《自然·通訊》雜志17日發表的論文認為，人工智能（AI）輔助動物聲音景觀可用于作為監測農地拋荒后森林生物多樣性恢復的有效工具。這些發現指出一個可能的自動化、成本效益好而且可靠的方法，以檢測森林生物多樣性和評估恢復結果。

大規模監測森林生物多樣性對保育很重要，但需要成本效益好的標準化工具。此前研究已表明，生物聲學（研究動物聲音的學科）在用聲景檢測動物群落時是很有前景的工具。但其中還有很大的不確定性，如這些聲景是否也能反映出非發聲動物物種的狀態。要結合傳統聲學測量和機器學習方法，也存在著技術困難。

德國維爾茨堡大學團隊此次測試了一種方法，用聲景追蹤熱帶森林生物多樣性。在厄瓜多爾的低地，他們從最近拋荒的可可種植園、牧場到原始森林中，記錄了環境中的動物聲音，并將專家對發聲動物物種的鑒別與兩類自動化方法相結合，其中一種使用深度學習模型。團隊發現兩種自動方法都能很好地反映森林環境范圍。

研究團隊用一種不同類型的生態信息對他們基于聲音的結果進行了評估，他們使用了DNA宏條形碼獲取的昆蟲多樣性數據，其中主要是非發聲物種。結果表明，結合生物聲學和深度學習，有望更好地監測森林生物多樣性。