Штучний інтелект у тесті на визначення звуків птахів

Відповіді та пояснення з’являються під час виконання тесту.

1. Яке проміжне представлення аналізує більшість систем штучного інтелекту зі звуком птахів?
   • Спектрограма, що показує частоту в часі
   • Необроблена стенограма дзвінка
   • GPS-координата птаха
   • Фотографія оперення птаха
2. Яка модель ШІ підтримує функцію Merlin Sound ID?
   • WhaleNet
   • BirdNET
   • SongScope
   • АвіаГПТ
3. Чому акустичний моніторинг особливо корисний для птахів?
   • Птахи більшу частину року мовчать
   • Птахи голосять тільки під водою
   • Птахів часто легше почути, ніж побачити
   • Фотоапарат не може фотографувати птахів
4. Що є типовим завданням для класифікаторів звуків птахів?
   • Птахи ніколи не повторюють своїх криків
   • Спектрограми неможливо обчислити
   • Усі птахи звучать однаково
   • Накладання викликів і фоновий шум знижують точність
5. Який ресурс надає записи з мітками, які використовуються для навчання цих моделей?
   • Ксено-канто
   • Телефонна книга
   • Google Карти
   • Графік припливів
6. Які переваги надають малопотужні пристрої для моніторингу птахів у майбутньому?
   • Вони усувають усі крики птахів
   • Вони ідентифікують види на місці та передають лише виявлені дані
   • Вони потребують постійного нагляду з боку людини
   • Вони працюють тільки в приміщенні
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