AI Ocean 数据海洋 海洋生物AI辨识甘苦谈

2021年，BlueTrend 蓝色脉动建立了台湾海洋公民科学家海洋生物资料库平台，搜集台湾各地的海洋生物照片，2022年，团队统整了各位使用者的意见回馈，进行资料库平台的第一次大改版，将资料库介面改为更直观，优化上传流程，也加入了社群辨识的功能，希望落实公民科学的精神。2023年，改版的资料库正式上架，搭配著活动举办，资料库在年底累计了破万张照片。

为了确保资讯的正确性，每笔辨识资料，都会经由生物学家覆核确认。大量的资料汇入，也大大增加了辨识照片的人力。在这样的背景下，AI辨识导入的概念应运而生，希望AI的加入可以减轻辨识人力的负担。团队在 2023 年参与了台湾大基金会的 Tech The Dreamers 科技 ‧ 梦想 + 计划，获得了资金挹注，开始规划导入 AI 识别海洋生物照片的科技系统。(其实是偷偷把布鲁送去训练啦！)

海洋生物资料取得不易

AI 图片辨识已经是相当纯熟的技术，但在辨识海洋生物方面却相对陆地动物更少相关资源，主要原因是相比陆地环境，海洋研究的困难程度更高。由于海洋探索的技术和成本限制，相关的生物数据相对缺乏，这直接影响了AI训练的数据库建立。

团队在训练"AI布鲁"时，也遇到了相同的困境，有效的机器学习和AI发展依赖于大量的数据来训练模型，每个物种需要至少500-1,000张的照片，才能达到有效的训练。然而，对海洋生物照片数量严重的不足，照片辨识还需要非常明显的特征才能进行辨识，这使得AI海洋生物照片辨识系统的开发变得更加困难。目前"AI布鲁"学习到的相关知识还处于相对初阶，因此，扩大海洋生物的照片搜集是当前的重要方向。

数据海洋 AI 辨识系统导入

非常感谢台湾大基金会的资金支持，今年布鲁终于到海洋生物补习班开始正式训练啦！
团队在物种选择时，首先当然是选择水摄大明星海蛞蝓啦，因为各位微距大师们的相机里一定充满各式各样的海蛞蝓的清晰照片啦！虽然如此，但在搜集的过程也是非常有难度，目前布鲁学到了20几种的海蛞蝓辨识方法，每种海蛞蝓目前都有100-300张照片来做训练，光这20种就需要3,000多张照片了。(海编偷偷在这里许愿，希望大家多多上传照片啦！)

此外，布鲁还学习了棘皮动物、螺贝类、软体动物以及小琉球最常出现的海龟，主要选择方向以好拍摄，较具指标性的海洋生物们为主，目前布鲁已经学会 80 种海洋生物啦！期望可以在 2024年底学习到150种海洋生物，也可以开始往鱼类开始学习。

AI辨识逻辑解密

有让AI布鲁辨识的朋友们，有人好奇AI布鲁给你百分比代表的意义吗？在这边向大家说明本次AI辨识的逻辑。

我们会根据大类来去做分组，也就是大家在上传的过程中所填写的大类。接下来就会开始在每个组别中下标签，并开始针对每个标签喂照片，再去让AI布鲁开始学习。所以大家在上传过程中，分类的选择千万别选错啦！！

接下来就是运算方法了，布鲁因为是接收大量不同张照片来去做学习，而不是同一张照片来去重复训练，因此他会在你所选的大类中找出一个最像的答案在告诉你，由于目前训练的资料库不够强大，AI布鲁成为辨识大师还有很长一段路要走，因此团队请工程师帮我们在前台做了按钮，如果今天AI布鲁辨识错误，让大家可以来去指正它。

资料库持续保持最高正确性

前面说了那么多技术上的内容，可以看到这边的伙伴们，必须嘉奖三个掌声。

很多人会开始觉得，我们本来就不认识这些物种，我怎么知道AI布鲁有没有认错生物，这部分还请各位伙伴放心，最终资料汇出、使用前，团队都还是会请专业的辨识学者进行覆核，也会不定时到资料库去浏览检查有没有被放错位置的照片。

非常感谢各位使用者一路支持到这边，也让资料库能那么快的进步，最后也希望大家可以多多上传照片，海编会把这些照片丢到AI布鲁的数据库内，让他去苦读增进自己的能力的！
也再次感谢台湾大基金会的 Tech The Dreamers 科技 ‧ 梦想 + 计划，让团队可以打造出 AI布鲁，也让资料库进到下一个层级。

AI Ocean 数据海洋，将科技技术及公民科学结合海洋研究，许台湾的海洋一个多样性的未来。

衍生连结

衍伸阅读