研究珊瑚礁過去意味著數小時艱苦的人工分析，但人工智慧正在改變遊戲規則。一種新型神經網路可以即時處理海洋聲音，辨識魚類活動的速度比人類快25倍。 這項技術將徹底改變科學家監測珊瑚礁健康和保護海洋生態系統的方式。

研究人員使用自主水下機器人CUREE 收集聲學數據進行分析。 資料來源：伍茲霍爾海洋研究所Austin Greene

珊瑚礁是地球上最多樣化的生態系統之一。 雖然珊瑚礁只覆蓋了不到1%的海洋，但卻為大約25% 的海洋物種在其生命週期的某個階段提供了棲息地。 由於如此多的生物多樣性集中在一個地方，科學家在準確識別哪些物種和數量方面面臨挑戰。

為了解決這個問題，伍茲霍爾海洋研究所（Woods Hole Oceanographic Institution）的研究人員開發了一種新方法，將聲學監測與神經網路結合，根據聲音分析魚類活動。 他們的研究報告今天（3 月11 日）發表在美國聲學學會期刊JASA上，由AIP 出版社出版。

多年來，科學家一直依靠被動聲學監測來研究珊瑚礁。 這包括在珊瑚礁上放置一個水下記錄器，持續數月以捕捉環境聲音。 雖然現有的訊號處理工具可以分析大量音訊數據，但它們並不是為偵測特定聲音而設計的。 要辨識單一魚類的聲響或物種特有的聲音，研究人員仍需手動篩選數小時的錄音。

作者塞斯-麥卡蒙（Seth McCammon）說：”老實說，對於從事這項工作的人來說，這是一項可怕的工作。這是令人難以置信的乏味工作。太痛苦了。”

同樣重要的是，這種人工分析的速度太慢，不適合實際應用。 世界上許多珊瑚礁都受到氣候變遷和人類活動的威脅，因此能夠快速識別和追蹤珊瑚礁族群的變化對保育工作至關重要。

麥卡蒙說：”人類需要花費數年時間才能將數據分析到這種程度。以這種方式分析數據並不能大規模地發揮作用。”

作為一種替代方法，研究人員訓練了一個神經網路來自動整理大量的聲學數據，即時分析音訊記錄。 他們的演算法在破解珊瑚礁聲學趨勢方面的精確度可與人類專家媲美，但速度要快25倍以上，它可能會改變海洋監測和研究的方式。

麥卡蒙說：”現在我們不再需要人類的參與，那麼除了記錄儀之外，我們還可以使用哪些其他類型的設備呢？我的合著者阿蘭-穆尼（Aran Mooney）正在做的一些工作包括將這種神經網絡集成到浮動繫泊裝置上，該裝置將實時更新魚類的聲響計數。我們還在努力將我們的神經網絡集成到我們的自動航行器上的聲音

這項技術還有可能解決海洋聲學研究中一個長期存在的問題：將每種獨特的聲音與魚類相匹配。

麥卡蒙說：”對於絕大多數物種來說，我們還沒有達到這樣的程度，即我們可以肯定地說某一聲響來自某一種魚。至少在我看來，這是我們正在尋找的聖杯。 透過即時檢測魚的聲響，我們可以開始製造能夠自動聽到聲響的設備，然後查看附近有哪些魚。”

麥卡蒙希望，這種神經網路最終能為研究人員提供即時監測魚類族群、識別有問題物種和應對災害的能力。 在珊瑚礁需要全力幫助的時代，這項技術將幫助保護主義者更清楚地了解珊瑚礁的健康狀況。

編譯自/ ScitechDaily