利用AI模型Perch进行生物声学监测保护濒危物种

值得关注的是，在濒危物种保护领域，声音正演变为日益强大的工具。某机构旗下的Perch新模型，正在帮助生态保护工作者更高效地解析海量声学数据，进而守护从夏威夷旋蜜雀到珊瑚礁等一系列濒危物种。

科学家评估地球生态系统健康状态的一种常用方法其实相当直观——在陆地部署麦克风，或在水下放置水听器，用于捕捉鸟类、蛙类、昆虫、鲸鱼和鱼类等生物的声响。这些声波记录中包含了丰富的信息，不仅能够揭示特定区域的物种组成，还可反映生态系统健康状况的潜在变动。然而，一个现实难题是：收集到的音频数据体量巨大，人工处理几乎不切实际。

就在今天，某机构正式发布了升级版Perch模型。这款人工智能工具专为生物声学数据分析设计，能够帮助保护工作者从海量录音中提取有效信息。相较于上一版本，新模型在鸟类物种预测方面表现更加出色，同时也能更好地适配珊瑚礁等水下声学环境。在训练数据方面，新模型吸纳了更广泛的声源类别，涵盖哺乳动物、两栖动物以及人为噪声——整体数据量接近原来的两倍，主要来源于Xeno-Canto和iNaturalist等公共数据集。该模型能从数千甚至数百万小时的音频中，精准解析复杂的声学场景。更为关键的是，Perch的适用范围极为广泛，无论是评估“新生幼崽数量”还是测定“特定区域内动物种群规模”，它均能给出有效结论。

为推动更多科研人员参与应用，该机构已将新版Perch作为开放模型发布，并同步上架至Kaggle平台供用户使用。

需特别指出的是，Perch不仅擅长识别鸟类鸣声，其新版模型在训练数据方面进行了大幅拓展，覆盖了哺乳动物、两栖动物甚至人为噪声等多种声源。

现实世界应用：Perch的实践成果

自2023年首次推出以来，Perch初始版本已被下载超过25万次，其开放式解决方案如今已深度集成到生物学家的常用工具链中。以Perch的向量搜索库为例，它已成为某机构广泛使用的BirdNet分析器的核心组件。此外，Perch正协助某机构及某声学观测站为多个独特的澳大利亚物种构建分类器。其中，相关工具成功助力发现了一个新生的、行踪隐秘的平原游荡鸟种群。这堪称一项重大进展——类似这样的声学监测手段，将深刻影响众多濒危鸟类的未来走势。近期研究还表明，旧版Perch已具备识别个体鸟类并追踪其丰度的能力，这有望减少为监测种群而开展的捕捉释放研究需求。最后，来自某大学生物声学实验室的团队，正利用Perch监测和保护夏威夷旋蜜雀。这种鸟类在夏威夷传统文化中具有重要象征意义，却因外来蚊子传播的禽疟疾而面临灭绝风险。Perch帮助他们将旋蜜雀鸣声的识别速度提升近50倍，从而得以在更广阔的区域监测更多种群。新模型的发布，预计将进一步加速这些保护行动的推进。

解构地球的声学交响

Perch模型不仅仅能预测录音中存在哪些物种——这仅仅是其能力的开端。该机构还提供了配套工具，使科学家能够基于单个声学样本快速构建新型分类器，用于监测数据稀缺的物种或特定声音，例如幼鸟鸣叫。具体而言，给定一个声音样例，利用Perch的向量搜索功能，可从数据集中匹配出最相似的声音片段。随后，当地专家可将这些搜索结果标注为相关或无关，以此训练分类器。这种将向量搜索与主动学习相结合的方法，被命名为“敏捷建模”。近期发表于arXiv的论文《寻找叫声：生物声学中的敏捷建模》证实，该方法在鸟类和珊瑚礁场景中均表现出色，可在不到一小时内构建出高质量分类器。

展望未来：生物声学的广阔前景

这些模型与方法正协同发力，最大限度地提升保护工作的成效，为更具价值的实地调研留出时间和资源。从夏威夷的森林到海洋中的珊瑚礁，Perch项目生动展示了将前沿科技应用于全球最紧迫挑战时所引发的深远变革。每构建一个分类器，每分析一小时音频数据，都在悄然推动我们迈向一个充满生机、生物多样性繁荣的地球。