据《自然》杂志官网日前报道，一篇发表在最新一期《进化生物学》杂志上的论文称，用成千上万份标本图像“训练”过的计算机算法，已经能自动识别被压制的、干燥植物标本的物种。这是科学家首次尝试通过深度学习，让计算机使用大型复杂数据集的神经网络，解决了识别自然物种分类的困难任务。

　　世界各地的自然历史博物馆正在加速藏品数字化进程，将标本图像存储在开放数据库中。比如美国国家科学基金会的iDigBio项目的一个数据库，就拥有来自全美各地收集的超过1.5亿张植物和动物图像。

　　目前，世界3.5亿个物种中，只有一小部分被数字化了。但是，随着计算技术的进步，哥斯达黎加理工学院计算机科学家艾瑞克·蒙塔罗和法国蒙彼利埃国际发展农业研究中心植物学家皮埃尔·邦尼特认为，为标本做大数据集已经成为可能。他们的团队已经实现了植物识别的自动化。

　　研究人员借助智能手机应用程序现场拍摄标本，积累了数以百万计的新鲜植物图像，然后对1000多个物种、超过26万份植物标本进行了扫描识别，采用先进算法的识别准确率高达80％。

　　邦尼特说，这样惊人的结果往往让植物学家担心其学术领域被轻视。“但人类的专长永远不会被消除，识别结果仍需要植物学家来检验正确与否。”

　　人工智能识别标本的方法，极大地减少了植物学家收集和识别标本的时间，还能帮助改进标本数据贫乏地区的植物鉴定水平，对生物多样性丰富但植物标本较少的地区特别有用。

　　此外，这种方法还能让研究人员对大数据进行额外的分析。一般而言，植物标本样本中含有丰富的数据信息，例如采集时间和地点，采集时在开花还是在结果，以及花群密集特征等。由于一些样本是几个世纪以前的数据，因此，可以帮助研究植物是如何适应气候变化的。

　　美国宾夕法尼亚州立大学博士彼得·威尔夫说：“在自然历史的进程中，这种方法预示着未来。”