堪萨斯大学的一项新研究表明，基于普通数码照片，机器学习能够识别以高精度传播称为恰加斯的无法治愈的疾病的昆虫。这个想法是让公共卫生官员将查加斯普遍作为一种新工具，以阻止疾病的传播，并最终直接向公众提供身份识别服务。

查加斯特别讨厌，因为大多数拥有它的人都不知道他们已经被感染了。但根据美国疾病控制和预防中心的数据，全世界8百万患有查加斯的人中约有20%到30%的人在某些晚些时候受到心脏节律异常的打击，可能导致猝死;膨胀的心脏不能有效地抽血;或扩张的食道或结肠。

这种疾病最常发生在triatomine bugs - 通常被称为“接吻虫” - 咬人并将寄生虫Trypanosoma cruzi传播到他们的血液中。南美洲最常见于墨西哥，中美洲和南美洲的农村地区。

最近在KU开展的一项名为虚拟矢量项目的项目旨在让公共卫生官员利用智能手机识别携带Chagas的triatomine，使用便携式摄影工作室拍摄虫子。

现在，KU的一名研究生在该项目的基础上进行了概念验证研究，显示人工智能通过分析普通照片可以高精度地识别12种墨西哥和39种巴西种类的接吻虫 - 对于希望削减南美锥虫病的传播。

生物多样性研究所和生态与进化生物学系的KU博士生Ali Khalighifar领导了一个刚刚在“医学昆虫学杂志”上发表研究结果的团队。为了识别常规照片中的接吻错误，Khalighfar和他的同事使用了谷歌的开源深度学习软件，称为TensorFlow，类似于支持Google反向图像搜索的技术。

“因为这个模型能够理解，基于像素色调和颜色，一个图像中涉及的内容，它可以取出信息并以模型可以理解的方式进行分析 - 然后你给他们其他图像进行测试它可以用非常好的识别率来识别它们，“Khalighifar说。“那是没有预处理的 - 你只是从原始图像开始，这很棒。这就是目标。以前，不可能做到准确的同样的事情，当然不能没有预处理图像。”

Khalighifar和他的合着者--KU信息和电信技术中心的研究员Ed Komp，墨西哥国家研究所的Janine M. Ramsey，巴西UniversidadedeBrasília大学的Rodrigo Gurgel-Gonçalves，以及A. Townsend Peterson，KU杰出教授生态学和进化生物学以及KU生物多样性研究所的高级策展人 - 使用405张墨西哥triatomine物种图像和1,584张巴西triatomine物种图像训练他们的算法。

他们写道，起初，该团队能够实现“所有墨西哥和巴西物种的正确识别率分别为83.0%和86.7%，与统计分类器的可比率相比有所改善”。但是，在将关于接吻虫的地理分布的信息添加到算法中之后，研究人员将识别的准确性提高到墨西哥物种的95.8%和巴西物种的98.9%。

根据Khalighifar的说法，基于算法的技术可以让公共卫生官员和其他人以前所未有的准确度识别triatomine物种，以更好地了解地面上的疾病媒介。

“在未来，我们希望开发一个基于新图像不断训练的模型的应用程序或网络平台，因此它始终在不断更新，为任何感兴趣的用户提供实时的高质量标识， “ 他说。

Khalighifar现在采用类似的方法，使用TensorFlow根据他们的呼叫根据他们的翅膀和青蛙的声音即时识别蚊子。

“我现在正在使用蚊子录音，”他说。“我已经从图像处理转移到蚊子机翼节拍录音的信号处理。我们使用普通手机录制蚊子，然后我们将它们从录音转换为信号图像。然后我们使用TensorFlow识别我现在正在工作的另一个项目是青蛙，生物多样性研究所的Rafe Brown博士。我们正在设计相同的系统，根据每个物种的命令识别这些物种。“

虽然人工智能通常被描绘成一种杀人工作的威胁甚至是对人类的生存威胁，但Khalighifar说他的研究表明人工智能如何成为研究生物多样性的科学家的福音。

“这太棒了 - 人工智能真的有能力做好一切，无论好坏，”他说。“有些用途似乎很可怕，就像在街上识别穆斯林面孔一样。想象一下，如果我们能识别出青蛙或蚊子，识别人类的声音是多么容易。因此，人工智能肯定存在黑暗面。但这项研究展示了一个积极的人工智能应用 - 我们正试图利用该技术的优势来促进生物多样性保护并支持公共卫生工作。“