前往偏远的岛屿、走遍各危崖险境寻找目标对象、安装声音传感器探测鸟儿的一举一动。鸟类学家的身上常藏着詹姆斯·邦德的身手。
SM2 自动数字录音机模型，MNSRP 的 Jay Penniman 摄。
他们越来越多地运用科学技术 (会让邦德电影里爱好各类新奇玩意的“Q”欣喜不已) 来定位筑巢区、记录鸟叫声并监控种群数量。
经过一天 24 小时的现场监控，声音传感器和镜头捕获了大量无法由人工进行简单分析的数据。
为了破解这些数据以达到保育的目的，位于加州圣塔克鲁兹的 Conservation Metrics 采用由 NVIDIA GPU 加速的深度学习技术来训练软件。
“先是大量的探测工作，再是处理海量数据，”Conservation Metrics 负责人 Matthew McKown 说。
最近取得的成果包括: 帮助海峡群岛国家公园 (位于南加州海岸附近) 监控受到啮齿类动物威胁的鸟类族群。
通过结合新式自动调查和传统研究方法，他们找到了神出鬼没的灰叉尾海燕，这是一种体型娇小的灰色鸟类。McKown 说:“它们生活在人迹罕至的环境中，在地下洞穴内繁衍生息，并且只在夜间出没。”
莱桑岛上的曳尾鹱雏鸟，美国鱼类和野生动物局的 Abram B.
Fleishman 摄。
过去生物学家进行研究时，得在漆黑的环境中在陡峭崎岖而又湿滑的岩石间爬来爬去。现在，他们只需架设好传感器，即可不分昼夜地记录下鸟叫声。自动分析探测到的鸟叫声，指引研究人员前往安娜卡帕岛上第一处有记录的灰叉尾海燕的鸟巢。
“有了 GPU，我们的工作速度提升了 22 倍，我们可以处理 90,000 小时的数据，过去靠人工方式来收听得花上十年的时间，”McKown 说，他将 GeForce GTX TITAN X 描述为他的得力助手。“加上我们的算法，我们能够探测小概率事件，寻找稀有物种，测量保护行动开展前后的种群数量，以及评估种群活动范围。”
“深度学习非常适合这一用途，”作为公司在人工智能方面的先锋人物，David Klein 这样说道。“物种专家现在可以通过训练自动化软件来增强他们的影响力。”
剪水鹱生存战
Conservation Metrics 还帮助找到了一种曾被认为已经灭绝的海鸟。
莱桑岛上的曳尾鹱，美国鱼类和野生动物局的
Abram B. Fleishman摄。
寄存在博物馆抽屉里的剪水鹱标本于 2011 年被确认为是一种不同的物种，并被命名为“Bryan’s shearwater”。
在对这种袖珍型、黑白相间的鸟类进行周期性观察后，日本研究人员猜测: 这种鸟可能生活在东京以南约 600 英里、小笠原群岛的一座岛上。
“岩石密布的环礁难以进入，研究人员只好带着传感器游向岸边，安装后经过九个月再游过去取回，”McKown 说。“我们听到的鸟叫声令人惊喜。声音持续了很长一段时间，意味着它们就在附近，而且很可能是在繁育。”
研究人员重复了这项实验，并在 2015 年找到第一处巢穴。为了保护这些活生生的小鸟，环保人士现在知道该将重心放在何处了，他们可以通过自动方式来更多地了解威胁和恢复因素。