共计 826 个字符，预计需要花费 3 分钟才能阅读完成。
加拿大维多利亚大学的生物学家近期取得一项突破性进展，他们利用被动声学技术与人工智能，成功破解了水下“鱼语”密码。这项研究不仅证实了亲缘关系密切的鱼类能发出独特且可区分的声音，更开发出一种高效、非侵入性的鱼类监测新方法，其机器学习模型对物种的识别准确率高达 88%。
潜水员正在布设用于捕捉水下音频的声音定位阵列。(Shane Gross/UVic)
研究第一作者、维多利亚大学博士研究生 Darienne Lancaster 表示：“过去我们知道许多鱼类会发声，但无法确定声音的具体来源，也不清楚不同鱼种的声音是否有差异。现在，就像通过鸟鸣识别鸟类一样，我们也能通过声音来辨识特定的鱼类物种。”
这项研究聚焦于温哥华岛附近的八种鱼类。研究团队发现，不同鱼类的发声方式与其行为密切相关。例如，黑岩鱼会发出类似蛙鸣的悠长低吼，而羽背岩鱼则发出一连串短促的敲击与咕噜声。
Lancaster 进一步解释道：“观察鱼类发声的多样性及其伴随的行为，始终令人着迷。有些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；而像铜色岩鱼这样的物种，则在海底追捕猎物时发出重复的敲击声。”
为了捕捉这些微妙的水下声音，研究团队采用了先进的被动声学监测技术。他们使用了由合作研究者 Xavier Mouy 设计的声音定位阵列，同步收集水下音频与视频数据。
在此基础上，Lancaster 构建的机器学习模型通过分析 47 种声音特征（如持续时间、频率等），成功捕捉到不同物种叫声间的细微差异，从而实现了对鱼声的自动分类与识别。
这项用 AI 破解水下鱼语密码的技术，为全球海洋生物学家提供了一种革命性的工具。它使得长期、大范围的鱼类行为研究与生态监测成为可能，且对海洋生物几乎没有任何干扰。
研究团队表示，该方法未来可广泛应用于全球其他海域，帮助科学家更好地了解鱼类行为、种群分布及生态系统健康。该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，标志着 AI 技术与海洋科学交叉领域的一次重要飞跃。
