對(duì)于人類而言，很多不同種類的鳥，肉眼看起來卻幾乎完全相同。

對(duì)于觀鳥者來說，有些物種非常難以區(qū)分，尤其是在辨別麻雀和一種叫“l(fā)ittle brown jobs”的單調(diào)鳴禽時(shí)，人們幾乎不可能分辨得出來。但現(xiàn)在，有一個(gè)用來分析圖片和視頻的電腦程序已經(jīng)幫助人們解決了這個(gè)難題，這一進(jìn)展有望揭示更多鳥類行為方面的信息。

凱尼恩學(xué)院（Kenyon College）的行為生態(tài)學(xué)家艾瑞斯·萊文（Iris Levin）說：“我們花了很長(zhǎng)時(shí)間，拿著雙筒望遠(yuǎn)鏡、蹲下來、緊盯著那些鳥和它們的腿，”他并沒有參與到用電腦程序區(qū)分不同鳥類這項(xiàng)新研究當(dāng)中。

萊文之所以這么說，是因?yàn)樵S多年來，研究人員通過在鳥腿上系上彩色帶子的方式來識(shí)別不同的鳥類。在野外的時(shí)候，他們利用這些具有標(biāo)識(shí)性的彩帶辨認(rèn)鳥類，但在實(shí)驗(yàn)室里，他們會(huì)借助圖片和錄像。萊文表示，通常區(qū)分不同鳥類這項(xiàng)任務(wù)是非常辛苦的。

一些特殊配備的標(biāo)簽里包括了GPS定位和近距離傳感器來記錄動(dòng)物之間的互動(dòng)，研究人員借助標(biāo)簽就更容易區(qū)分不同鳥類了。射頻識(shí)別（PIT）就是這類標(biāo)簽的一種，它也能夠防止入店行竊或者識(shí)別寵物。當(dāng)鳥落在距掃描器幾厘米內(nèi)時(shí)，PIT標(biāo)簽就會(huì)“砰”的一聲連接上天線。自2017年以來，法國(guó)國(guó)家研究機(jī)構(gòu)CNRS的行為生態(tài)學(xué)家Claire Doutrelant和她的同事們一直在做的一項(xiàng)工作，就是將這些小標(biāo)簽注入群居織巢鳥（Philetairus socius）的腿環(huán)內(nèi)。

在非洲南部，織巢鳥們?cè)诤蠚g樹上共同建造大型巢穴，鳥巢重達(dá)1噸，可在單個(gè)隔間中容納200只鳥，這類鳥的協(xié)作行為還包括撫育幼雛、抵御蛇和獵鷹。為了研究這些行為，研究人員識(shí)別并追蹤了數(shù)百種鳥。

喂食器上的天線可以追蹤哪些鳥生活在這個(gè)群體之中，但更細(xì)節(jié)的信息，比如哪些鳥對(duì)公共活動(dòng)貢獻(xiàn)最大，就不可能以這種方式得到了。Doutrelant和她的同事們沒法在鳥巢各處都安裝上天線，因?yàn)轼B兒們對(duì)天線非常警惕，而且房間與房間之間距離太近，無法收集到可靠的數(shù)據(jù)。

因此，團(tuán)隊(duì)成員中一名來自蒙彼利埃大學(xué)（University of Montpellier）的博士生AndréFerreira，決定試著用人工智能解決難題。這個(gè)被稱為卷積神經(jīng)網(wǎng)絡(luò)的工具從數(shù)千張圖片中篩選，找出可以對(duì)給定圖像進(jìn)行分類的視覺特征，然后利用這些信息對(duì)新圖像進(jìn)行分類。

卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被用于識(shí)別各種野生動(dòng)植物，包括48種非洲動(dòng)物。他們甚至為大象和一些靈長(zhǎng)類動(dòng)物完成了一項(xiàng)更為復(fù)雜的任務(wù)：區(qū)分同一物種的不同個(gè)體。

有一種算法會(huì)在每一種鳥類共同建立巨大的公共巢穴時(shí)跟蹤它們。

Ferreira向神經(jīng)網(wǎng)絡(luò)里輸入了數(shù)千張已標(biāo)記的30只群居織巢鳥的照片。他說：“還沒有人想出一種有效的方法來收集這些數(shù)據(jù)。”為了拍攝照片，他在喂食器附近安裝了配有射頻天線的相機(jī)。利用鳥兒身上的PIT標(biāo)簽，有一臺(tái)小型電腦可以在鳥兒著陸后記錄下它們的身份，并且照相機(jī)每2秒鐘就拍攝一次鳥兒背部的照片。（后視圖是鳥在筑巢或覓食時(shí)最常被看到的部分）

僅僅兩周后，F(xiàn)erreira就有了足夠的照片來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。“其實(shí)我們并不確定是否會(huì)有效果，”Doutrelant回憶道，“我們觀察過這些鳥很多次，但如果沒有這些顏色環(huán)，我們就沒法辨識(shí)它們。”

但是當(dāng)給出以前從未見過的圖片時(shí)，神經(jīng)網(wǎng)絡(luò)在90%的情況下都能夠正確識(shí)別出不同的鳥類，他們還將研究成果發(fā)表在《生態(tài)和進(jìn)化方法》（Methods in Ecology and Evolution）期刊上。Doutrelant說，用神經(jīng)網(wǎng)絡(luò)區(qū)分鳥類的精度和人類用雙筒望遠(yuǎn)鏡識(shí)別顏色環(huán)的準(zhǔn)確度差不多。

之后，F(xiàn)erreira在馬克斯·普朗克動(dòng)物行為研究所的行為生態(tài)學(xué)家Damien Farine研究的另外兩種鳥類身上嘗試了這種方法。這個(gè)工具在識(shí)別圈養(yǎng)的斑胸草雀和野外的山雀時(shí)也很準(zhǔn)確，這是生態(tài)學(xué)家研究最多的兩個(gè)物種。

但是加州大學(xué)戴維斯分校（UCSD）的行為生態(tài)學(xué)家Gail Patricelli認(rèn)為這種方法存在一定的局限性。比如，對(duì)于一些難以捕捉、標(biāo)記的物種，研究人員很難獲得訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需的數(shù)千張可識(shí)別的照片。她研究的是大鼠尾草松雞，這個(gè)物種的數(shù)量正逐漸衰退。Patricelli盡量避免人為影響它們，因?yàn)檫@會(huì)讓鳥兒感到十分緊張。另外一個(gè)潛在的限制因素是，在鳥兒換羽時(shí)，神經(jīng)網(wǎng)絡(luò)可能無法識(shí)別它們，需要重新訓(xùn)練。Ferreria正在收集其他特征的照片，比如頭部外觀，以改良這個(gè)工具。

Ferreira說，當(dāng)前神經(jīng)網(wǎng)絡(luò)的最大局限性在于，它總是會(huì)將鳥識(shí)別為已知的那類鳥，所以它無法識(shí)別新的個(gè)體。

Ferreira現(xiàn)在正與Farine合作，試驗(yàn)一種不同類型、能夠識(shí)別新個(gè)體的神經(jīng)網(wǎng)絡(luò)，這需要用更多鳥的圖片對(duì)其進(jìn)行訓(xùn)練。如果數(shù)據(jù)集足夠大，那么即使是那些沒有標(biāo)記鳥類的研究人員也可以使用這個(gè)工具。“我認(rèn)為這將徹底改變游戲規(guī)則，” Farine說。

盡管有以上這些限制，但Patricelli還是覺得這項(xiàng)新工作“令人興奮”，他說利用神經(jīng)網(wǎng)絡(luò)來區(qū)分不同鳥類，確實(shí)為研究許多其他鳥類和其行為提供了可能性。“對(duì)于有些用肉眼看起來非常相似的鳥類，這種算法也能夠?qū)⑺鼈儏^(qū)分開來，著實(shí)令人震驚。”