在个体动物自动识别中以生态目标为中心
种群与进化
2026-04-23 v1 人工智能
摘要
长期识别个体动物是许多生态学和保护生物学问题的核心，包括估计丰度、存活率、移动和社会结构。近期在基于图像甚至声学数据的自动识别方面取得的进展表明，这一过程可以大大加速，然而其前景并未很好地转化为生态学实践。我们认为，主要障碍并非自动识别方法本身的性能，而是这些方法的典型开发和评估方式与生态学数据实际收集、处理、审查和使用方式之间的不匹配。因此，未来的进展将较少依赖于单纯的算法增益，而更多地依赖于认识到自动识别的有用性植根于生态学背景：它取决于所提出的问题是什么、可用的数据是什么以及哪种类型的错误是重要的。只有以这些问题为中心，我们才能迈向不仅准确，而且在生态学上有用、透明且可信的个体动物自动识别。
引用
@article{arxiv.2604.20626,
title = {Centering Ecological Goals in Automated Identification of Individual Animals},
author = {Lukas Picek and Timm Haucke and Lukáš Adam and Ekaterina Nepovinnykh and Lasha Otarashvili and Kostas Papafitsoros and Tanya Berger-Wolf and Michael B. Brown and Tilo Burghardt and Vojtech Cermak and Daniela Hedwig and Justin Kitzes and Sam Lapp and Subhransu Maji and Daniel Rubenstein and Arjun Subramonian and Charles Stewart and Silvia Zuffi and Sara Beery},
journal= {arXiv preprint arXiv:2604.20626},
year = {2026}
}