森林開始上傳自己的聲音：AI 聲景監測、公民科學與生物多樣性的下一場爭論

一、自然不是突然變安靜，是我們以前沒有好好聽

生物多樣性危機最殘酷的地方，是消失常常沒有聲音。某種鳥變少了，城市不會響警報；某種蛙不叫了，股市不會停盤；一片森林的夜間聲景變薄了，多數人只會覺得今天很安靜。可是，生態系的安靜不是和平，有時是退場。問題在於，人類很擅長記錄自己講了什麼，卻很少長期記錄其他生命如何發聲。

AI 聲景監測正在改變這件事。被動聲學監測把錄音器放進森林、濕地、草原、海岸與城市公園，長期收集環境聲音；模型再從大量錄音中辨識鳥類、昆蟲、兩棲類、哺乳動物，甚至人為噪音、槍聲、鏈鋸聲與船舶活動。這讓生態監測從「專家定期到現場」變成「環境持續留下訊號」。對經費有限、地形複雜、物種夜行或難以目視的區域，聲景資料提供了新的入口。

近期鳥類辨識 App 與公民科學資料庫的整合，也讓一般人手上的手機變成分散式感測網。這很迷人：散步的人、賞鳥的人、通勤的人，可能在不知不覺中補上科學監測的空白。可是，迷人之處也正是危險之處。資料一多，人就容易誤以為理解也變多；模型一準，人就容易忘記它何時應該回答「我不知道」。自然聲音不是客服錄音，森林也不是乾淨的實驗室。風、雨、回音、重疊鳴叫、遠方機械聲，都會把辨識變成灰色地帶。

二、公民科學不是免費勞工，資料治理不能裝睡

公民科學的價值，不只是便宜取得大量資料。真正有價值的是，它讓更多人重新注意自己生活周邊的生物，讓科學不再只在研究站與期刊裡發生。當一個孩子用手機辨識出窗外鳥鳴，他學到的不只是物種名稱，而是世界並不只由人類通知構成。這種感官教育，可能比一百張永續簡報更有效。

但公民科學也不能被浪漫化。使用者貢獻的聲音資料，包含地點、時間、行為路徑與生態敏感資訊。如果某些珍稀物種位置被過度公開，可能引來干擾、盜獵或觀光壓力。若平台把使用者資料轉成商業資產，卻沒有清楚回饋社群與保護敏感點位，公民科學就會變成漂亮包裝的資料外包。這在原住民族地區尤其需要謹慎。許多山林聲景不只是自然資料，也可能與狩獵倫理、祭儀空間、禁忌地景、傳統領域與社群記憶有關。

因此，聲景資料治理應該有分級制度。一般物種與低敏感區域可以開放作教育與研究；稀有物種、繁殖地、文化敏感地點與社群指定區域，應採延遲公開、模糊座標、授權審查或社群共同管理。雙向知識不是把部落聲音全部上傳雲端，也不是拒絕科學監測，而是讓資料取得、解釋、保存與回饋都經過合適的同意程序。森林可以被聽見，但不代表每一段聲音都應被公開播放。

三、AI 很會辨識聲音，但未必懂沉默

許多聲學 AI 模型在特定物種、特定地區、特定錄音條件下表現很好；但一旦換到資料不足的生態系，準確率就可能下降。針對熱帶森林與多物種監測的研究提醒我們，區域化、任務導向的模型訓練能改善多物種偵測，尤其在鳥類之外的靈長類、象或其他大型哺乳類上有重要潛力。這也提醒我們，通用模型不是萬能。生物多樣性監測若只依賴全球資料量最大的物種，模型就會更擅長聽見「已經被研究很多的世界」，而繼續忽略資料不足的地方。

這對台灣山林、離島、濕地與原鄉地區都很有啟發。若未來建立本地聲景監測，不能只拿外國模型直接套用。需要本地物種音檔、季節標註、棲地資料、族人與在地巡護者經驗、學者驗證與長期維運。更重要的是，模型要能承認不確定。牠可能是某種鳥，也可能是雨滴打在葉面；可能是動物經過，也可能是遠方機車。好的生態 AI 不該像投資老師一樣永遠自信滿滿，牠應該懂得說：「這裡需要人來聽。」

沉默同樣重要。當某個地點原本固定出現的聲音消失，這不一定立刻代表物種消失，也可能是季節、天氣、設備故障或錄音位置改變。但如果長期趨勢清楚，沉默就成為資料。生物多樣性治理需要學會處理這種負資料：沒有聽見，也是一種訊號。只是這個訊號必須被謹慎解讀，不能被媒體標題粗暴改寫成「某物種已滅絕」。自然科學最怕兩種人：一種完全不相信資料，另一種太快相信資料。

四、讓森林上傳聲音之前，先問誰能下載權力

AI 聲景監測的下一場爭論，不會只在模型準確率，而在權力。誰布建感測器？誰擁有錄音？誰設定標註分類？誰決定哪些聲音是噪音，哪些聲音是生態訊號？誰能把資料賣給顧問公司、保險公司、觀光平台或碳權專案？若這些問題沒有處理，聲景科技就可能從保育工具變成另一種資源盤點工具，最後服務的不是森林，而是外部市場。

比較好的方向，是把聲景監測設計成公共基礎設施，而不是單一平台的資料礦場。研究機構、地方政府、社群組織、學校與部落可以共同制定資料授權、敏感地點保護、設備維護、教育回饋與成果公開規則。資料產品不應只回到學術論文，也應回到巡護、環境教育、地方決策與社群記憶。當一座森林被長期記錄，它不只是提供物種清單，也在建立一份與人類共存的聲音年鑑。

我們常說自然會說話，其實更準確的是：自然一直在發聲，只是人類太吵。AI 麥克風可以幫我們聽見更多，但它不能替我們決定什麼值得保護。當森林開始上傳自己的聲音，文明真正要學的不是下載更多資料，而是降低自己的音量。

五、聲景教育不只是認鳥，也是重新訓練文明的耳朵

聲景監測最有公共價值的地方，不一定是產出更長的物種名錄，而是改變人類的感官習慣。現代生活把我們訓練成只聽通知音、車聲、廣告、會議與手機提示。森林、溪流、昆蟲、鳥群、蛙鳴與風聲，往往被歸類成背景。當 AI 把這些背景轉成可視化聲波與物種提示，它可能讓人重新意識到：世界不是安靜的，人類只是把其他生命靜音了。

這種教育若做得好，可以進入學校、地方環境館、部落巡守、國家公園與社區大學。學生不必一開始就背大量物種，可以先比較清晨、午後、雨前、滿月夜、道路施工後的聲景差異；居民可以用錄音建立自己的地方聲音年表；巡護員可以用聲音輔助判斷非法活動或棲地變化。AI 在這裡不是取代老師，而是讓老師和學生更容易開始聽。真正的科學素養，不只是知道答案，而是願意留下長期觀察。

六、不要讓聲音資料變成新的自然殖民

但聲景科技也可能走向另一面。當大型平台、保育顧問、碳權專案或觀光業者發現聲音資料可以證明棲地價值、包裝自然體驗、標示生態績效，森林聲音就可能被商品化。某個地方的鳥叫越豐富，越容易被當成行銷素材；某個部落周邊的夜間聲景越獨特，越可能被拿來做沉浸式展演；某些敏感物種的出現，則可能被外部力量轉成土地管制或觀光壓力。資料原本為了保護自然，最後卻可能變成外部權力進入地方的鑰匙。

因此，AI 聲景監測需要從一開始就建立資料退出機制。地方社群應有權要求停止錄音、刪除特定時段、降低座標精度、限制商業使用、要求成果回饋，並參與模型錯誤判讀的修正。資料治理若沒有退出權，就不是真同意；公民科學若沒有回饋，就只是免費採集；開放資料若沒有敏感邊界，就可能把保育做成風險。森林可以開始上傳自己的聲音，但人類必須先學會：能聽見，不等於能擁有。

source-check notes

• The Guardian, "Birdsong data from Merlin ID app to help global biodiversity project", 2026-07-04, https://www.theguardian.com/environment/2026/jul/04/merlin-app-birdsong-identification-ebird-biodiversity-conservation

核對重點：Merlin 與 eBird 整合、下載量、使用者數、可辨識物種與資料上傳機制需以 Cornell 官方更新為準。

• Cornell Lab of Ornithology, Merlin Bird ID, https://merlin.allaboutbirds.org/

核對重點：正式產品功能、Sound ID、隱私與資料分享說明。

• Cornell Lab of Ornithology, eBird, https://ebird.org/

核對重點：公民科學資料庫定位、資料使用政策與敏感物種處理方式。

• arXiv, "DeepForestSound", 2026-04, https://arxiv.org/abs/2604.08087

核對重點：熱帶森林被動聲學監測、區域模型與多物種辨識表現，不可外推為所有生態系。

• arXiv, "RealBirdID", 2026-03, https://arxiv.org/abs/2603.27033

核對重點：鳥類細粒度辨識與模型「應答／拒答」校準問題。