森林其實一直在錄音：AI聲景監測讓生物多樣性開口，也讓人類噪音現形

森林從來不是安靜的。只是人類太吵，常常聽不見。清晨的鳥鳴、夜裡的蛙叫、昆蟲振翅、蝙蝠超音波、溪水撞石、樹葉摩擦、遠方機車、鏈鋸、槍聲、遊客喇叭，全部疊在一起，構成一個地方的聲景。過去我們把這些聲音當氣氛，現在科學開始把它們當證據。森林不是背景音樂，它其實一直在錄音，只是以前沒有人有耐心聽完。

被動聲學監測的概念很簡單：把錄音設備放在森林、濕地、海岸或海中，長時間收集環境聲音，再透過人工或AI分析其中的物種訊號與人類活動。這種方法的好處是干擾低、時間長、覆蓋廣。研究者不必每天站在山裡拿望遠鏡等鳥出現，也不必每次都冒著蚊子比研究助理還積極的風險進樣區。錄音器可以安靜待著，把生態系一天二十四小時的變化留下來。

AI讓這件事進入新階段。過去聲音資料最大的問題不是錄不到，而是錄太多。幾百小時、幾千小時的錄音，人耳根本聽不完。現在機器學習模型可以協助辨識鳥類、蝙蝠、靈長類、象、昆蟲，甚至偵測鏈鋸與槍聲。這讓聲景監測從「有趣的自然紀錄」變成可能支援保育決策的工具。哪裡有瀕危物種出沒？哪裡夜間人類活動增加？哪片復育森林的鳥類群聚正在回來？聲音可以提供線索。

聲景最迷人的地方，是它同時記錄生命與干擾。影像常常需要拍到對象才算證據，但聲音可以讓看不見的生物留下存在痕跡。蝙蝠不必露臉，牠的超音波已經說明牠經過；夜行鳥不必站上鏡頭，牠的叫聲已經進入資料；昆蟲不必被抓進標本盒，牠的振翅與鳴叫也可能成為生態訊號。同樣地，人類也逃不掉。鏈鋸聲、車聲、機械聲、槍聲、施工聲，都是人類活動的聲音指紋。森林不會發新聞稿，但它會留下錄音。

這對環境治理很有吸引力。傳統環境評估常依賴短期調查，像是挑幾天進場、填表、拍照、寫報告。問題是生態系不是配合人類上班時間才運作。很多物種在夜裡活動，很多變化要跨季節才看得出來。聲學監測可以補上這個盲點，讓治理者知道一個地方不是只有「有樹」或「沒有樹」，而是有沒有聲音多樣性，有沒有物種活動節律，有沒有人類噪音壓過其他生命。

但任何資料化技術都會帶來新問題。當森林聲音變成資料，誰擁有這些錄音？研究機構？政府？設備廠商？社群？如果錄到保育類物種，公開地點是否會引來干擾？如果錄到部落獵場附近的聲音，是否涉及社群知識與土地使用隱私？如果錄到人的談話、祭儀聲響或特定地點活動，那還能被當成一般環境資料嗎？聲音不像表格那麼乾淨，它總是帶著關係。

這裡原住民族知識可以提供重要提醒，但不能被浪漫化。許多獵人、漁民、採集者與山林巡守者本來就透過聲音理解環境：哪種鳥叫代表天氣變化，哪種昆蟲聲表示季節轉換，哪段溪聲暗示水量不同，哪種安靜反而不尋常。這不是「迷信感覺」，而是長期生活在地方裡累積的多感官觀察。AI聲景監測若能與地方知識合作，會更接近真實；若只是把錄音器丟進山裡，再把社群排除在資料解讀之外，那就只是把殖民調查升級成雲端版本。

聲景資料也不該只服務科學論文。它可以成為教育工具，讓孩子聽見自己家鄉不同季節的聲音；可以成為防災輔助，觀察溪流、雨勢與動物行為的變化；可以支援巡守工作，提供非法伐木或盜獵的時間線索；也可以成為文化保存，記錄一個地方逐漸消失的聲音。每個地方都有自己的聲音身分證，只是現代開發常把它磨成同一種噪音。

黑色幽默的是，人類現在終於發明AI去聽森林，部分原因是我們自己已經不會聽了。城市把耳朵訓練成只會辨識通知鈴聲、捷運到站與外送抵達，卻忘記風聲、水聲與鳥聲也在傳遞訊息。AI可以幫我們重新聽見世界，但它不能替我們重新尊重世界。辨識出一百種鳥叫，卻繼續把棲地切碎，那不是保育，是高科技自我安慰。

森林一直在錄音。問題是，人類願不願意承認自己也被錄進去了。

延伸閱讀與資料來源

• Cornell K. Lisa Yang Center for Conservation Bioacoustics
• National University of Singapore：AI to monitor biodiversity by sound
• Nature Communications：Passive acoustic monitoring and ecosystem restoration