏輯解密
有讓AI布魯辨識的朋友們，有人好奇AI布魯給你百分比代表的意義嗎？在這邊向大家說明本次AI辨識的邏輯。
我們會根據大類來去做分組，也就是大家在上傳的過程中所填寫的大類。接下來就會開始在每個組別中下標籤，並開始針對每個標籤餵照片，再去讓AI布魯開始學習。所以大家在上傳過程中，分類的選擇千萬別選錯啦！！
接下來就是運算方法了，布魯因為是接收大量不同張照片來去做學習，而不是同一張照片來去重複訓練，因此他會在你所選的大類中找出一個最像的答案在告訴你，由於目前訓練的資料庫不夠強大，AI布魯成為辨識大師還有很長一段路要走，因此團隊請工程師幫我們在前台做了按鈕，如果今天AI布魯辨識錯誤，讓大家可以來去指正它。
資料庫持續保持最高正確性
前面說了那麼多技術上的內容，可以看到這邊的夥伴們，必須嘉獎三個掌聲。
很多人會開始覺得，我們本來就不認識這些物種，我怎麼知道AI布魯有沒有認錯生物，這部分還請各位夥伴放心，最終資料匯出、使用前，團隊都還是會請專業的辨識學者進行覆核，也會不定時到資料庫去瀏覽檢查有沒有被放錯位置的照片。
非常感謝各位使用者一路支持到這邊，也讓資料庫能那麼快的進步，最後也希望大家可以多多上傳照片，海編會把這些照片丟到AI布魯的數據庫內，讓他去苦讀增進自己的能力的！
也再次感謝台灣大基金會的 Tech The Dreamers 科技 ‧ 夢想 + 計畫，讓團隊可以打造出 AI布魯，也讓資料庫進到下一個層級。
AI Ocean 數據海洋，將科技技術及公民科學結合海洋研究，許臺灣的海洋一個多樣性的未來。
衍生連結
衍伸閱讀
關於作者
我是布魯陳，平常喜歡帶著大相機下海找生物
如果你有海洋議題歡迎找我聊聊，約我吃飯更歡迎！
XUEYL
2024-07-23 at 16:42想讓AI布魯辨識但網頁開了一個小時還在跑，試了幾次都一樣，後來就沒有用了。