研究珊瑚礁过去意味着数小时艰苦的人工分析，但人工智能正在改变游戏规则。一种新型神经网络可以实时处理海洋声音，识别鱼类活动的速度比人类快25倍。 这项技术将彻底改变科学家监测珊瑚礁健康和保护海洋生态系统的方式。

研究人员使用自主水下机器人 CUREE 收集声学数据进行分析。 资料来源：伍兹霍尔海洋研究所 Austin Greene

珊瑚礁是地球上最多样化的生态系统之一。 虽然珊瑚礁只覆盖了不到 1%的海洋，但却为大约 25% 的海洋物种在其生命周期的某个阶段提供了栖息地。 由于如此多的生物多样性集中在一个地方，科学家们在准确识别哪些物种和数量方面面临挑战。

为了解决这个问题，伍兹霍尔海洋研究所（Woods Hole Oceanographic Institution）的研究人员开发了一种新方法，将声学监测与神经网络相结合，根据声音分析鱼类活动。 他们的研究报告今天（3 月 11 日）发表在美国声学学会期刊JASA上，由 AIP 出版社出版。

多年来，科学家一直依靠被动声学监测来研究珊瑚礁。 这包括在珊瑚礁上放置一个水下记录器，持续数月以捕捉环境声音。 虽然现有的信号处理工具可以分析大量音频数据，但它们并不是为检测特定声音而设计的。 要识别单个鱼类的声响或物种特有的声音，研究人员仍需手动筛选数小时的录音。

作者塞斯-麦卡蒙（Seth McCammon）说："老实说，对于从事这项工作的人来说，这是一项可怕的工作。这是令人难以置信的乏味工作。 太痛苦了。"

同样重要的是，这种人工分析的速度太慢，不适合实际应用。 世界上许多珊瑚礁都受到气候变化和人类活动的威胁，因此能够快速识别和跟踪珊瑚礁种群的变化对保护工作至关重要。

麦卡蒙说："人类需要花费数年时间才能将数据分析到这种程度。以这种方式分析数据并不能大规模地发挥作用。"

作为一种替代方法，研究人员训练了一个神经网络来自动整理大量的声学数据，实时分析音频记录。 他们的算法在破译珊瑚礁声学趋势方面的精确度可与人类专家媲美，但速度要快25倍以上，它可能会改变海洋监测和研究的方式。

麦卡蒙说："现在我们不再需要人类的参与，那么除了记录仪之外，我们还可以使用哪些其他类型的设备呢？我的合著者阿兰-穆尼（Aran Mooney）正在做的一些工作包括将这种神经网络集成到浮动系泊装置上，该装置将实时更新鱼类的声响计数。 我们还在努力将我们的神经网络安装到我们的自动水下航行器 CUREE 上，这样它就能倾听鱼的声响，并绘制出生物活动的热点。"

这项技术还有可能解决海洋声学研究中一个长期存在的问题：将每种独特的声音与鱼类相匹配。

麦卡蒙说："对于绝大多数物种来说，我们还没有达到这样的程度，即我们可以肯定地说某一声响来自某一种鱼。至少在我看来，这是我们正在寻找的圣杯。 通过实时检测鱼的声响，我们可以开始制造能够自动听到声响的设备，然后查看附近有哪些鱼。"

麦卡蒙希望，这种神经网络最终能为研究人员提供实时监测鱼类种群、识别有问题物种和应对灾害的能力。 在珊瑚礁需要全力帮助的时代，这项技术将帮助保护主义者更清晰地了解珊瑚礁的健康状况。

编译自/ScitechDaily