NASAは、Nemo-netビデオゲームをプレイすることで、研究者がダファベット 入金不要生態系を理解するのを助けるために一般のメンバーを招待しています。
nemo-netは、コーラルの画像を描くことでプレイヤーがサンゴ礁を特定するのに役立つスマートフォンゲームです。プレイヤーは、世界中のダファベット 入金不要生態系を探索しながら、お互いの分類を評価できます。
海洋生態系 - 特にダファベット 入金不要 - 気候変動の結果として保全危機に直面しています。
これらの環境と彼らが直面している課題をよりよく理解するために、研究者は、衛星から収集された2D画像の上に、ダイバーとシュノーケラーによって収集された3D画像を利用して、水中生態系の大規模な画像ライブラリを蓄積します。
一緒に、これらの方法は研究者に大量のデータを提供しますが、これらのライブラリから最も利益を得るために、研究者はパターンまたは「分類」について生態系をすばやく分析する方法を必要とします。
の新しい研究海洋科学のフロンティア、NASAのAmes Research Centerの高度なセンシングのための科学者は、この方法を自動化しました人工知能（AI）畳み込みダファベット 入金不要ラルネットワーク（CNN）として知られるツール。
ベイエリア環境研究所のリード作家ジャレットヴァンデンバーグは次のように説明しています。この分類プロセスを可能な限り効率的にすることで、CNNSで自動化を検討するようになりました。」
CNNSは、画像の調べに適用され、サンゴ礁のさまざまな種類のサンゴや水泳魚などの特性を検索するために適用される生物学的ダファベット 入金不要ロンと脳に基づくAIツールモデルです。この層状の深さは、CNNSがサンゴ礁の生態系のような複雑な画像を研究するのに最適なものになるものです。
van den Berghは、データを分類する際にCNNSを使用すると複雑な困難が発生する可能性があると説明しました。これらの複合体を分類する方法についてのCNN3D画像ダファベット 入金不要」
この困難を克服するために、科学者は、一般のメンバーがダファベット 入金不要生態系を分類および理解する努力を支援できるようにするNemo-netというビデオゲームを開発しました。
プレイヤーが仮想水中の世界を掘り下げるにつれて、彼らはダファベット 入金不要の種について学び、分類することができ、それらの分類ラベルはNemo-NetのCNNを訓練するために使用できます。
「Nemo-netは主にデータを収集しますが、それは私たちのダファベット 入金不要をより親密な理解を深めることを人々に与える教育ツールでもあります。これまでに、このゲームはリリースから7か月で3億人以上に達しました」とヴァンデンバーグはコメントしました。
科学者は、ビデオゲームとCNNツールの開発は、他の保全およびマッピングプロジェクトに非常に貴重であり、今後、機械学習の可能性のさらなる研究を調査する必要があると考えています。
「私たちの技術が進むにつれて、機械学習私たちのサンゴ礁が今から2、5年後のように見えるものの良い推定を私たちに与えることができるかもしれません。これは、自分の仕事の影響を見たいと思っているダファベット 入金不要保護者にとって非常に役立ちます。
