AI は自然史コレクションのデジタル化を劇的にスピードアップできる

UNC チャペルヒルの研究者らによる新しい研究では、高度な人工知能ツール、特に大規模言語モデル (LLM) が植物標本が最初に収集された場所を正確に特定できることが示されており、これはジオリファレンスとして知られるプロセスです。

研究論文は、 自然の植物。

このタスクは従来、時間がかかり、費用がかかり、多大な手作業に依存していました。チームは、LLM が人間に近い精度でこの作業を完了できると同時に、大幅に高速かつコスト効率が高いことを発見しました。

LLM が地理参照をどのように変えるか

「私たちの研究は、植物コレクションのデジタル化における最大のボトルネックの 1 つを大規模な言語モデルがどのように解決できるかを調査しています」と UNC 生物学部の筆頭著者で博士研究員の Yuyang Xie 氏は述べています。

「私たちは、植物標本のデジタル化を加速し、生態学的研究の新たな可能性を解き放つ画期的なジオリファレンスへのこれらのツールの使用を先駆的に行っています。」

この研究は、自然史コレクションのデジタル化において最も時間のかかるステップの 1 つを AI で自動化できるか?という中心的な質問に答えることを目的としています。カロライナ州のチームは、それが可能であることを発見しました。 LLM は、従来の方法を上回る 10 キロメートル未満の誤差範囲でジオリファレンスを実行しただけでなく、数分の 1 の時間とコストでタスクを完了しました。

「LLM の最近の進歩により、地理参照プロセスが変革され、より高速かつ正確になる可能性があります」と、UNC 生物学部の責任著者兼助教授であるシャオ フェン氏は述べています。

「これにより、研究者は地球規模の生物多様性分布についての理解を進める前例のない機会を得ることができます。」

生物多様性研究への影響

影響は重大です。推定 20 ～ 30 億の植物標本が世界中に存在しますが、デジタル化されているのはほんの一部です。デジタル記録と空間データがなければ、研究者は生物多様性損失の追跡、気候変動下での種の移動の理解、生態系の変化の分析において大きな限界に直面しています。

AI を活用した地理参照を導入することで、科学者は、これまでほとんどアクセスできなかった膨大な自然史コレクションをすぐにデジタル化できるようになるかもしれません。

「このテクノロジーにより、現在キャビネットに保管されている何百万ものレコードのロックを解除できるようになります」と Xie 氏は述べています。 「LLM の力を利用すれば、地球規模の環境問題に対処するために重要となる植物標本のデータを迅速にデジタル化できます。」

ジオリファレンスへの従来のアプローチは、手動による解釈、専用のソフトウェア、または複数回にわたる専門家のレビューに依存しています。 UNC の研究は、LLM をこのタスクに初めて適用し、精度、効率、および拡張性の点で既存の手法より優れていることを示しました。この新しいアプローチは、これまで不可能だった速度で自然史コレクションをデジタル化する扉を開きます。