一项新的研究提供了一种新方法，可以克服野生鸟类研究中最大的局限之一-可靠地识别个体。在这项研究中，科学家开发了一种人工智能来训练计算机来识别个体鸟类。

这项发表在英国生态学会杂志《生态与进化方法》中的研究描述了使用AI单独识别鸟类的过程。这涉及收集成千上万张带有标签的鸟类图像，然后使用这些数据来训练和测试AI模型。

科学家们训练了AI模型，以识别大山雀和善于交织的动物的野生种群中的个体鸟类的图像，以及圈养的斑马雀的种群，斑马雀可能是行为生态学中最经常想到的有翼生物。训练后，对AI模型进行了测试，使用了他们以前从未见过的人的图像，对野生物种的精确度超过90%，对于圈养斑马雀的准确度超过87%。

在动物行为研究中，单独识别动物是最昂贵，最耗时的因素之一，这限制了行为范围和研究人员可以研究的种群规模。当前的识别方法，例如将色带附加到鸟的腿上，也可能给动物带来压力。

这些问题可以通过AI模型来解决。安德烈·费雷拉(AndréFerreira)博士说：“研究人员完全没有标记和操纵的自动，非侵入性动物识别方法的开发代表了该研究领域的突破。最终，有足够的空间来查找该系统的新应用程序并回答过去似乎无法解决的问题。”人工智能需要提供数千张带有标签的图像，以准确识别个人。像Facebook这样的公司可以这样做，以达到人类认可的目的，因为它们会处理大量由用户故意标记的不同人的照片。在任何情况下，获取带有标签的动物照片都是具有挑战性的，并且已成为研究的瓶颈。

科学家通过构建带有摄像头陷阱和传感器的馈线解决了这个问题。调查人群中的大多数鸟类都带有被动集成应答器(PIT)标签，例如植入宠物猫狗中的微芯片。喂鸟器上的天线能够细读这些标签上的鸟的身份并触发摄像头。

对于动物种群进行长期监测并保护物种免受诸如气候变化等压力的影响，区分彼此的动物至关重要。尽管某些物种(例如豹子)具有独特的模式，使人类可以通过肉眼识别它们，但大多数物种需要附加的视觉标识符，例如鸟腿上的色带，以便我们区分它们。即使那样，这样的方法也非常耗时且容易出错。

如本研究所示，人工智能方法使用一种称为卷积神经网络的深度学习。这些是解决图像分类问题的最佳选择。在生态学中，这些方法先前已用于识别物种级别的动物以及个体灵长类动物，猪和大象。但是，到目前为止，还没有在鸟类等较小的动物中进行过探索。

安德烈·费雷拉(AndréFerreira)博士说：“只要模型中以前知道鸟类，模型就可以从新照片中识别鸟类。这意味着，如果有新的鸟类加入研究种群，计算机将无法识别它们。”

个体鸟类的外观会随时间变化，例如蜕皮，而且还不知道AI模型的性能将如何受到影响。间隔数月拍摄的同一只鸟的图像可能被错误地识别为不同的个体。