Essentia Memoria haber masasından yayımlanmış araştırmaların taraması. Gerçek makaleleri listeler, her biri DOI kayıt kurumunda arandı; oyun bu sonuçları kendisi tekrarlamadı.
Araştırma taraması
Yapay zekâ araştırmaları ne buldu: yaban hayvanlarını izlemek
Olay zamanı: · Yayın zamanı:
yaban hayvanlarını izlemek üzerine 12 yayımlanmış eser; her biri burada listelenmeden önce DOI kayıt kurumunda arandı, her birinin ne bildirdiği sade sözlerle yazıldı.
Soru
Bir model gizli bir kameranın önünden geçen hayvanları sayıp tarif edebilir mi?
İddialar ve her birinin kaynağı
- Bu araştırmanın oyundaki yeri (dünya dilbilgisinin kurduğu bir yer)wildlife-park → zoo
Oyun simülasyonu · Kodda tanımlı
src/lib/world-grammar/place-grammar.ts · resolvePurpose('wildlife-park') - Bu taramadaki yayımlanmış eser; her biri DOI kayıt kurumunda çözüldü12
Gerçek dünya bilgisi · Kaynak [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12]
- Bir ağ, Serengeti’deki milyonlarca fotokapan karesindeki hayvanları adlandırdı, saydı ve tarif etti.Norouzzadeh 2018
Gerçek dünya bilgisi · Kaynak [1]
- Animal Recognition and Identification with Deep Convolutional Neural Networks for Automated Wildlife MonitoringNguyen 2017
Gerçek dünya bilgisi · Kaynak [2]
- Towards automatic wild animal monitoring: Identification of animal species in camera-trap images using very deep convolutional neural networksGomez-Villa 2017
Gerçek dünya bilgisi · Kaynak [3]
- Identifying animal species in camera trap images using deep learning and citizen scienceWilli 2018
Gerçek dünya bilgisi · Kaynak [4]
- Machine learning for image based species identificationWäldchen 2018
Gerçek dünya bilgisi · Kaynak [5]
- Machine learning to classify animal species in camera trap images: Applications in ecologyTabak 2018
Gerçek dünya bilgisi · Kaynak [6]
- A deep active learning system for species identification and counting in camera trap imagesNorouzzadeh 2020
Gerçek dünya bilgisi · Kaynak [7]
- Real-time bioacoustics monitoring and automated species identificationAide 2013
Gerçek dünya bilgisi · Kaynak [8]
- Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and ConservationGonzalez 2016
Gerçek dünya bilgisi · Kaynak [9]
- Computational bioacoustics with deep learning: a review and roadmapStowell 2022
Gerçek dünya bilgisi · Kaynak [10]
- Perspectives in machine learning for wildlife conservationTuia 2022
Gerçek dünya bilgisi · Kaynak [11]
- Deep learning-based appearance features extraction for automated carp species identificationBanan 2020
Gerçek dünya bilgisi · Kaynak [12]
Kaynakça, kayıt kurumunda denetlendi
[1] Norouzzadeh (2018). Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning. Proceedings of the National Academy of Sciences. doi:10.1073/pnas.1719367115
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning” (2018)
[2] Nguyen (2017). Animal Recognition and Identification with Deep Convolutional Neural Networks for Automated Wildlife Monitoring. IEEE International Conference on Data Science and Advanced Analytics (DSAA). doi:10.1109/dsaa.2017.31
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Animal Recognition and Identification with Deep Convolutional Neural Networks for Automated Wildlife Monitoring” (2017)
[3] Gomez-Villa (2017). Towards automatic wild animal monitoring: Identification of animal species in camera-trap images using very deep convolutional neural networks. Ecological Informatics. doi:10.1016/j.ecoinf.2017.07.004
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Towards automatic wild animal monitoring: Identification of animal species in camera-trap images using very deep convolutional neural networks” (2017)
[4] Willi (2018). Identifying animal species in camera trap images using deep learning and citizen science. Methods in Ecology and Evolution. doi:10.1111/2041-210x.13099
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Identifying animal species in camera trap images using deep learning and citizen science” (2019)
[5] Wäldchen (2018). Machine learning for image based species identification. Methods in Ecology and Evolution. doi:10.1111/2041-210x.13075
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Machine learning for image based species identification” (2018)
[6] Tabak (2018). Machine learning to classify animal species in camera trap images: Applications in ecology. Methods in Ecology and Evolution. doi:10.1111/2041-210x.13120
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Machine learning to classify animal species in camera trap images: Applications in ecology” (2019)
[7] Norouzzadeh (2020). A deep active learning system for species identification and counting in camera trap images. Methods in Ecology and Evolution. doi:10.1111/2041-210x.13504
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “A deep active learning system for species identification and counting in camera trap images” (2021)
[8] Aide (2013). Real-time bioacoustics monitoring and automated species identification. PeerJ. doi:10.7717/peerj.103
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Real-time bioacoustics monitoring and automated species identification” (2013)
[9] Gonzalez (2016). Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation. Sensors. doi:10.3390/s16010097
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation” (2016)
[10] Stowell (2022). Computational bioacoustics with deep learning: a review and roadmap. PeerJ. doi:10.7717/peerj.13152
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Computational bioacoustics with deep learning: a review and roadmap” (2022)
[11] Tuia (2022). Perspectives in machine learning for wildlife conservation. Nature Communications. doi:10.1038/s41467-022-27980-y
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Perspectives in machine learning for wildlife conservation” (2022)
[12] Banan (2020). Deep learning-based appearance features extraction for automated carp species identification. Aquacultural Engineering. doi:10.1016/j.aquaeng.2020.102053
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 23:26 UTC tarihinde denetlendi · kayıttaki eser “Deep learning-based appearance features extraction for automated carp species identification” (2020)
İnceleme
Hakem değerlendirmesinden geçmedi. Bu taramayı henüz hiçbir insan bilim insanı incelemedi. Şablonu ve temel eser özetleri bir yapay zekâ yardımcısıyla (Claude) yazıldı; listelediği makaleler gerçek ve her biri kayıt kurumunda denetlendi, herkes bağlantıları izleyip okuyabilir.
- Listelenen her DOI çözüldü; başlık, yıl ve ilk yazar listeyle eşleşti.
- Aramanın bulduğu her eseri, aramadan bağımsız bir kayıt kurumu olan Crossref tutuyor.
- Başlık ve özetteki her sayı listelenen bir iddiayla karşılanıyor.
- Hiçbir aday eser düşürülmedi: masanın bulduğu ya da adlandırdığı her eseri kayıt kurumu doğruladı.
Kod sürümü: deb216f03447
Kaydın söylemedikleri
Bu tarama her makalenin ne bildirdiğini listeler; oyun bu sonuçları kendisi tekrarlamadı. Arama sözcükleriyle eşleşen makaleleri bulur; listelenen bir makale yapay zekâyı yalnızca kısmen kullanıyor olabilir. Arama en çok atıf alan elli eşleşmeyle sınırlıdır; en yeni sonuçlar atıf alana dek eksik kalabilir.
Nasıl yazıldı
Masanın adlandırdığı temel eserler, ardından OpenAlex’te başlık ve özetlerde ("camera trap" OR wildlife OR "wild animal" OR "animal detection" OR "species identification" OR bioacoustic) AND ("machine learning" OR "deep learning" OR "neural network" OR "neural networks" OR "artificial intelligence" OR convolutional OR "reinforcement learning" OR "language model" OR transformer) araması için dönen, DOI’si olan en çok atıf almış eserler; bir sonuç ancak kendi başlığı alanı, başlığı ya da özeti bir yapay zekâ yöntemini tam sözcük olarak anıyorsa tutulur; bu sözcüklerden en çoğunu başlığında anan sonuçlar önce gelir. Her aday Crossref’te (ikinci çözücü OpenAlex) arandı; başlığı, yılı ve ilk yazarı karşılaştırıldı. Aramanın bulduğu bir eser ancak Crossref onu tutuyorsa gösterilir. Temel eserlerin özetlerini masa yazdı; diğer eserler kendi başlıklarıyla listelenir.
Kaynak kayıtlar: code:src/lib/world-grammar/place-grammar.ts#resolvePurpose · doi:10.1073/pnas.1719367115 · doi:10.1109/dsaa.2017.31 · doi:10.1016/j.ecoinf.2017.07.004 · doi:10.1111/2041-210x.13099 · doi:10.1111/2041-210x.13075 · doi:10.1111/2041-210x.13120 · doi:10.1111/2041-210x.13504 · doi:10.7717/peerj.103 · doi:10.3390/s16010097 · doi:10.7717/peerj.13152 · doi:10.1038/s41467-022-27980-y · doi:10.1016/j.aquaeng.2020.102053