共计 825 个字符，预计需要花费 3 分钟才能阅读完成。
听起来很神奇：B.C. 生物学家利用人工智能识别和解读鱼类声音。维多利亚大学的生物学家最近取得了突破性进展，他们发现即使是亲缘关系很近的鱼类，也能发出独特且可区分的声音。这项研究利用被动声学技术，成功识别出温哥华岛附近八种鱼类特有的叫声，并开发出一款机器学习模型，能以惊人的 88% 准确率预测声音来源的物种。
首席研究员、维多利亚大学博士生 Darienne Lancaster 在新闻稿中兴奋地表示：“我们早就知道许多鱼类在野外会发出声音，但此前一直无法确定这些声音属于哪个物种，也不知道能否区分它们。现在，就像我们通过鸟鸣识别鸟类一样，我们也可以通过聆听鱼类的声音来识别特定物种。”这标志着人工智能在生物声学领域的应用迈出了重要一步。
不同鱼类的叫声各有特色。例如，黑石斑鱼会发出类似蛙鸣的长而低沉的咆哮声，而羽冠石斑鱼则会发出一连串短促的敲击声和咕噜声。Lancaster 补充道：“观察到这么多不同种类的鱼类发出声音，并看到伴随这些叫声的行为，一直令人兴奋。有些鱼，比如羽冠石斑鱼，在被追赶时会发出快速的咕噜声，这很可能是一种防御机制。而像铜石斑鱼这样的鱼，在海底追捕猎物时，则会反复发出敲击声。”这些发现为理解鱼类行为提供了新的视角。
这项研究的核心技术是采用被动声学监测技术来识别鱼类声音。Lancaster 使用了由前博士生、项目合作者 Xavier Mouy 设计的声音定位阵列，收集水下音频和视频，然后利用声音特征来区分不同物种的叫声。她的人工智能机器学习模型采用了 47 种不同的声音特征（如持续时间和频率），以检测每个物种叫声中的细微差异，从而进行精确区分。模型通过这些微小差异将物种的叫声归类，展示了 AI 在复杂数据分析中的强大能力。
这项人工智能识别鱼类声音的技术具有广阔的应用前景，未来可被全球科学家采用，以解读其他鱼类的叫声，助力海洋生物多样性研究和保护。该研究由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资助，为未来的生态监测开辟了新的道路。
