共计 921 个字符，预计需要花费 3 分钟才能阅读完成。
听起来有些不可思议：加拿大不列颠哥伦比亚省的生物学家正在运用人工智能技术，识别并解读鱼类发出的声音。这项突破性的研究为海洋生态监测和保护提供了全新的技术手段。
潜水员正在布设用于捕捉水下音频的声源定位阵列。（Shane Gross/UVic）
来自维多利亚大学的生物学家发现，即使是亲缘关系很近的鱼类，也会发出独特且彼此迥异的声音。他们的研究证实，不同物种的声音确实可以区分，这就像通过鸟鸣来识别鸟类一样。
研究团队通过被动声学监测技术，成功识别出温哥华岛附近八种鱼类各自特有的叫声。在此基础上，他们开发出一套机器学习模型，能够以高达 88% 的准确率预测声音对应的物种。
“我们早就知道许多鱼类在自然环境中会发出声音，但一直不清楚这些声音具体属于哪个物种，也不确定能否将它们区分开来，”该研究的首席研究员、维多利亚大学博士研究生达里安·兰卡斯特在一份新闻稿中解释道，“现在，就像我们通过鸟鸣来识别鸟类一样，我们也可以通过倾听鱼类的声音来识别特定的鱼种。”
研究记录下了不同鱼类丰富多样的“语言”。例如，黑岩鱼会发出类似蛙鸣的悠长低吼，而羽背岩鱼则倾向于发出一连串短促的敲击声和咕噜声。
“观察到这么多不同种类的鱼发出声音，并看到伴随这些叫声的特定行为，整个过程都令人非常兴奋，”兰卡斯特补充道。
“有些鱼，比如羽背岩鱼，在被其他鱼追逐时会发出快速的咕噜声，这很可能是一种防御机制。而在另一些时候，像铜岩鱼这样的物种，在海底追捕猎物时会反复发出敲击声。”
为了识别这些声音，兰卡斯特采用了被动声学监测技术。她使用由前维多利亚大学博士研究生、项目合作者泽维尔·穆伊设计的声源定位阵列，收集水下音频与视频数据，然后通过分析声音特征来辨别不同物种叫声的差异。
她所构建的人工智能机器学习模型，采用了一套包含 47 种不同声音特征（如持续时间和频率）的参数体系，用以检测每个物种声音中可用于相互区分的细微差别。模型正是利用这些声音特征的微妙差异，将不同物种的叫声进行分组和归类。
兰卡斯特开发的这套方法，可供全球科学家借鉴，用于解读其他鱼类的叫声，有望在海洋生物多样性调查和非侵入性生态监测中发挥重要作用。
此项研究获得了加拿大自然科学与工程研究理事会以及加拿大渔业与海洋部的资助。
