AI解碼海洋聲景，揭開珊瑚礁生態奧秘

過去研究珊瑚礁生態需要耗費大量時間進行人工分析，但如今人工智慧（AI）技術正徹底改變這一局面。科學家開發出一套全新的神經網路系統，能夠即時處理海洋聲音，辨識魚類活動的速度比人類快上25倍。這項技術有望革新科學家監測珊瑚礁健康與保護海洋生態的方式。

珊瑚礁是地球上最具生物多樣性的生態系統之一。雖然它們僅佔海洋麵積不到1%，卻為約25%的海洋物種提供棲息地。由於如此豐富的生物多樣性集中在特定區域，科學家在準確辨識物種種類與數量方面面臨巨大挑戰。

為解決這個問題，伍茲霍爾海洋研究所的研究團隊開發出一套創新方法，將聲學監測與神經網路技術結合，透過聲音分析魚類活動。這項研究成果已於3月11日發表在《美國聲學學會期刊》（JASA）上。

多年來，科學家主要依賴被動聲學監測來研究珊瑚礁生態。這種方法需要在珊瑚礁放置水下錄音裝置長達數月，以捕捉環境聲音。雖然現有的訊號處理工具可以分析大量音訊資料，但它們無法辨識特定聲音。要確認個別魚類叫聲或物種特有聲音，研究人員仍需手動篩選數小時的錄音資料。

「老實說，對從事這項工作的人來說，這簡直是場噩夢，」研究作者Seth McCammon表示，「這項工作極其枯燥乏味，令人痛苦不堪。」更重要的是，這種人工分析速度過慢，難以實際應用。在氣候變遷與人為活動威脅下，全球許多珊瑚礁面臨生存危機，能夠快速辨識並追蹤珊瑚礁生物群落的變化對保育工作至關重要。

「如果依靠人工分析，要達到相同精確度需要耗費數年時間，」McCammon解釋道，「這種分析方式無法大規模應用。」為此，研究團隊訓練了一套神經網路，能夠自動處理大量聲學資料，即時分析音訊錄音。他們的演演算法在解讀珊瑚礁聲學趨勢方面，準確度可媲美人類專家，但速度卻快上25倍，這將徹底改變海洋監測與研究的方式。

「既然我們不再需要人工介入，那麼除了錄音裝置外，我們還能使用哪些其他裝置？」McCammon提出疑問。他的共同作者Aran Mooney正在進行相關研究，將這類神經網路整合到浮動繫泊裝置上，即時廣播魚類叫聲計數。研究團隊也致力於將神經網路應用於自主水下載具CUREE上，讓它能夠偵聽魚類聲音，並繪製生物活動熱點圖。

這項技術還有望解決海洋聲學研究中的一個長期難題：將每種獨特聲音與特定魚類匹配。「對於絕大多數物種，我們目前還無法確定某種叫聲來自哪種魚類，」McCammon表示，「這至少在我看來是我們追求的終極目標。透過即時魚類叫聲偵測，我們可以開始開發能夠自動聆聽叫聲並觀察附近魚類的裝置。」

McCammon期望，這套神經網路最終能讓研究人員即時監測魚類族群，辨識瀕危物種，並對災害做出應對。在珊瑚礁亟需保護的當下，這項技術將幫助保育人士更清楚地瞭解珊瑚礁的健康狀況。

參考文獻：Seth McCammon, Nathan Formel, Sierra Jarriel 和 T. Aran Mooney 於2025年3月11日發表在《美國聲學學會期刊》上的研究論文《使用卷積神經網路快速檢測珊瑚礁多樣化聲景中的魚類叫聲》。DOI: 10.1121/10.0035829