每年春天，美國馬薩諸塞州的河流里會上演一場靜默的遷徙——數(shù)百萬條河鯡魚從沿海水域洄游至淡水產(chǎn)卵地。這場持續(xù)數(shù)十年的生態(tài)監(jiān)測，一直依賴志愿者蹲在河邊肉眼計數(shù)。但MIT的一支跨學(xué)科團(tuán)隊最近發(fā)現(xiàn)：人類眼睛會漏掉近一半的魚。

「數(shù)魚」這件小事，做了50年還是靠人眼

河鯡魚（river herring）包括藍(lán)背鯡魚（blueback herring）和美洲西鯡（alewife）兩個物種，過去幾十年種群數(shù)量斷崖式下跌。馬薩諸塞州從20世紀(jì)70年代開始建立志愿者監(jiān)測網(wǎng)絡(luò)，每年春季招募公民科學(xué)家在指定河段蹲守，用計數(shù)器記錄游過的魚群。

這套體系的痛點(diǎn)很現(xiàn)實(shí)：志愿者需要培訓(xùn)，天氣惡劣時出勤率低，而且人眼在渾濁河水中追蹤快速游動的魚群，誤差難以避免。Woodwell氣候研究中心的副科學(xué)家Rob Vincent打了個比方：「想象你在晚高峰的地鐵站數(shù)人頭，但所有人都在跑，而且燈還忽明忽暗。」

2022年春季，Vincent聯(lián)合MIT海洋基金（MIT Sea Grant）、MIT計算機(jī)科學(xué)與人工智能實(shí)驗室（CSAIL）、MIT林肯實(shí)驗室以及Intuit公司的研究團(tuán)隊，啟動了一項為期兩年的實(shí)驗。他們在三條河流——科納梅塞特河（Coonamessett River）、伊普斯威奇河（Ipswich River）和桑圖伊特河（Santuit River）——部署了水下攝像系統(tǒng)，用計算機(jī)視覺技術(shù)自動識別、追蹤并計數(shù)河鯡魚。

算法數(shù)出的數(shù)字，讓志愿者沉默了

研究團(tuán)隊對比了2022年和2023年的監(jiān)測數(shù)據(jù)。計算機(jī)視覺系統(tǒng)記錄的河鯡魚數(shù)量，比同期志愿者人工計數(shù)高出47%。這個差距并非偶然——當(dāng)研究人員逐幀回放視頻時發(fā)現(xiàn)，志愿者在魚群密度高峰時段的漏計率顯著上升，而算法在渾濁水體和低光照條件下的穩(wěn)定性反而更好。

「這不是說志愿者做得不好，」MIT CSAIL的研究科學(xué)家Danielle Maddix強(qiáng)調(diào)，「而是人類認(rèn)知的極限遇到了生態(tài)監(jiān)測的剛性需求?！顾忉?，河鯡魚的洄游高峰期往往持續(xù)僅2-3周，單日通過量可達(dá)數(shù)萬條，志愿者連續(xù)數(shù)小時保持注意力集中，生理上幾乎不可能。

技術(shù)方案的核心是一套輕量化的深度學(xué)習(xí)模型。團(tuán)隊沒有追求實(shí)驗室級別的精度，而是針對野外部署做了大量工程妥協(xié)：攝像頭成本控制在200美元以內(nèi)，整套系統(tǒng)可由非技術(shù)人員在2小時內(nèi)安裝完畢，視頻數(shù)據(jù)通過邊緣計算實(shí)時處理，無需持續(xù)聯(lián)網(wǎng)。Intuit公司的機(jī)器學(xué)習(xí)團(tuán)隊貢獻(xiàn)了模型壓縮經(jīng)驗，讓算法能在樹莓派級別的硬件上運(yùn)行。

公民科學(xué)沒死，只是換了個角色

這項研究的關(guān)鍵詞是「增強(qiáng)」（augmenting），而非「替代」。Vincent在論文中明確反對用純技術(shù)方案取代志愿者——公民科學(xué)的價值不僅是數(shù)據(jù)收集，更是公眾參與和生態(tài)意識培育。新系統(tǒng)的定位是「質(zhì)量控制的基準(zhǔn)線」：算法提供24小時不間斷的客觀計數(shù)，志愿者則轉(zhuǎn)向數(shù)據(jù)驗證、異常標(biāo)注和長期生態(tài)觀察。

馬薩諸塞州海洋漁業(yè)部門已經(jīng)注意到這項研究。該部門每年管理的河鯡魚監(jiān)測點(diǎn)超過100個，完全自動化既不經(jīng)濟(jì)也不必要，但選擇性部署計算機(jī)視覺系統(tǒng)作為「校準(zhǔn)錨點(diǎn)」，可以顯著提升全州的種群評估精度。2024年春季，科納梅塞特河的監(jiān)測點(diǎn)已升級為「人機(jī)協(xié)作」模式——算法實(shí)時計數(shù)，志愿者每周抽檢視頻片段核對。

一個意外的發(fā)現(xiàn)是，算法在物種識別上的潛力被低估了。河鯡魚的兩個近緣種在外形上極為相似，連經(jīng)驗豐富的生物學(xué)家也需要解剖確認(rèn)。但研究團(tuán)隊通過遷移學(xué)習(xí)，讓模型從有限標(biāo)注樣本中學(xué)會了區(qū)分藍(lán)背鯡魚和美洲西鯡的泳姿差異——前者沖刺更急促，后者轉(zhuǎn)向更靈活。這個「行為指紋」方法尚未達(dá)到分子鑒定的精度，但為大規(guī)模種群結(jié)構(gòu)分析提供了新工具。

成本賬算得過來嗎？團(tuán)隊公開了詳細(xì)的技術(shù)方案：單點(diǎn)年度運(yùn)維成本約800美元，相當(dāng)于3名志愿者整個監(jiān)測季的交通補(bǔ)貼。如果按47%的漏計率折算，這套系統(tǒng)的投入產(chǎn)出比在種群評估精度提升上是正向的。更關(guān)鍵的是，它釋放了志愿者的時間——從機(jī)械計數(shù)轉(zhuǎn)向更有價值的生態(tài)觀察，比如記錄捕食者出現(xiàn)頻率、水溫突變對洄游節(jié)奏的影響等。

論文發(fā)表后，美國東北部的多個流域管理機(jī)構(gòu)發(fā)來咨詢。緬因州的一個三文魚監(jiān)測項目直接復(fù)用了MIT的開源代碼，用更低分辨率的攝像頭追蹤體型更大的大西洋鮭。這種「降維適配」恰恰符合研究團(tuán)隊的初衷：技術(shù)方案要足夠粗糙才能被野外采納，過于精致的實(shí)驗室系統(tǒng)往往死在部署環(huán)節(jié)。

2025年的洄游季已經(jīng)開始。科納梅塞特河的攝像頭本周記錄了首批 arrivals，算法標(biāo)記的數(shù)量比往年同期志愿者報告的峰值還高。Vincent在郵件里寫了一句：「現(xiàn)在的問題是，我們該相信哪個數(shù)字——還是兩個都不完全對？」