AI可自动监控森林生物多样性

随着森林转变为开阔的农田，自然界的噪音平衡发生变化，甚至环境本身的声学效果也会发生变化。科学家们现在想知道这些不断变化的音景是否能为他们提供机会。近年来，人们发起了各种开垦农田和恢复森林的努力，目标多种多样，从碳捕获到增加生物多样性，但监测此类努力的进展并不总是那么容易。毕竟，再生不是一朝一夕的事情，它受到很多因素的影响。这就产生了约尔格等科学家所说的“恢复梯度”。现在，卫星图像等工具可用于量化树木和植物的再生，进而估算碳捕获量，但对野生动物种群恢复的监控，却仍是一个难题。

用AI监测生物多样性和种群恢复

为了防止野生动物灭绝，森林恢复是关键，但监测生物多样性却极其困难。不过现在，生态学家约尔格·穆勒（Jörg Müller）带领的一个团队采集了大量动物声音录音，以确定恢复的程度。然而，虽然使用这些声音来识别物种是一种有效的监测方法，但它也是劳动密集型的。为了克服这个问题，他们训练了一个人工智能来听声音，发现虽然它识别物种的能力较差，但其发现仍然与野生动物的恢复密切相关，这表明它可能是一种经济有效的自动化监测生物多样性的方法。

没有一种声音识别方法可以捕获一切。每种方法对某些物种组都有一定的偏见。在这种方法中，约尔格·穆勒的团队主要监控所有发声脊椎动物，主要是鸟类、两栖动物和一些哺乳动物，然后检查它们如何描述森林随时间恢复的梯度。

尽管不完美，约尔格仍然相信分析音景可以提供有用的测量方法。但他们需要一个生态场景来检验他们的理论——他们在厄瓜多尔发现了一个由非政府组织创建的保护区。

在保护区内或边缘，仍有仍用于农业用途的森林。有些地区现在被废弃了两年、五年、十年、三十四年等等。它们也是古老的植被，所以那里有原始森林。约尔格的团队开始在保护区的一些地块上录制音景。

约尔格希望使用人工智能实现流程自动化，因此使用了声学指数分析。现在，它不再挑选单个物种，而是根据频率或音调等基本声音特性广泛评估声音。但他们还采用了人工智能辅助程序，特别是神经网络，该程序经过训练可以识别 75 种鸟类。这些鸟来自该地区，但不是来自这个特定的地块。它们只是录音中可以听到的动物中相对较小的一部分，但约尔格希望这仍然足以获得合理的代理。事实上，由于训练有限，人工智能软件只能识别出专家所识别出的物种的一半左右。但让约尔格团队印象深刻的是，他们所有的评估方法都相互追踪，并追踪到保护区的再生模型，可靠地预测了森林位于再生梯度上的位置。约尔格表示，即使对于该领域的专家来说，这一点也并不总是容易判断。

鸟类是最佳指标

作为一名鸟类学家，我有时很难看出这是一片恢复森林，还是已经是一个古老的森林。所以你在森林里，你周围有很多树，经过30年的树木生长，其中一些每年长一米或更多，并且很难识别发生了什么。但如果你问鸟儿，它们会准确地告诉你这是一片古老的树林，还是一片恢复森林。所以问问鸟儿，他们会告诉你一些关于进展的事情，简而言之就是这个故事。——约尔格

约尔格团队的数据还表明，再生状态的最佳指标不是记录的物种数量，而是一个地区物种的组成。

物种数量是一个非常弱的指标。至于原因是什么，我想用一个非常简单的例子来解释一下。所以如果你去那里的农田，你会发现一群鸟。你可以记录一下，假设你一天早上在那里发现了 10 只鸟，然后你去了老树丛，你也会发现 10 只鸟。所以当你比较时，没有什么区别。但事实上，它们是完全不同的物种。我们了解到，农田中的物种是常见的物种，南美洲更南部的地区，那里的栖息地自然更开放，因此，群落组成，即物种的相似性，是一个描述生物多样性恢复模式的更好指标。——约尔格

现在，这个自动化系统并不完美。有一件事是，有很多很多动物不会发出明显的声音，因此没有被系统检测到。但约尔格仍然认为这些测量结果是有用的。事实上，他通过将他们的分析与完全独立的数据集进行比较来测试它。

对于“静默物种”，约尔格的研究将初步数据与另一个数据集结合起来，该数据集仅基于元编码，因此对用光陷阱收集的大量昆虫进行了测序，因此它们与我们的声音无关。而且这个数据集中几乎没有发声的昆虫。我们看到，即使与我们的声音指数也有很好的相关性，这表明鸟类非常具有综合性。如果鸟类正在改变物种组成，那么其他群落也在发生变化。因此，也许鸟类可以作为这个恢复森林的主要指标。但总体而言，现在说还为时过早，因为我们尚未将这些与土壤多样性或植物多样性相关联，这只是一个假设，需要进一步测试。

AI监控为碳汇交易提供可靠的报告机制

约尔格认为这样的系统开辟了新的机遇，例如在新兴的生物多样性信贷市场。在这些模型中，公司、个人甚至政府向土地所有者付费，让他们集中精力致力于生物多样性的再生。这个想法的运作方式与碳信用额和补偿类似。但此类交易需要可靠的报告机制。

目前业界没有可用的工具和解决办法。所以我们进来，在我们测试的地区，我们可以很容易地说，好吧，这就是你所在地区现在的状况，你在那里收集声音数据，五年或十年后你再这样做。我们可以准确地说，您现在距离原始森林更近了 20%。而且这是付费的。这是非常严肃的、记录良好的基线数据，可以为这个即将到来的新市场制定基线。

AI会让生态学家失业吗？

从长远来看，我们需要更多专家，我们将在专家识别的帮助下进一步开发这些人工智能模型，他们标记特定物种并提供剪断，并说这个声音片段正是该物种，然后你可以用它来喂养你的人工智能模型。模型很饥饿，数据也很饥饿，如果没有专家，我们就无法喂养它们，那么专家将永远无法运行数百万个声音文件。

人工智能可以做到这一点（帮助专家节省大量手动工作），这是一个很大的优势。所以AI需要专家，专家也需要AI。现在我们需要从人工智能模型中仍然缺失的物种中获得更好的标签，以获得更好的模型。然后我们就可以大规模地运行它。人们常常担心现在专家会失业，但事实上，情况恰恰相反。人们对专业知识的兴趣比以往任何时候都要强烈。

视频链接：

https://youtu.be/VQ-K0zQh7Js

论文链接：

https://www.nature.com/articles/s41467-023-41693-w