人工智能的蜜蜂被動聲學監測

 (https://resjournals.onlinelibrary.wiley.com/doi/10.1002/3070-5436.70006)

 由於化學殺蟲劑的廣泛使用、棲息地喪失和氣候變遷加速，包括熊蜂在內的許多授粉昆蟲的數量在過去幾十年中急劇下降。但是，如果不依賴致命的陷阱——為了準確統計蜜蜂數量，陷阱可能會殺死成千上萬隻蜜蜂——就很難了解問題的嚴重程度，也難以判斷保護策略是否有效。在野外可以透過聲音區分熊蜂和蜜蜂。如果我的大腦能夠輕鬆區分蜜蜂的種類，那麼我們也應該能夠訓練一個人工智能模型來做到這一點，這篇論文構建了兩個不同的以傳粉昆蟲為中心的模型——一個模型可以檢測從特定地點採集的音頻記錄中蜜蜂的整體活動，另一個模型則可以利用相同的錄音區分蜜蜂和熊蜂。模型已整合到 Raven Pro 中，Raven Pro 是一款聲學分析工具，科學家經常使用它來分析物種活動。利用五年間從美國東北部 43 個不同地點採集的 594 份現場錄音，訓練了專門分析蜜蜂聲音的模型。模型達到了非常高的精確率，能夠正確識別樣本中 93%–97% 的蜜蜂，並且與訓練有素的研究人員在現場進行的視覺觀察高度相關。