PAMalytics: a no-code application for structured validation of bioacoustic detections
PAMalytics 是一款开源、无代码应用程序，旨在标准化并简化被动声学监测检测结果的分类后验证流程，从而减少人工投入，并增强生物多样性研究与报告的可追溯性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，这个世界是一个巨大的、隐形的音乐厅，大自然正在不断地演奏着属于它自己的原声带。鸟儿在鸣叫，青蛙在呱呱叫，昆虫在嗡嗡作响，共同创造出一场复杂的交响乐，向我们诉说着一个生态系统是否健康。几十年来，科学家们一直渴望聆听这段音乐以追踪野生动物，但问题在于这场音乐从未停止。录音设备可能会捕捉到数个太字节（terabytes）的音频——足以填满数百万个 MP3 播放器——但要靠人工去听其中的每一秒钟，将耗费人类的一生。
于是，“机器人耳朵”出现了：这些自动化的计算机程序能够聆听这些录音，并以惊人的速度喊出：“那是长臂猿！”或者“那是鸟类！”但问题在于，这些“机器人耳朵”并不完美。有时，它们会将叶子的沙沙声误认为是鸟鸣，或者完全漏掉一只安静的青蛙。在科学家能够信任这些“机器人耳朵”来撰写濒危物种报告或衡量森林恢复成果之前，必须由人类专家对机器人的工作进行复核。这就是一个棘手的中间步骤：将机器人生成的长串猜测名单进行验证，并确认哪些才是真实的。直到现在，进行这种验证仍然是一项杂乱、手动的苦差事，感觉就像是在蒙着眼睛试图于草堆中寻找针头。
这正是名为 PAMalytics 的新工具大显身手、拯救局面之处。你可以把 PAMalytics 想象成一个超级智能、无需编程（no-code）的“质量控制站”，专门用于处理大自然的声学记录。论文将该应用介绍为一种将检查机器人检测结果的杂乱、临时性过程转化为流畅、有序工作流的方法。与其强迫研究人员在不同的软件程序之间跳来跳去、打开单独的音频文件并在电子表格中涂鸦，PAMalytics 将这一切整合进了一个友好的浏览器窗口中。
它是这样工作的：你将机器人的猜测名单输入 PAMalytics。随后，该应用会像一名得力的助手，让你选择如何进行检查。你可以告诉它：“检查置信度最高的排名前 10% 的猜测，”或者“专注于那些置信度较低、机器人最容易出错的地方，”甚至可以“从每个森林样点中随机抽取样本。”一旦你选定了目标，应用就会逐一向你展示它们。它会显示机器人的猜测、播放实际的音频片段，并展示一张视觉化的“声音图谱”（称为频谱图），让你能看到声波。然后，你可以点击按钮说：“是的，那是一只真实的鸟，”或者“不，那只是风声，”或者“我不确定。”
论文不仅描述了这个工具，还通过两个不同的团队在现实世界中对其进行了测试。在柬埔寨，该团队利用它来检查黑枕长臂猿。以前，他们必须在数千个文件中手动搜寻那极少数真实的鸣叫声。使用 PAMalytics 后，他们可以将有限的时间集中在那些最可能是错误识别的鸣叫上，从而节省了大量的搜索时间。在巴西亚马逊地区，研究人员利用它来验证一个大规模森林恢复项目中的超过一百万条录音。他们发现，使用该工具为一项需要验证 15,000 个特定鸟类鸣叫的项目节省了约 15.8 小时，将一项枯燥乏味的苦活变成了可以掌控的任务。
作者认为，这个工具填补了一个关键的空白。虽然我们已经有了优秀的工具来“寻找”声音，也有了优秀的数学方法来“分析”结果，但“检查”工作的中间步骤却一直很薄弱且缺乏组织。PAMalytics 并不声称自己是一个取代人类专家的神奇机器人；人类仍然需要做出最终判断。相反，它充当了一座桥梁，确保从机器人的自动化猜测到最终科学报告之间的环节是透明、可追溯且不易产生人为错误的。通过将混乱的手动过程转变为结构化的、“无需编程”的工作流，它帮助那些资源有限地区的保护工作者更高效地验证数据，确保他们讲述的关于自然恢复的故事是建立在坚实基础之上的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。