文章來源：海洋與濕地
當前， 全球面臨著越來越危險的氣候變遷和生物多樣性衰退挑戰 。人類開始轉向包括人工智能在內的新興技術，以尋求過去被視為不現實的解決方案來提高環境保護能力。人工智能在其強大的計算能力和數據處理能力方面具備巨大潛力，可以為科學家們提供更準確、更及時的數據，幫助他們預測和監測氣候變遷和生物多樣性的發展趨勢,實作更高效的資源分配和管理，從而為生態保護工作提供更多的支持和保障。本系列文章將分享人工智能技術在各個保護領域的套用案例，供感興趣的讀者參考。
INSTINCT專案
阿拉斯加海域是世界上大型鯨魚的棲息地之一。 由於許多動物在這個廣闊、偏遠、嚴酷的海洋環境中遷移很長的距離，收集需要保護和保育這些物種的科學資訊是一個巨大的挑戰。從空中或海上監測這些動物是困難且昂貴的。被動聲學監測——在水下聽——是一種在季節和年的時間尺度上監測海洋哺乳動物的成本有效的方法。自 2000年代末以來，人們在阿拉斯加海域設定了一系列的錨定器材。這些錨定器材配備了水下麥克風來記錄海洋聲音 。多年來的記錄產生了大量的數據，海洋哺乳動物的叫聲必須透過分析和檢測才能辨識出來。這些數據起先還只能由人類分析——這是一項極為耗時且技術難度大的工作。而現在， 科學家們正在訓練AI來辨識聲音記錄中的某些特定類別的海洋哺乳動物訊號。
阿拉斯加漁業科學中心海洋哺乳動物實驗室開發了一個名為 INSTINCT的人工智能程式，用於從水下聲音記錄中檢測和辨識鯨魚的叫聲。 這個程式使得對鯨魚保護至關重要的數據可以更快地傳遞給管理者。此外，盡管INSTINCT最初是為阿拉斯加開發的，但它可以適應所有海洋的使用。
2021年，INSTINCT從北極地區25個采集點收集到的長達13年的聲音記錄中檢測並分類了1800萬段長須鯨的叫聲（許多鯨魚重復發出叫聲），僅再需要為期兩個月的人工稽核。這節省了6年多的等效人工工作。它提供了白令海和楚科奇海長須鯨季節性分布的資訊 。
D-calls監測
澳洲南極科學團隊、康奈爾大學K. Lisa Yang保護生物聲學中心以及科廷大學的團隊，使用機器學習訓練了一個演算法，該演算法可以在聲音記錄中以比人類專家更高的準確性和速度檢測到藍鯨的"D-calls"（D-calls被認為是雄性和雌性藍鯨在棲息地發出的"社交"叫聲） 。這項技術將使科學家們能夠更容易地分析數以千計的小時記錄，以更好地了解這些鯨魚的生存趨勢，以及它們從捕鯨中恢復過來的情況。D-calls在季節和年份之間往往變化很大。這種變化使得錄音分析的自動化更難實作。為了克服這個問題，該研究團隊在2005年至2017年間從南極周圍的站點記錄的2000小時的聲音中，摘取了大約5000個D-calls，對演算法進行了訓練。
視覺分析
除了「聽」之外，「看」的技術也在快速發展中。在過去的幾年中，科學家們已經開始利用 人工智能技術來分析收集的影片數據，以便在嘈雜的專案中檢測海洋中的鯨魚，例如海上石油和天然氣調查以及風電場建設等。 這種方法的一個主要優點是，它可以在不幹擾海洋生物的情況下，從遠處收集有關鯨魚行為和分布的資訊。
例如，科學家們在南極進行的三次航行中收集了大量的影片數據，現在這些數據正在被用來開發人工智能，以便在石油和天然氣調查以及風電場建設等嘈雜作業中監測鯨魚。透過對影片數據的分析，科學家們能夠測量鯨魚每次浮出水面時的準確位置、呼吸頻率、遊得有多快以及去了哪裏，進而了解動物是在進食還是只是在該地區移動，從而掌握它們的運動和行為模式。
圖源：百度百科
編譯：Richard
稽核：Daisy
