概述
这很重要，因为它让研究人员和公众能够持续、廉价、大规模地监测生物多样性。
深入探讨
鸟类的听觉比视觉容易得多，因此声学监测是调查鸟类的有效方法。人工智能系统将原始音频转换为频谱图，即显示声音频率如何随时间变化的图像，然后使用卷积神经网络来识别每个物种的歌曲和叫声的独特模式。康奈尔大学的 BirdNET 经过数千种物种的训练，为流行的 Merlin Sound ID 应用程序提供支持，该应用程序可以在手机上实时识别鸟类。除了应用程序之外，在森林中放置数月的自动记录装置还可以捕捉全天候音频，人工智能可以对其进行处理，以绘制物种存在、丰富度、迁徙时间，甚至夜间飞行呼叫的地图，而这些工作对于人类观察者来说是不可能在大面积范围内连续完成的。
现实世界的实施
Merlin Bird ID 应用程序由 BirdNET 提供支持，可通过手机麦克风实时识别鸟类种类。
研究人员在偏远森林中部署自主记录装置，以监测整个季节的物种。
环保人士通过分析人工智能捕捉到的夜间飞行呼叫来追踪夜间迁徙。
Xeno-canto 和麦考利图书馆提供用于训练和基准识别模型的标记录音。
人工智能在鸟类声音识别中的未来
自监督和基础音频模型将减少对巨大标记数据集的需求，并提高对稀有或记录不足的物种的识别。预计微型、低功耗的“边缘”设备可以在现场运行识别并仅传输检测结果，从而实现密集的传感器网络。与天气雷达和 eBird 等公民科学平台的集成将完善迁徙预测，多物种声景分析将成为保护和土地管理的标准生物多样性指标。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
什么是鸟类声音识别中的人工智能？
人工智能会聆听录音并识别正在叫声的鸟类，将麦克风变成自动化的博物学家。这很重要，因为它让研究人员和公众能够持续、廉价、大规模地监测生物多样性。
大多数鸟类声音人工智能系统分析什么中间表示？
音频被转换成频谱图，即频率与时间的图像，因此图像识别网络可以对呼叫的形状进行分类。
哪种 AI 模型为 Merlin Sound ID 功能提供支持？
康奈尔大学的 BirdNET 经过数千个物种的训练，驱动 Merlin 的实时声音识别。
为什么声学监测对鸟类特别有用？
许多鸟类会发声，但很难被发现，因此记录它们的声音可以捕捉到视觉调查错过的物种。
鸟类声音分类器面临的常见挑战是什么？
多只鸟同时鸣叫，再加上风和其他噪音，使得对单个物种进行隔离和分类变得更加困难。
哪些资源提供用于训练这些模型的标记录音？
Xeno-canto 和麦考利图书馆是用于训练和基准测试的标记鸟类录音的大型存储库。