本文最初发表在 Hakai Magazine 上，这是一个关于沿海生态系统的科学与社会在线出版物。请访问 hakaimagazine.com 阅读更多此类文章。
斑海鸦是一种难以捉摸的生物。在海上，这种矮胖的海鸟在发现捕食者的第一时间就会潜水。在陆地上，它会在西北太平洋原始森林的苔藓覆盖的树枝高处产卵——这一事实直到20世纪70年代才被一位公用事业公司员工在爬树时偶然发现。
海鸦的神秘程度之高，以至于科学家们称之为“太平洋的谜”。为了监测种群数量，研究人员曾穿上干式潜水服为鸟类安装无线电发射器，并驾驶小型飞机寻找巢穴——这些努力既昂贵又不精确。然而，尽管数据稀少，海鸦的种群数量却在明显下滑。1992年，它被列入美国濒危物种法案的濒危物种。它受到伐木破坏原始森林的栖息地丧失以及气候变化导致海洋猎物减少的影响。扭转这种衰退趋势很困难，因为这种鸟类极难研究。但是，通过利用人工智能监测森林的声景，科学家们有了一种富有启示性的新方法来研究这种受保护的物种。
“海鸦经常被认为是研究难度最大的森林鸟类之一，”美国林务局的生物学家、一项关于这项新技术的 新论文 的首席作者Adam Duarte说。Duarte表示，通过将计算机科学和录音技术与生态学相结合，研究人员能够克服许多历史性的挑战。
为了找到更有效的研究鸟类的方法，俄勒冈州立大学的生态学家、合著者Matthew Betts转向了 斑点猫头鹰 科学家。与斑海鸦一样，斑点猫头鹰也是濒危且隐匿的，数十年来，研究它们的工作涉及诱捕鸟类进行捕捉和标记。但是，在2017年，一个来自林务局和俄勒冈州立大学的斑点猫头鹰研究团队开始尝试新的方法：被动声学监测。该团队在俄勒冈州和华盛顿州的150个地点部署了高质量麦克风，试图通过猫头鹰的叫声来探测它们。
仅在第一年，麦克风就录制了15万小时的音频，这需要两名全职员工大约两年的时间来分析。“这非常耗费人力，”参与斑点猫头鹰研究的野生动物生物学家Damon Lesmeister说。
Lesmeister表示，团队显然需要实现流程自动化。为了做到这一点，他们将叫声转化为声谱图——一种声音波动的可视化表示，其中斑点猫头鹰的叫声（像所有物种一样）会产生独特的“签名”。然后，他们开发了一种新的工具：卷积神经网络，这是一种机器学习技术，可以自动识别和分析这些图像。
但Lesmeister的数据不仅捕捉到了斑点猫头鹰，还收录了人类听觉范围内所有发声的物种。在这批数据中，海鸦科学家看到了极大地扩展他们研究范围的潜力。他们训练算法自动识别海鸦的叫声，从而检测到它们的存在。
Duarte表示，展望未来，这种方法将能够让科学家们识别出一片森林中海鸦的叫声频率，并利用这些信息预测该区域是否被积极用于筑巢——这很重要，因为美国禁止砍伐筑巢区。“这将是非常棒的，因为它将直接用于森林的管理决策，”Duarte说。
加拿大野生动物服务局的生物学家Lena Ware曾在一项 研究生工作中 使用一个名为BirdNET的人工智能平台来识别鸟叫声。她表示，海鸦研究的规模令人印象深刻。她认为，基于机器学习的工具已经能够比单独的人类做得更多。在Ware的研究区域——加拿大北部，BirdNET检测到的物种比人类听者多20%至60%。但她指出，更大的数据集——如海鸦研究中使用的数据集——将带来更准确的结果，而大数据方法将进一步扩大研究规模。“通过拥有海量的声学数据，你可以回答更多的问题。”
在太平洋西北地区，人工智能与被动声学监测的结合仅仅是开始。例如，Lesmeister的团队正在将研究范围扩大到斑海鸦之外。研究人员已经开始处理超过一百万平方公里的80个物种的音频数据，仅在2023年就收集了超过两百万小时的声音——这个数字还在不断增加。通过与初创公司Instinct合作，研究人员已经开始将处理能力内置到录音设备本身；这些设备可以在目标动物发出叫声时就识别出来，从而使研究人员能够实时定位濒危物种。这类数据将有助于采取更精确的保护措施，包括暂停林业作业或移除关键区域的捕食者，例如 条纹猫头鹰。
从根本上说，了解濒危物种的状况是保护它们的重要组成部分。“我觉得自己很幸运，我正处于拥有这一切的时代，”Lesmeister说。“上一代的生态学家做梦也想不到我们今天能进行这样的研究。”
本文最初发表于 Hakai Magazine，并经授权在此转载。
