科学家们正在使用机器学习来预测鸟类迁徙

随着像ChatGPT这样的聊天机器人引起轰动，机器学习在我们的生活中扮演着越来越重要的角色。对于我们中的许多人来说，这是一个好坏参半的问题。当我们的 Spotify For You 播放列表为我们找到一个新的果酱时，我们感到高兴，但当我们在 Instagram 提要上滚动浏览大量有针对性的广告时，我们会呻吟。

机器学习也在改变许多看似令人惊讶的领域。一个例子是我的学科，鸟类学——鸟类研究。它不仅解决了与研究鸟类迁徙相关的一些最大挑战;更广泛地说，机器学习正在扩展人们与鸟类互动的方式。随着春季迁徙的到来，下面来看看机器学习如何影响研究鸟类并最终保护它们的方式。

保护候鸟的挑战

西半球的大多数鸟类每年迁徙两次，在繁殖地和非繁殖地之间飞越整个。虽然这些旅程令人敬畏，但它们使鸟类在途中面临许多危险，包括极端天气、食物短缺和光污染，这些都会吸引鸟类并导致它们与建筑物相撞。

我们保护候鸟的能力取决于告诉我们它们去哪里的科学。科学已经走了很长一段路。

1920年，美国地质调查局(U.S. Geological Survey)成立了鸟类带状实验室(Bird Banding Laboratory)，率先在鸟类身上放置带有独特标记的带子，然后在新的地方重新捕获鸟类，以确定它们在哪里旅行。今天，研究人员可 以在鸟类身上部署各种轻量级的跟踪标签，以发现它们的迁徙路线。这些工具揭示了许多物种的鸟类迁徙地点和时间的空间模式。

但是，跟踪鸟类有局限性。首先，每年有超过4亿只鸟类迁徙到非洲。即使使用越来越实惠的设备，我们跟踪的鸟类数量也只是杯水车薪。即使在一个物种内，迁徙行为也可能因性别或种群而异。

此外，跟踪数据告诉我们鸟类去了哪里，但不一定告诉我们它们要去哪里。迁徙是动态的，鸟类飞过的气候和景观也在不断变化。这意味着能够预测他们的运动至关重要。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！