針對(duì)寵物數(shù)量過(guò)剩問(wèn)題，一種新算法的開(kāi)發(fā)，或?qū)⒅τ谔嵘龑櫸飩兊念I(lǐng)養(yǎng)率。
在美國(guó)，每年大約有600-800萬(wàn)只貓狗進(jìn)入動(dòng)物收容所，其中，近300-400萬(wàn)只動(dòng)物被安樂(lè)死。盡管其原因可能是因?yàn)閯?dòng)物好斗或者自身疾病，但不可否認(rèn)，仍有有10%-25%的動(dòng)物被安樂(lè)死的原因僅僅是因?yàn)槭杖菟臻g不足。
雖然動(dòng)物收容所提供了諸如降低領(lǐng)養(yǎng)費(fèi)用和在領(lǐng)養(yǎng)前對(duì)動(dòng)物進(jìn)行絕育等激勵(lì)措施，但住在收容所的動(dòng)物中依舊只有四分之一被領(lǐng)養(yǎng)。建立對(duì)動(dòng)物們的分析模型將為減少動(dòng)物們安樂(lè)死和找到收養(yǎng)家庭提供可能。
因此，針對(duì)這一問(wèn)題，研究人員開(kāi)始嘗試?yán)脵C(jī)器的學(xué)習(xí)算法來(lái)識(shí)別收養(yǎng)動(dòng)物的風(fēng)險(xiǎn)因素，并預(yù)測(cè)動(dòng)物在收容所的停留時(shí)間。事實(shí)上，一直以來(lái)，由于學(xué)習(xí)算法能夠從大數(shù)據(jù)中進(jìn)行檢測(cè)，并開(kāi)發(fā)模型對(duì)未來(lái)結(jié)果進(jìn)行預(yù)測(cè)，因此，學(xué)習(xí)算法也受到科學(xué)家們的廣泛關(guān)注。
此次研究中，研究人員從數(shù)據(jù)庫(kù)和動(dòng)物收容所收集的數(shù)據(jù)，包括動(dòng)物類型、收容和離開(kāi)的日期、性別、顏色、品種、收容和離開(kāi)的狀態(tài)（動(dòng)物進(jìn)入收容所的行為和動(dòng)物在結(jié)果類型下的行為）等信息都可以輸入機(jī)器，許多不同類型的算法會(huì)對(duì)數(shù)據(jù)集進(jìn)行計(jì)算。
結(jié)果表明，梯度增強(qiáng)算法整體表現(xiàn)最好，準(zhǔn)確率約為70-80%。根據(jù)這一計(jì)算結(jié)果，可以推斷出動(dòng)物的年齡、體型、顏色，這對(duì)收養(yǎng)率有著重要影響。在未來(lái)，該算法有望幫助確定最佳的動(dòng)物收容所位置，并讓動(dòng)物在最短的時(shí)間找到自己的“家”。
