将人工智能模型整合到生态研究工作流程中：以陆地生物声学为例

摘要 由自主传感器收集的数据，包括相机陷阱和声学记录仪，具有极大的潜力在生态学及相关领域产生新的科学见解。现代机器学习和人工智能分类方法对于分析这些往往庞大的数据流至关重要。因此，已经投入了大量努力来构建能够准确检测和分类这些数据中感兴趣的物种和事件的人工智能模型。然而，这些人工智能模型只是利用传感器数据回答生态学问题所需更大研究框架的一部分。我们认为，深入理解这一研究背景对于开发和应用能够支持生态学和进化科学进步的合适人工智能模型是必要的。在本文中，我们以陆地生物声学为案例，探讨使用人工智能方法进行自主生物多样性调查的背景，讨论组成研究项目的六个连续领域：硬件、现场部署、数据管理、使用人工智能及相关模型进行检测和分类、统计分析及生态学洞见。针对每个领域，我们简要强调该领域的决策如何限制、支持或与人工智能模型的开发和应用相互影响。最后，我们提出若干建议以促进人工智能模型更好地开发和整合到生态学研究中，包括在人工智能模型与统计分析交叉领域需要额外研究、能否实现人工智能模型的人类级表现以及对生态学人工智能未来方法学进步的来源等问题。