對于人類而言，很多不同種類的鳥，肉眼看起來卻幾乎完全相同。

對于觀鳥者來說，有些物種非常難以區分，尤其是在辨別麻雀和一種叫“little brown jobs”的單調鳴禽時，人們幾乎不可能分辨得出來。但現在，有一個用來分析圖片和視頻的電腦程序已經幫助人們解決了這個難題，這一進展有望揭示更多鳥類行為方面的信息。

凱尼恩學院（Kenyon College）的行為生態學家艾瑞斯·萊文（Iris Levin）說：“我們花了很長時間，拿著雙筒望遠鏡、蹲下來、緊盯著那些鳥和它們的腿，”他并沒有參與到用電腦程序區分不同鳥類這項新研究當中。

萊文之所以這么說，是因為許多年來，研究人員通過在鳥腿上系上彩色帶子的方式來識別不同的鳥類。在野外的時候，他們利用這些具有標識性的彩帶辨認鳥類，但在實驗室里，他們會借助圖片和錄像。萊文表示，通常區分不同鳥類這項任務是非常辛苦的。

一些特殊配備的標簽里包括了GPS定位和近距離傳感器來記錄動物之間的互動，研究人員借助標簽就更容易區分不同鳥類了。射頻識別（PIT）就是這類標簽的一種，它也能夠防止入店行竊或者識別寵物。當鳥落在距掃描器幾厘米內時，PIT標簽就會“砰”的一聲連接上天線。自2017年以來，法國國家研究機構CNRS的行為生態學家Claire Doutrelant和她的同事們一直在做的一項工作，就是將這些小標簽注入群居織巢鳥（Philetairus socius）的腿環內。

在非洲南部，織巢鳥們在合歡樹上共同建造大型巢穴，鳥巢重達1噸，可在單個隔間中容納200只鳥，這類鳥的協作行為還包括撫育幼雛、抵御蛇和獵鷹。為了研究這些行為，研究人員識別并追蹤了數百種鳥。

喂食器上的天線可以追蹤哪些鳥生活在這個群體之中，但更細節的信息，比如哪些鳥對公共活動貢獻最大，就不可能以這種方式得到了。Doutrelant和她的同事們沒法在鳥巢各處都安裝上天線，因為鳥兒們對天線非常警惕，而且房間與房間之間距離太近，無法收集到可靠的數據。

因此，團隊成員中一名來自蒙彼利埃大學（University of Montpellier）的博士生AndréFerreira，決定試著用人工智能解決難題。這個被稱為卷積神經網絡的工具從數千張圖片中篩選，找出可以對給定圖像進行分類的視覺特征，然后利用這些信息對新圖像進行分類。

卷積神經網絡已經被用于識別各種野生動植物，包括48種非洲動物。他們甚至為大象和一些靈長類動物完成了一項更為復雜的任務：區分同一物種的不同個體。

有一種算法會在每一種鳥類共同建立巨大的公共巢穴時跟蹤它們。

Ferreira向神經網絡里輸入了數千張已標記的30只群居織巢鳥的照片。他說：“還沒有人想出一種有效的方法來收集這些數據。”為了拍攝照片，他在喂食器附近安裝了配有射頻天線的相機。利用鳥兒身上的PIT標簽，有一臺小型電腦可以在鳥兒著陸后記錄下它們的身份，并且照相機每2秒鐘就拍攝一次鳥兒背部的照片。（后視圖是鳥在筑巢或覓食時最常被看到的部分）

僅僅兩周后，Ferreira就有了足夠的照片來訓練神經網絡。“其實我們并不確定是否會有效果，”Doutrelant回憶道，“我們觀察過這些鳥很多次，但如果沒有這些顏色環，我們就沒法辨識它們。”

但是當給出以前從未見過的圖片時，神經網絡在90%的情況下都能夠正確識別出不同的鳥類，他們還將研究成果發表在《生態和進化方法》（Methods in Ecology and Evolution）期刊上。Doutrelant說，用神經網絡區分鳥類的精度和人類用雙筒望遠鏡識別顏色環的準確度差不多。

之后，Ferreira在馬克斯·普朗克動物行為研究所的行為生態學家Damien Farine研究的另外兩種鳥類身上嘗試了這種方法。這個工具在識別圈養的斑胸草雀和野外的山雀時也很準確，這是生態學家研究最多的兩個物種。

但是加州大學戴維斯分校（UCSD）的行為生態學家Gail Patricelli認為這種方法存在一定的局限性。比如，對于一些難以捕捉、標記的物種，研究人員很難獲得訓練神經網絡所需的數千張可識別的照片。她研究的是大鼠尾草松雞，這個物種的數量正逐漸衰退。Patricelli盡量避免人為影響它們，因為這會讓鳥兒感到十分緊張。另外一個潛在的限制因素是，在鳥兒換羽時，神經網絡可能無法識別它們，需要重新訓練。Ferreria正在收集其他特征的照片，比如頭部外觀，以改良這個工具。

Ferreira說，當前神經網絡的最大局限性在于，它總是會將鳥識別為已知的那類鳥，所以它無法識別新的個體。

Ferreira現在正與Farine合作，試驗一種不同類型、能夠識別新個體的神經網絡，這需要用更多鳥的圖片對其進行訓練。如果數據集足夠大，那么即使是那些沒有標記鳥類的研究人員也可以使用這個工具。“我認為這將徹底改變游戲規則，” Farine說。

盡管有以上這些限制，但Patricelli還是覺得這項新工作“令人興奮”，他說利用神經網絡來區分不同鳥類，確實為研究許多其他鳥類和其行為提供了可能性。“對于有些用肉眼看起來非常相似的鳥類，這種算法也能夠將它們區分開來，著實令人震驚。”