共计 1074 个字符，预计需要花费 3 分钟才能阅读完成。
在深邃的海洋中，一场无声的对话正在进行。加拿大维多利亚大学的科学家们正利用人工智能技术，解码水下的“鱼言鱼语”。这项突破性研究，让通过声音识别特定鱼类物种成为现实。
潜水员正在布设水下声音定位阵列。（Shane Gross/UVic）
通过先进的被动声学技术与机器学习模型，研究团队成功识别并区分了温哥华岛附近八种鱼类发出的独特声音，预测准确率高达 88%。这项研究为海洋生态监测和鱼类行为研究开辟了全新途径。
“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来自哪种鱼，更不知道能否加以区分，”维多利亚大学博士生、该研究负责人 Darienne Lancaster 解释道，“现在，就像我们通过鸟鸣识别鸟类一样，我们也能通过声音来辨认特定的鱼类物种。”
鱼类声音的独特“语言”
研究显示，即使是亲缘关系很近的鱼类，也会发出独特且可区分的声音。不同鱼类的发声模式各有特色，形成了水下世界的独特“语言”体系。
例如，黑石斑鱼会发出类似蛙鸣的悠长低吼，而羽冠石斑鱼则发出一连串短促的敲击声和咕噜声。这些声音特征成为机器学习模型识别不同物种的关键依据。
“观察到这么多鱼类能发出声音，并且这些声音与特定行为相关联，实在令人兴奋，”Lancaster 说，“比如羽冠石斑鱼在被追逐时会发出急促的咕噜声，这很可能是一种防御机制；而铜色石斑鱼在海底追捕猎物时，则会反复发出敲击声。”
人工智能如何“听声辨鱼”
这项研究采用了创新的技术方法。Lancaster 使用被动声学监测技术进行声音采集，特别采用了由前维多利亚大学博士生、项目合作者 Xavier Mouy 设计的声音定位阵列。
该阵列能够同步录制水下音频与视频，研究人员通过声学特征分析不同物种叫声的差异。在此基础上，团队构建了专门的人工智能机器学习模型。
该模型提取了 47 种声音特征——包括持续时间、频率等关键参数——以捕捉各类鱼声间的细微差别，并据此对叫声进行自动分类。这一技术框架具有高度适应性，可供全球科研团队调整，用于识别其他海域鱼类的发声。
研究意义与应用前景
此项研究由加拿大自然科学与工程研究理事会及加拿大渔业与海洋部共同资助，代表了人工智能在海洋生物学领域的重要应用。
通过机器学习识别鱼类声音，科学家能够：
随着技术的不断完善，未来我们或许能够建立全球鱼类声音数据库，实现更广泛的水下生物监测。这项研究不仅展示了人工智能在科学研究中的强大能力，也为保护海洋生物多样性提供了创新工具。
