新加坡国立大学研究员叶山博士团队正利用人工智能技术，通过监听热带雨林的声音来监测生物多样性。在茂密的森林中，鸟鸣、虫叫和蛙声构成了复杂的声学景观，这些声音能反映不同物种的存在。叶山博士所在的 LAPIS 实验室将生物声学研究与 AI 结合，通过分析海量的森林录音，识别物种并研究生态模式。 研究人员在森林中部署配备特定频率麦克风的自主录音设备，将采集的音频数据转化为声谱图，再由 AI 系统识别其中的声音模式。这些模型不仅能区分交通噪音与动物叫声，还能精准识别鸟类物种，帮助评估人类干扰程度及物种活动情况。相比传统依赖人工观测的调查方式，自动录音设备能提供持续、标准化的数据，并能捕捉到那些避开人类活动的珍稀物种，有效克服了人工调查的时间与经验限制。 尽管技术优势明显，AI 监测仍面临挑战。现有算法对具有独特叫声的鸣禽效果显著，但对低频叫声的鸽子、猫头鹰等物种识别准确率较低，且部分模型因训练数据多来自欧美，在东南亚地区的适用性不足。为此，团队正致力于利用本地收集的数据优化模型，以提高对区域特有物种的监测精度。 叶山博士强调，AI 是辅助而非替代传统科研的工具，其效能高度依赖高质量训练数据和生态学专业知识。未来，研究计划将把监测范围从鸟类扩展至蛙类、昆虫、蝙蝠等更多类群，通过开发本地化训练算法，更全面地掌握东南亚热带森林的生态系统功能，为生物多样性保护提供更精准的科学依据。