解开大自然的合唱：人工智能在台湾山地森林中检测鸟声
被称为生物多样性热点的山地森林是面临气候变化威胁的生态系统之一。为了了解气候变化对这些森林中鸟类的潜在影响，研究人员在台湾玉山国家公园设置了自动记录仪，并开发了一种利用鸟类声音识别物种的人工智能工具。他们的目标是通过声学数据分析动物活动的状态和趋势。
台湾国立中山大学的张学文教授和博士候选人吴世雄、特有物种研究所助理研究员Jerome Chie-Jen Ko和玉山国家公园总部的蔡文玲女士在《生物多样性数据杂志》上发表了一篇论文，详细介绍了他们使用人工智能检测6万只鸟鸣。
与传统的基于观测的方法相比，使用自动记录仪捕获野生动物声音的被动声学监测为长期生物多样性监测提供了具有成本效益、长期和系统的替代方案。作者在台湾玉山国家公园部署了六个记录仪，这是一个海拔从1，200米到2，800米不等的亚热带山地森林栖息地。
从 2020 年到 2021 年，他们录制了近 30，000 小时的音频文件，其中包含丰富的生物信息。然而，分析这个庞大的数据集具有挑战性，需要的不仅仅是人力。
为了应对这一挑战，作者利用深度学习技术开发了一种名为SILIC的人工智能工具，可以通过声音识别物种。SILIC可以快速查明音频文件中每个动物叫声的精确时间。经过多次优化，该工具现在能够识别台湾原产的 169 种野生动物，包括 137 种鸟类，以及青蛙、哺乳动物和爬行动物。
在这项研究中，作者使用SILIC从七种山地森林鸟类中提取了6，243，820个发声，精度高达95%，创建了全球生物多样性信息设施上第一个开放访问的人工智能分析物种发生数据集。这是第一个开放访问数据集，其中包含人工智能从声景录音中的声音中提取的物种发生数据。
该数据集揭示了野生动物在短时间尺度和长时间尺度上的详细声学活动模式。例如，在diel模式中，作者确定了所有物种的早晨发声高峰。每年，大多数物种都表现出单一的繁殖季节高峰;然而，有些，如灰颏迷你兽，显示出次要的非繁殖季节高峰，可能与成群行为有关。
随着监测项目的继续，声学数据可能有助于以具有成本效益和自动化的方式了解多年来动物行为和种群的变化和趋势。
作者预计，这个广泛的野生动物发声数据集不仅对国家公园总部的决策有价值。“我们希望我们的数据集能够帮助填补山地森林中精细鸟类时间活动模式的数据空白，并有助于研究气候变化对山地森林生态系统的影响，”他们说。