世界各地的天然汗青博物館正在加快藏品數字化過程，將標本圖象存儲在開放數據庫中。好比美國國度迷信基金會的iDigBio項目標一個數據庫，就具有來自全美各地搜集的跨越1.5億張植物和植物圖象。

　　今朝，世界3.5億個物種中，只要一小部門被數字化了。然則，跟著盤算技巧的提高，哥斯達黎加理工學院盤算機迷信家艾瑞克-蒙塔羅和法國蒙彼利埃國際成長農業研討中間植物學家皮埃爾-邦尼特以為，為標本做年夜數據集曾經成為能夠。他們的團隊曾經完成了植物辨認的主動化。

　　研討人員借助智妙手機運用法式現場拍攝標本，積聚了數以百萬計的新穎植物圖象，然后對1000多個物種、跨越26萬份植物標本停止了掃描辨認，采取先輩算法的辨認精確率高達80%。

　　邦尼特說，如許驚人的成果常常讓植物學家擔憂其學術范疇被歧視。“但人類的特長永久不會被清除，辨認成果仍須要植物學家來磨練準確與否。”

　　人工智能辨認標本的辦法，極年夜地削減了植物學家搜集和辨認標本的時光，還能贊助改良標本數據窮困地域的植物判定程度，對生物多樣性豐碩但植物標本較少的地域特殊有效。

　　另外，這類辦法還能讓研討人員對年夜數據停止額定的剖析。普通而言，植物標本樣本中含有豐碩的數據信息，例如收集時光和所在，收集時在開花照樣在成果，和花群密集特點等。因為一些樣本是幾個世紀之前的數據，是以，可以贊助研討植物是若何順應氣象變更的。

　　美國賓夕法尼亞州立年夜學博士彼得-威爾夫說：“在天然汗青的過程中，這類辦法預示著將來。”

　　植物學家仿佛能從沉重的搜集和辨認標本的任務中束縛出來了。假如研討成果穩固，他們至多可以或許省下80%的時光啊！要曉得，世界各地的天然汗青博物館中的數字化標本愈來愈多，單一個數據庫就有跨越1.5億張圖象。人工智能可以主動辨認標本，這對植物學家來講固然不是威逼。究竟，年夜部門判定任務死板又無聊，但又相當主要，人工智能在這些處所協助，真是不克不及更貼心。開一個腦洞，假如迷信家能把那些繁瑣又不能不做的都交給人工智能，迷信產出會不會加倍豐碩？