為更深入了解人工智慧（AI）如何促進美國水產養殖發展，加州大學聖地牙哥分校、加州大學戴維斯分校以及華盛頓大學的一個科學家團隊，將採用一套類似於超市條碼掃描器的移動式攝影系統，拍攝白鱘的影像以判斷其解剖特徵。此方法無需大量人工處理和潛在的魚隻麻醉，同時也能提高用於生產蛋白質和魚子醬的鱘魚的生產效率。

科學家們利用加州大學聖地牙哥分校聖地牙哥超級電腦中心（SDSC）的Expanse，創建先進的機器學習模型來分析這些圖像，以越來越高的準確度區分雄性和雌性魚類。

傳統的性別鑑定方法，例如超音波檢查，需要大量的人工操作、訓練有素的人員和大量的勞動力，而新的系統則消除了魚類的壓力，提高了處理量，同時也降低了成本。

過去的研究表明，幼年鱘魚的腹部解剖結構存在細微但可察覺的性別二態性。藉助高解析度成像和先進的模式識別技術，並在SDSC的Expanse系統的幫助下，研究人員希望能夠完善和驗證AI驅動的性別鑑定方法，使其成為水產養殖業一種可行、具成本效益且可擴展的解決方案。

該研究重點在於與加州鱘魚生產商合作開發AI模型，以收集初步圖像來訓練模型，識別雄性和雌性鱘魚之間細微的解剖差異，這些差異即使是專家肉眼也難以區分。

根據實際的成果，最初的AI模型僅達到76%的準確率，但現在已經達到了90%。目標是將數據集從幾百張圖像擴展到數萬張包含更多雜訊的圖像，從而在魚齡三年之前更早地鑑定其性別，從而顯著提高這個數字。

除了開發實用的解決方案外，研究團隊還將全面回顧現有AI在水產養殖，特別是在性別鑑定方面的應用。透過創新的高解析度成像和詳細的演算法分析方法，提供一種透明且科學嚴謹的方法論證明。