Sztuczna inteligencja w quizie identyfikującym dźwięki ptaków

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką pośrednią reprezentację analizuje większość systemów AI wydających dźwięki ptaków?
   • Spektrogram pokazujący częstotliwość w czasie
   • Surowy zapis tekstowy rozmowy
   • Współrzędne GPS ptaka
   • Zdjęcie upierzenia ptaka
2. Który model AI obsługuje funkcję Merlin Sound ID?
   • Sieć wielorybów
   • PtakNET
   • SongScope
   • AviaGPT
3. Dlaczego monitoring akustyczny jest szczególnie przydatny dla ptaków?
   • Ptaki milczą przez większą część roku
   • Ptaki nawołują tylko pod wodą
   • Ptaki często łatwiej usłyszeć niż zobaczyć
   • Aparaty nie mogą fotografować ptaków
4. Co jest częstym wyzwaniem dla klasyfikatorów dźwięków ptaków?
   • Ptaki nigdy nie powtarzają swoich nawoływań
   • Spektrogramów nie można obliczyć
   • Wszystkie ptaki brzmią identycznie
   • Nakładające się połączenia i szum tła zmniejszają dokładność
5. Który zasób udostępnia oznaczone nagrania używane do uczenia tych modeli?
   • Xeno-canto
   • Książka telefoniczna
   • Google Mapy
   • Wykres pływów
6. Jakie korzyści oferują urządzenia brzegowe o małej mocy w kontekście przyszłego monitorowania ptaków?
   • Eliminują wszelkie odgłosy ptaków
   • Identyfikują gatunki na miejscu i przekazują tylko informacje o wykryciach
   • Wymagają stałego nadzoru człowieka
   • Pracują tylko w pomieszczeniach zamkniętych
7. Which ecological patterns can long-running autonomous bird recorders help map?
   • Only the color of a bird's feathers in sunlight
   • The exact number of eggs in every nest
   • Species presence, abundance, and migration timing
   • Changes in soil chemistry beneath each microphone
8. What can nocturnal flight-call analysis help researchers monitor?
   • Fish feeding activity beneath coral reefs
   • Bee colony weight changes during winter
   • The color temperature of city street lighting
   • Migrating birds vocalizing as they pass overhead at night