作为濒危海洋生物，大型鲸鱼种群迅速减少的原因除了环境污染和过度捕捞，还包括货船撞击。仅在美国西海岸，一年就有超过80头鲸鱼被货船撞击死亡。为了提醒货轮在遭遇鲸鱼时减速，加利福尼亚大学圣塔芭芭拉分校的贝尼奥夫海洋计划（Benioff Ocean Initiative）近日开发了一套独特的“鲸鱼安全”系统，并首先应用于加州的圣塔芭芭拉海峡。
贝尼奥夫海洋计划制定的鲸鱼安全系统工作示意图 | https://www.boi.ucsb.edu
之所以说这套鲸鱼安全检测系统独特，是因为这套系统的原理是新奇的“听音辨鲸”，背后的技术是声学监测。技术人员首先在海底安装麦克风，这种特殊的防水麦克风被称作水听器（hydrophone），常用于水下的探测和识别。当水听器听到鲸鱼唱歌的时候，它会把数据输送给漂浮在航道附近的浮标，再由浮标通过卫星传送设备将信号传给计算机。计算机会用AI识别物种，再根据声音创建可视化图像，发给科学家进行快速验证。
贝尼奥夫海洋计划使用的海上数据传输浮标 | https://www.boi.ucsb.edu
虽然听起来这套系统非常黑科技，但在落地到具体技术时，科研人员还是遇到了不少困难。首先就是监听中存在的噪音，来源之一是固定浮动麦克风的系泊设备，系泊设备通常由链条制成，浮标晃动时会带动系泊设备发出叮叮当当的噪音，常常会对鲸鱼的歌声产生干扰。后来，科学家就用橡胶制的弹力软管替代了传统系泊设备，当浮标拖动软管时，也不会产生很大的噪音。
加州圣塔芭芭拉海峡附近的航道（红线）和鲸鱼种群活动区域(蓝色）| https://www.boi.ucsb.edu
另一个障碍就是数据传输。实时监听的音频文件占据了大量空间，庞大的数据要挤过通道狭窄的数据管道，从浮标到卫星再传输到实验室，整个过程可以用龟速来形容。为了解决这个问题，科学家认为可以不直接把音频文件传输回实验室，而是把音频表达（audio reprensentation）送回去。
音频表达指的是音频信号的属性或者特征，包括声音的时域和频域等，这些属性或者特征代表了音频信号的组成。通俗点来讲，音频表达就是声音的“乐谱”。尽管管弦乐很复杂，但音符可以提炼出音乐的“特征”，并将它记录成乐谱。音乐家则可以通过阅读乐谱再将管弦乐演奏出来。虽然乐谱本身并不包含任何声音，但它能原汁原味地将声音表现出来。
例如我们日常用的“听歌识曲”，用的就是“音频指纹”技术。
它是通过提取音频信号的特征，再从海量的音频数据库中快速定位出相似的音频。正如人的指纹是独一无二的，“音频指纹”也是通过特定的算法提取出音频中独一无二的数字特征。再高级一点，还有语音情感识别，AI能从语音中自动识别人类的情感状态。这个过程最重要的就是提取语音的能量、音高等特征，然后让AI学习判别，输出情感状态的结果。
亚马逊开发的智能助理Alexa已经能够通过语音识别出用户快乐、愤怒、恐惧、厌倦甚至压力等情绪，并对相应指令做出回应。在识别情绪上，AI甚至可能比一头雾水的伴侣更懂你。
一头不幸在圣塔芭芭拉附近海域与货船相撞的鲸鱼 | https://www.boi.ucsb.edu
具体到这套鲸鱼声学监测系统上，它的工作原理就是当海底水听器探测到声音的变化时，通过AI深度学习，建构鲸鱼歌声的声学特征并形成数据库，经过训练后，计算机可以越来越快速、准确地从水下麦克风收集的声学信号中，判断附近是否有鲸类存在。在测试过程中，科研团队发现这套系统针对鲸类的物种识别率已经接近了100%。
当然有了新科技也不能丢了老方法，除了“听音辨鲸”以外，许多训练有素的观察员也在观鲸船上观测鲸鱼并报告目击记录，将数据一并传送给计算机。研究团队还利用海水温度等数据来建立海洋学模型，预测鲸鱼最爱吃的磷虾可能出现的地方，有食物就可能有鲸鱼出没。因此，一整个“鲸鱼安全”系统整合了声学数据、目击数据和模型数据，再将数据传达给货船，降低船只袭击鲸鱼的风险。