机器学习算法在生物多样性研讨中举目皆是，但有时没有恰当的归因或监督。为了进步学术水准，Google表明将为安排发布AI流程，该流程是与全球生物多样性信息安排(GBIF)，iNaturalist和Visipedia协作开发的。这家科技巨子的研讨人员表明，该作业流将支撑团队之间的数据聚合和协作，一起保证语料库遵从标准化的答应条款，运用兼容的文件格局，并为手头的使命供给公正，满意的数据掩盖规划。

“在物种辨认中运用机器学习的期望正在完成，显现了其在生物多样性研讨中的革新潜力，”来访教师Serge Belongie和Google Research工程总监Hartwig Adam在博客文章中写道，该博客与在莱顿举办的下次生物多样性大会相吻合，荷兰。 “世界讲习班…以比赛为特征，意图是开宣布功能最佳的分类算法，从野生动物的照相机圈套图画到植物标本室的压花样本。这些比赛所发生的令人鼓舞的成果促进咱们将生物多样性数据集和ML模型的可用性从车间规划扩展到了全球规划。”

作业流程将包含两个部分：由GBIF打包的数据集以及由Google和Visipedia练习和发布的模型。前者将经过审阅，以保证它们满意基线答应证和引文要求，而且将经过数字目标标识符(用于仅有标识目标的永久标识符或句柄)进行发布，并经过世界标准化安排的DOI引文图表进行链接。一起，后者将在TensorFlow Hub(Google机器学习模型的公共存储库)中供给文档，并在其间顺便有关出处，架构，答应信息等的信息以及在用户供给的交互式模型演示中运转图片。

Belongie和Adam说：“学术研讨传统的中心是引证和归因常规，因而，跟着ML扩展到生命科学范畴，它应该带来与这些常规相对应的对等物。” “从更广泛的意义上讲，人们越来越意识到ML社区中品德，公正和通明的重要性。咱们等待与全球安排协作，以完成[机器学习]对生物多样性的新的立异运用。”