人工智能分析鸟类观察结果以帮助保护物种

大数据和人工智能首次被用来模拟自然界中隐藏的模式——不仅针对一种鸟类，而且针对各大洲的整个生态群落。这些模型跟踪每个物种的完整年度生命周期，从繁殖到秋季迁徙到非繁殖地，并在春季迁徙期间再次返回北方。

该计算工具的开发和应用是康奈尔鸟类学实验室和康奈尔计算可持续性研究所合作的结果。这项工作于10月2日发表在《生态学》杂志上。

“这种方法独特地告诉我们哪些物种发生在哪里、何时、与其他物种一起发生以及在什么环境条件下发生，”主要作者、康奈尔实验室的研究员考特尼·戴维斯说。“借助此类信息，我们可以识别并优先考虑具有高保护价值的景观，这在这个生物多样性持续丧失的时代至关重要。”

研究人员使用了来自超过900万份清单的500种北美鸟类数据，这些数据由向康奈尔实验室eBird项目报告其目击事件的900,000名观鸟者提供。他们将其与72个环境变量(包括地形和土地覆盖)的数据相结合，以估计物种的分布、典型环境以及与其他物种的相互作用。

到目前为止，科学家一次只能分析少数环境变量和几个物种。现在，只要有数据可用，就可以在大陆范围内分析多少物种或变量。

“这是一个非常具有挑战性的计算问题，”合著者CarlaGomes说道，她是康奈尔大学安·S·鲍尔斯计算与信息科学学院的RonaldC.和AntoniaV.Nielsen计算与信息科学教授，也是康奈尔大学的主任。计算可持续性研究所。“由于人工智能(尤其是深度学习)的最新进展以及图形处理单元(GPU)的发展，我们可以应对这一挑战。”

戈麦斯表示，GPU最初是为需要复杂图形和快速数据处理的电脑游戏而开发的，后来成为人工智能应用程序不可或缺的一部分，可以快速处理大量数据。

戴维斯说：“在我们的应用中，该模型了解物种如何与其环境以及其他物种相互作用，从而比以前的方法更准确地预测哪些物种以及有多少物种出现在何时何地。”“这些信息极大地提高了我们对可能导致物种减少的自然和人为因素的理解。”

例如，科学家们确定了对北美木莺非常重要的地区，北美林莺是一群已知数量正在减少的迁徙物种。他们能够查明全年以及每个繁殖季节、非繁殖季节和迁徙季节最重要的区域。科学家们正在努力提供这种方法的输出，以便没有计算专业知识的用户也可以获得好处，这不仅限于鸟类学。

“这个模型非常通用，只要有足够的数据，就可以适用于各种任务，”戈麦斯说。“这项关于联合鸟类分布模型的工作是为了预测物种的存在和不存在，但我们也在开发模型来估计鸟类丰度——每个物种的个体鸟类数量。我们还旨在通过纳入鸟类来增强模型与视觉观察一起呼唤。”

康奈尔实验室研究员、该研究的资深作者丹尼尔·芬克表示，这种跨学科合作对于生物多样性保护的未来是必要的。

“手头的任务太大了，生态学家无法独自完成，”他说。“我们需要计算机科学和计算可持续性方面的同事的专业知识，为世界各地的景观规模保护、恢复和管理制定有针对性的计划。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！