科学家利用AI和神经网络来快速识别相似鸟类

对于人类而言，很多不同种类的鸟，肉眼看起来却几乎完全相同。

 

对于观鸟者来说，有些物种非常难以区分，尤其是在辨别麻雀和一种叫“little brown jobs”的单调鸣禽时，人们几乎不可能分辨得出来。但现在，有一个用来分析图片和视频的电脑程序已经帮助人们解决了这个难题，这一进展有望揭示更多鸟类行为方面的信息。

 

 

科学家利用人工智能和神经网络来快速识别相似鸟类

 

凯尼恩学院（Kenyon College）的行为生态学家艾瑞斯·莱文（Iris Levin）说：“我们花了很长时间，拿着双筒望远镜、蹲下来、紧盯着那些鸟和它们的腿，”他并没有参与到用电脑程序区分不同鸟类这项新研究当中。

 

莱文之所以这么说，是因为许多年来，研究人员通过在鸟腿上系上彩色带子的方式来识别不同的鸟类。在野外的时候，他们利用这些具有标识性的彩带辨认鸟类，但在实验室里，他们会借助图片和录像。莱文表示，通常区分不同鸟类这项任务是非常辛苦的。

 

一些特殊配备的标签里包括了GPS定位和近距离传感器来记录动物之间的互动，研究人员借助标签就更容易区分不同鸟类了。射频识别（PIT）就是这类标签的一种，它也能够防止入店行窃或者识别宠物。当鸟落在距扫描器几厘米内时，PIT标签就会“砰”的一声连接上天线。自2017年以来，法国国家研究机构CNRS的行为生态学家Claire Doutrelant和她的同事们一直在做的一项工作，就是将这些小标签注入群居织巢鸟（Philetairus socius）的腿环内。

 

在非洲南部，织巢鸟们在合欢树上共同建造大型巢穴，鸟巢重达1吨，可在单个隔间中容纳200只鸟，这类鸟的协作行为还包括抚育幼雏、抵御蛇和猎鹰。为了研究这些行为，研究人员识别并追踪了数百种鸟。

 

喂食器上的天线可以追踪哪些鸟生活在这个群体之中，但更细节的信息，比如哪些鸟对公共活动贡献最大，就不可能以这种方式得到了。Doutrelant和她的同事们没法在鸟巢各处都安装上天线，因为鸟儿们对天线非常警惕，而且房间与房间之间距离太近，无法收集到可靠的数据。

 

因此，团队成员中一名来自蒙彼利埃大学（University of Montpellier）的博士生AndréFerreira，决定试着用人工智能解决难题。这个被称为卷积神经网络的工具从数千张图片中筛选，找出可以对给定图像进行分类的视觉特征，然后利用这些信息对新图像进行分类。

 

卷积神经网络已经被用于识别各种野生动植物，包括48种非洲动物。他们甚至为大象和一些灵长类动物完成了一项更为复杂的任务：区分同一物种的不同个体。

 

有一种算法会在每一种鸟类共同建立巨大的公共巢穴时跟踪它们。

 

Ferreira向神经网络里输入了数千张已标记的30只群居织巢鸟的照片。他说：“还没有人想出一种有效的方法来收集这些数据。”为了拍摄照片，他在喂食器附近安装了配有射频天线的相机。利用鸟儿身上的PIT标签，有一台小型电脑可以在鸟儿着陆后记录下它们的身份，并且照相机每2秒钟就拍摄一次鸟儿背部的照片。（后视图是鸟在筑巢或觅食时最常被看到的部分）

 

仅仅两周后，Ferreira就有了足够的照片来训练神经网络。“其实我们并不确定是否会有效果，”Doutrelant回忆道，“我们观察过这些鸟很多次，但如果没有这些颜色环，我们就没法辨识它们。”

 

但是当给出以前从未见过的图片时，神经网络在90%的情况下都能够正确识别出不同的鸟类，他们还将研究成果发表在《生态和进化方法》（Methods in Ecology and Evolution）期刊上。Doutrelant说，用神经网络区分鸟类的精度和人类用双筒望远镜识别颜色环的准确度差不多。

 

之后，Ferreira在马克斯·普朗克动物行为研究所的行为生态学家Damien Farine研究的另外两种鸟类身上尝试了这种方法。这个工具在识别圈养的斑胸草雀和野外的山雀时也很准确，这是生态学家研究最多的两个物种。

 

但是加州大学戴维斯分校（UCSD）的行为生态学家Gail Patricelli认为这种方法存在一定的局限性。比如，对于一些难以捕捉、标记的物种，研究人员很难获得训练神经网络所需的数千张可识别的照片。她研究的是大鼠尾草松鸡，这个物种的数量正逐渐衰退。Patricelli尽量避免人为影响它们，因为这会让鸟儿感到十分紧张。另外一个潜在的限制因素是，在鸟儿换羽时，神经网络可能无法识别它们，需要重新训练。Ferreria正在收集其他特征的照片，比如头部外观，以改良这个工具。

 

Ferreira说，当前神经网络的最大局限性在于，它总是会将鸟识别为已知的那类鸟，所以它无法识别新的个体。

 

Ferreira现在正与Farine合作，试验一种不同类型、能够识别新个体的神经网络，这需要用更多鸟的图片对其进行训练。如果数据集足够大，那么即使是那些没有标记鸟类的研究人员也可以使用这个工具。“我认为这将彻底改变游戏规则，” Farine说。

 

尽管有以上这些限制，但Patricelli还是觉得这项新工作“令人兴奋”，他说利用神经网络来区分不同鸟类，确实为研究许多其他鸟类和其行为提供了可能性。“对于有些用肉眼看起来非常相似的鸟类，这种算法也能够将它们区分开来，着实令人震惊。”