在研究野生动物及其习性时，识别同一物种的不同个体至关重要。近日，来自法国国家科学研究中心、蒙彼利埃大学和葡萄牙波尔图大学等研究团队的科学家开发了首个能够识别鸟类个体的人工智能模型。该模型克服了野生鸟类研究最大的局限之一——准确地识别鸟类个体。在识别圈养的斑胸草雀、野生大山雀和野生群居织巢鸟个体时，该模型准确率达90%。

　　利用深度神经网络识别动物

　　个体识别是解决进化生态学中许多问题的关键步骤，科学家们大多使用标签标记动物的方法进行个体识别。这种方法有一定的成效，但是其收集分析数据的时间成本高，对收集数据的环境也有一定的限制。

　　随着机器学习，尤其是深度学习的进一步发展，克服上述限制来收集大规模数据逐渐成为可能。

　　近年来，卷积神经网络等深度学习技术引起了生态学家的关注，它可以自动分析图片、录音等各种形式的数据。

　　研究团队介绍，卷积神经网络是一种深度神经网络，不同于其他需要手工提取特征的人工智能技术，它可以自动从数据中学习，提取出最适合解决分类问题的特征。因此，当需要分类的物种存在多种特征时，卷积神经网络的优势便得以凸显。

　　使用卷积神经网络进行个体识别最大的挑战是需要收集大量的数据用于AI训练。为了让卷积神经网络能准确识别动物个体，在训练时，研究人员需要在数据库中加入动物不同的姿势、不同的生命阶段等大量照片。

　　在圈养的环境中，研究人员在拍摄时可以将研究对象暂时与其他种群分开，以便收集数据。但是，这种方法并不适用于野生群落。

　　生态学研究中，卷积神经网络已被应用于物种层面的动物识别以及例如猪、大象等动物个体的识别。不过，在此项研究之前，科学家们还未在鸟类等较小动物的个体识别中实践过该技术。

　　AI识别能力超越人类

　　该项目源于研究团队关于织巢鸟个体对群落影响的一项研究。按照常规做法，研究人员需要将彩色标签缠绕在小鸟的腿上，并在鸟巢的附近进行观察。为了节省时间，研究团队尝试对群落进行录像，但在画面中无法辨别彩色标签。于是，他们开始探索利用AI识别鸟类个体。

　　他们将圈养的斑胸草雀、野生大山雀和野生群居织巢鸟作为研究对象，分别用于研究圈养环境和野生环境下的鸟类个体识别。

　　研究中最困难的是获取训练系统所需的照片。“我们需要数千张同一个体的照片。不同于收集人类个体的照片，收集动物个体的照片是非常困难的。”研究团队表示。

　　为了克服上述挑战，研究人员制作了带有摄像头和传感器的喂食器。研究中，大多数鸟类携带装有被动集成应答器的标签。喂鸟器上的天线能够从这些标签中读取鸟的身份并触发摄像头工作。

　　收集图像并录入计算机后，计算机使用卷积神经网络分析照片，从而识别鸟类。法国国家科学研究中心称，搭载这一深度神经网络的计算机能够根据鸟类的羽毛图案识别出鸟类个体，这是人类无法做到的。

　　研究团队指出，在完全无外部标记、无人为操作并不伤害动物的情况下，他们的系统能对动物个体进行自动识别，这是在该研究领域的重大突破。

　　仅能识别数据库中的鸟类

　　目前，该系统训练的数据库仅包含鸟类背部图片，即生态学家在观察动物行为时通常会看到的视图。

　　研究团队坦言，他们的模型只能识别数据库中出现过的个体，如果新的小鸟进入了研究的种群，计算机将无法识别。

　　如果鸟类的外观发生变化（例如处在换羽过程中），系统也可能会识别失败。此外，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个体。

　　研究团队称，他们并不知道AI到底通过什么来识别鸟类。如果提供的数据量足够大，就可以解决这些问题。他们正在安装更多的摄像头，以便从多个角度拍摄照片。

　　目前，有许多基于AI的应用程序可以通过图像或声音识别动植物，但它们只能识别物种，而不能识别个体。这项新技术不仅为生态学家们识别动物个体提供了一种侵入性较小的方法，也为生态学研究带来了新的视角。

　　“我们希望我们的研究能激励其他研究人员，让他们去探索使用深度学习识别其他动物个体的方法。”研究人员在论文最后写道。