我们解决这个问题的方法是使用机器学习——看看计算机是否可以学习珊瑚礁的歌声，”该研究的主要作者、埃克塞特大学的博士生 Ben Williams在新闻稿中说。
“我们的研究结果表明，计算机可以拾取人耳无法察觉的模式。它可以更快、更准确地告诉我们珊瑚礁的状况。”
根据本月早些时候发表在《生态指标》杂志上的这项新研究，根据这首水下歌曲的录音，人工智能在识别珊瑚礁健康方面的准确率为 92%。
虽然珊瑚礁不会唱歌，但珊瑚礁内部和周围的生物发出的各种声音描绘了一幅可以分析的整体画面——音景。
对珊瑚礁进行声学监测并不是一个新想法。科学家们此前曾录制过珊瑚礁周围的音景，并将其用于研究。但使用个人记录并不总是能产生有用的信息，因此研究人员想看看计算机是否能发现人类无法发现的更大趋势。
在这项研究中，埃克塞特大学的科学家们训练了一种计算机算法，通过播放计算机围绕健康和受损珊瑚拍摄的多个录音，来了解健康和不健康珊瑚礁的声音。
该研究将健康的珊瑚礁定义为拥有 90-95% 的活珊瑚，而不健康的珊瑚礁则拥有 0-20% 的活珊瑚。在确定候选者后，研究人员使用了来自两种珊瑚礁的 12 条录音，分别以三种不同的频率进行。每次录音大约一分钟。
然后，他们通过让算法收听进一步的录音并评估这些新录音是健康还是不健康的珊瑚来测试算法的能力。计算机收听了三个不同站点的 100 多个新录音。
研究发现，在查看更大的记录分组时，该算法的准确性远高于尝试根据任何一个单独的记录单独识别特定珊瑚礁的健康状况的尝试。
根据这项研究，如果这种称为被动声学监测 (PAM) 的方法被更广泛地采用，它可以为了解珊瑚礁的健康状况以及哪些珊瑚礁需要帮助提供一条捷径。
“珊瑚礁正面临多种威胁，包括气候变化，因此监测它们的健康和保护项目的成功至关重要，”威廉姆斯说。
“一个主要困难是珊瑚礁的视觉和声学调查通常依赖于劳动密集型的方法。视觉调查也受到许多珊瑚礁生物隐藏自己或在夜间活动的事实的限制，而珊瑚礁声音的复杂性使得它很难使用个人记录来识别珊瑚礁的健康状况。”