（台北內科週報第685期／2025年6月9日-2025年6月15日）

【產學政研連線】運用AI「聽測」海洋，台灣海洋大學系統工程暨造船學系Shashidhar Siddagangaiah助理教授，致力於探索人工智慧（AI）技術於海洋聲學資料中的應用，近期首度揭示AI模型於海洋音景中的3大核心任務的潛力，包括異常事件偵測、音景預測及趨勢估計，展現AI於極端事件預警與海洋環境監測上的潛在價值；此研究成果並已於近期發表在計算生態學與數據科學領域的國際知名期刊《Ecological Informatics》。

該研究團隊利用2017年於台灣海峽所蒐集之海洋被動聲學監測資料進行分析，且運用基於非監督式學習的孤立森林（Isolation Forest, iForest）技術，成功辨識導致聲音水準突變的異常事件，同時，也評估深度學習模型在趨勢估計與音景預測上的表現，並進一步探討影響其準確性的因素。

為分析海洋音景於年、季、日等不同時間尺度下的變化趨勢，更研究進一步應用整合異常資訊的NeuralProphet模型。該模型相較於傳統的奇異頻譜分析法，能更有效捕捉年度與季節性趨勢變化。此外，這項研究亦評估兩項前沿預測模型──TiDE與NHiTS──在海洋音景預測上的表現。在為期7天的季節性預測任務中，NHiTS模型的預測準確度優於TiDE與NeuralProphet。

結果顯示，深度學習預測模型在中頻（500–3000 Hz）與高頻（3000–24,000 Hz）範圍內展現較佳的預測準確性，主要因該頻段聲壓水準受魚類與蝦類的季節性聲學活動影響顯著；反之，低頻範圍（10–500 Hz）的聲音變化隨機且受人為活動及氣象因素影響較大，預測準確度較低。

隨著研究的不斷深入，Shashidhar Siddagangaiah助理教授的最終目標，在充分發揮人工智慧的應用潛力，為台灣海洋生態系統帶來實質益處，特別是在提升對颱風、風暴與人為活動所引發異常（極端）事件之應變與管理能力。透過持續投入研究與跨領域合作創新，人工智慧有望成為理解、並緩解海洋環境中複雜且難以預測現象的重要策略基石。論文連結：https://www.sciencedirect.com/science/article/pii/S1574954125001980。