Kunstig intelligens kan identificere mikroskopiske marine organismer

Forskere har udviklet et kunstig intelligens (AI) program, der automatisk kan give arts-niveau identifikation af mikroskopiske marine organismer. Det næste skridt er at inkorporere AI i et robotsystem, der vil hjælpe med at fremme vores forståelse af verdenshavene, både nu og i vores forhistoriske fortid.

Specifikt, AI-programmet har vist sig i stand til at identificere seks arter af foraminiferer, eller forams – organismer, der har været udbredt i jordens oceaner i mere end 100 millioner år.

Fora er protister, hverken plante eller dyr. Når de dør, de efterlader deres små skaller, de fleste mindre end en millimeter brede. Disse skaller giver videnskabsmænd indsigt i havenes egenskaber, som de eksisterede, da foramerne var i live. For eksempel, forskellige typer foram arter trives i forskellige slags havmiljøer, og kemiske målinger kan fortælle forskerne om alt fra havets kemi til dets temperatur, da skallen blev dannet.

Imidlertid, at evaluere disse foramskaller og fossiler er både kedeligt og tidskrævende. Derfor er et tværfagligt team af forskere, med ekspertise lige fra robotteknologi til palæoceanografi, arbejder på at automatisere processen.

"På dette tidspunkt, AI'en identificerer foraerne korrekt omkring 80 procent af tiden, som er bedre end de fleste trænede mennesker, " siger Edgar Lobaton, en lektor i elektro- og computerteknik ved North Carolina State University og medforfatter til et papir om arbejdet.

"Men dette er kun proof of concept. Vi forventer, at systemet forbedres over tid, fordi maskinlæring betyder, at programmet bliver mere præcist og mere konsistent med hver iteration. Vi planlægger også at udvide AI's rækkevidde, så den kan identificere mindst 35 arter af foramer, snarere end de nuværende seks."

Det nuværende system fungerer ved at placere et foram under et mikroskop, der er i stand til at tage billeder. En LED-ring skinner lys på foramet fra 16 retninger - én ad gangen - mens der tages et billede af foramet med hver ændring i lyset. Disse 16 billeder er kombineret for at give så meget geometrisk information som muligt om foramets form. AI'en bruger derefter disse oplysninger til at identificere foramets arter.

Scanningen og identifikationen tager kun sekunder, og er allerede lige så hurtig – eller hurtigere – end de hurtigste menneskelige eksperter.

"Plus, AI bliver ikke træt eller keder sig, " siger Lobaton. "Dette arbejde demonstrerer det vellykkede første skridt mod at bygge en robotplatform, der vil være i stand til at identificere, vælg og sorter fora automatisk."

Lobaton og hans samarbejdspartnere har modtaget et tilskud fra National Science Foundation (NSF), fra januar 2019, at bygge det fuldt funktionelle robotsystem.

"Dette arbejde er vigtigt, fordi oceanerne dækker omkring 70 procent af Jordens overflade og spiller en enorm rolle i dens klima, " siger Tom Marchitto, en lektor i geologiske videnskaber ved University of Colorado, Kampesten, og tilsvarende forfatter til papiret.

"Formater er allestedsnærværende i vores oceaner, og kemien i deres skaller registrerer de fysiske og kemiske egenskaber af vandet, de voksede i. Disse bittesmå organismer vidner om tidligere egenskaber som temperatur, saltholdighed, surhedsgrad og næringsstofkoncentrationer. Til gengæld kan vi bruge disse egenskaber til at rekonstruere havcirkulation og varmetransport under tidligere klimabegivenheder.

"Dette betyder noget, fordi menneskeheden er midt i en utilsigtet, klimaeksperiment i global skala på grund af vores udledning af drivhusgasser, " siger Marchitto. "For at forudsige resultaterne af det eksperiment har vi brug for en bedre forståelse af, hvordan Jordens klima opfører sig, når dens energibalance ændres. Den nye AI, og robotsystemet det vil muliggøre, kunne markant fremskynde vores evne til at lære mere om forholdet mellem klimaet og oceanerne på tværs af store tidsskalaer."

Papiret, "Automatisk identifikation på artsniveau af planktiske foraminiferer ved hjælp af foldede neurale netværk, sammenlignet med menneskelig præstation, " er offentliggjort i tidsskriftet Marine mikropaleontologi .