新南威尔士大学的研究团队开发了一种创新方法，仅需一个蓝鲸叫声样本，即可训练出能精准识别数十年跨洋声呐录音中蓝鲸叫声的算法。这项由博士生本·扬科维奇领衔的研究成果已发表于《科学报告》期刊，为生态学领域分析珍稀物种提供了全新路径。 传统机器学习模型通常需要数千个样本进行训练，但在海洋哺乳动物研究中，获取大量标注数据往往极为困难且成本高昂。为突破这一瓶颈，研究团队利用深度神经网络，以单一蓝鲸叫声为基础，通过改变音高、拉伸时长及添加背景噪音等方式，模拟出数千个半合成样本。这些模拟数据涵盖了声音在海洋传播中的自然变化，成功训练出了高准确度探测器。 测试显示，该系统能正确识别 99.4% 的侏儒蓝鲸叫声，效果媲美依赖海量数据训练的模型。这一成果之所以可行，是因为蓝鲸叫声具有高度一致性，同种群体内的叫声几乎完全相同。不过，该方法主要适用于叫声模式固定的物种，对于每只个体叫声差异显著的动物（如海豚）可能效果有限。 该技术的另一大优势是极高的计算效率。传统深度学习模型训练需消耗大量电力和算力，而新方法可在普通笔记本电脑上于数小时内完成训练。这为挖掘全球各地长期积累的被动声学监测数据提供了可能。目前，研究团队计划利用该探测器分析印度洋长达 25 年的声呐数据，追踪蓝鲸叫声的长期变化，并探索动物文化传播等深层行为。未来，这一技术还可推广至鸟类、昆虫等其他具有规律性鸣叫的珍稀物种研究，助力科学家更高效地监测和保护生物多样性。