。人类开始转向包括人工智能在内的新兴技术，以寻求过去被视为不现实的解决方案来提高环境保护能力。人工智能在其强大的计算能力和数据处理能力方面具备巨大潜力，可以为科学家们提供更准确、更及时的数据，帮助他们预测和监测气候变化和生物多样性的发展趋势,实现更高效的资源分配和管理，从而为生态保护工作提供更多的支持和保障。本系列文章将分享人工智能技术在各个保护领域的应用案例，供感兴趣的读者参考。
阿拉斯加海域是世界上大型鲸鱼的栖息地之一。由于许多动物在这个广阔、偏远、严酷的海洋环境中迁移很长的距离，收集需要保护和保育这些物种的科学信息是一个巨大的挑战。从空中或海上监测这些动物是困难且昂贵的。被动声学监测——在水下听——是一种在季节和年的时间尺度上监测海洋哺乳动物的成本有效的方法。自2000年代末以来，人们在阿拉斯加海域设置了一系列的锚定设备。这些锚定设备配备了水下麦克风来记录海洋声音。多年来的记录产生了大量的数据，海洋哺乳动物的叫声必须通过分析和检测才能识别出来。这些数据起先还只能由人类分析——这是一项极为耗时且技术难度大的工作。而现在，科学家们正在训练AI来识别声音记录中的某些特定类型的海洋哺乳动物信号。
阿拉斯加渔业科学中心海洋哺乳动物实验室开发了一个名为INSTINCT的人工智能程序，用于从水下声音记录中检测和识别鲸鱼的叫声。这个程序使得对鲸鱼保护至关重要的数据可以更快地传递给管理者。此外，尽管INSTINCT最初是为阿拉斯加开发的，但它可以适应所有海洋的使用。
2021年，INSTINCT从北极地区25个采集点收集到的长达13年的声音记录中检测并分类了1800万段长须鲸的叫声（许多鲸鱼重复发出叫声），仅再需要为期两个月的人工审核。这节省了6年多的等效人工工作。它提供了白令海和楚科奇海长须鲸季节性分布的信息。
澳大利亚南极科学团队、康奈尔大学K. Lisa Yang保护生物声学中心以及科廷大学的团队，使用机器学习训练了一个算法，该算法可以在声音记录中以比人类专家更高的准确性和速度检测到蓝鲸的D-calls（D-calls被认为是雄性和雌性蓝鲸在栖息地发出的社交叫声）。这项技术将使科学家们能够更容易地分析数以千计的小时记录，以更好地了解这些鲸鱼的生存趋势，以及它们从捕鲸中恢复过来的情况。D-calls在季节和年份之间往往变化很大。这种变化使得录音分析的自动化更难实现。为了克服这个问题，该研究团队在2005年至2017年间从南极周围的站点记录的2000小时的声音中，摘取了大约5000个D-calls，对算法进行了训练。
除了“听”之外，“看”的技术也在快速发展中。在过去的几年中，科学家们已经开始利用人工智能技术来分析收集的视频数据，完美体育以便在嘈杂的项目中检测海洋中的鲸鱼，例如海上石油和天然气调查以及风电场建设等。这种方法的一个主要优点是，它可以在不干扰海洋生物的情况下，从远处收集有关鲸鱼行为和分布的信息。
例如，科学家们在南极进行的三次航行中收集了大量的视频数据，现在这些数据正在被用来开发人工智能，以便在石油和天然气调查以及风电场建设等嘈杂作业中监测鲸鱼。通过对视频数据的分析，科学家们能够测量鲸鱼每次浮出水面时的准确位置、呼吸频率、游得有多快以及去了哪里，进而了解动物是在进食还是只是在该地区移动，从而掌握它们的运动和行为模式。
