在研究野生動物及其習性時，識別同一物種的不同個體至關重要。近日，來自法國國家科學研究中心、蒙彼利埃大學和葡萄牙波爾圖大學等研究團隊的科學家開發了首個能夠識別鳥類個體的人工智慧模型。該模型在識別圈養的斑胸草雀(zebra finch)、野生大山雀(great tit)和野生群居織巢鳥( sociable weaver)個體時，準確率約為90%。
這項研究論文題為「Deep learning‐based methods for individual recognition in small birds」，當地時間7月27日發表在學術期刊《Methods in Ecology and Evolution》上。
該研究的第一作者、法國功能與進化生態學中心（CEFE）André Ferreira博士表示，這項研究表明，即使是人類無法識別出的鳥類個體，計算機也能一致地識別。「我們的技術能克服野生鳥類研究最大的局限之一——準確地識別鳥類個體。」
Ferreira等人在論文中表示，近年來，卷積神經網路（CNN）等深度學習技術引起了生態學家的關注，它可以自動分析圖片、錄音等各種形式的數據。
CNN是一種深度神經網路，不同於其他需要手工提取特徵的人工智慧技術，它可以自動從數據中學習，提取出最適合解決給定分類問題的特徵。因此，當需要分類的物種存在多種特徵時，CNN的優勢便得以凸顯。
使用CNN進行個體識別最大的挑戰是需要收集大量的數據用於AI訓練。為了讓CNN能準確識別動物個體，在訓練時，研究人員需要在資料庫中加入動物不同的姿勢、不同的生命階段等大量照片。
在圈養的環境中，研究人員在拍攝時可以將研究對象暫時與其他種群分開，以便收集數據。但是，這種方法並不適用於野生群落。
生態學研究中，CNN已被應用於在物種層面的動物識別以及例如豬、大象等靈長類動物個體的識別。不過，在此項研究之前，科學家們還未在鳥類等較小動物的個體識別中實踐過該技術。