在机器学习和接触式麦克风的帮助下破译蜘蛛对话

蛛形纲动物天生就是舞者。经过数百万年的进化，许多物种都依靠精妙的步法来传达各种信息，从求偶仪式到领土争端，再到狩猎策略。研究人员通常在实验室环境中使用所谓的激光测振仪来观察这些运动。将工具的光束瞄准目标后，测振仪会测量多普勒频移效应发出的微小振动频率和振幅。不幸的是，此类系统的成本和灵敏度通常会限制其在现场的部署。

为了解决这个长期存在的问题，内布拉斯加大学林肯分校的一名博士生最近将一系列微型廉价接触式麦克风与声音处理机器学习程序结合在一起。收拾好行李后，他前往密西西比州北部的森林测试他的新系统。

Noori Choi 的研究成果最近发表在《通讯生物学》上，重点介绍了一种前所未见的方法，用于收集蜘蛛在林地基质中极难检测到的运动。Choi 花了两个炎热的夏天，在 1,000 平方英尺的森林地表区域放置了 25 个麦克风和陷阱，然后等待当地野生动物做出振动动作。最后，Choi 带着 39,000 小时的数据离开了木兰州，其中包括超过 17,000 个振动系列。

[相关：认识科学界已知的第一只电蓝狼蛛。]

当然，并不是所有那些低语声都是 Choi 想要的狼蛛。森林是一个喧闹的地方，充满了活跃的昆虫、叽叽喳喳的鸟儿、沙沙作响的树枝，以及头顶上飞机引擎等人类生活的侵入性声音。这些声波也会以振动的形式被地面吸收，需要从科学家的蜘蛛目标中筛选出来。

崔在最近的大学简介中表示：“振动景观是一个比我们预期更繁忙的信号空间，因为它包括空气传播的振动和基质传播的振动。”

过去，这种分析过程是一项令人沮丧的繁琐手工工作，可能会严重限制研究和数据集范围。但 Choi 并没有投入大约 1,625 天的录音，而是设计了一个机器学习程序，能够过滤掉不需要的声音，同时隔离三种不同狼蛛物种的振动： Schizocosa stridulans 、 S. uetzi和S. duplex 。

进一步的分析为蛛形纲动物的行为带来了令人着迷的新见解，尤其是S. stridulans和S. uetzi姊妹物种之间的声频、时间和信号空间的重叠。Choi 确定，这两种狼蛛变种通常都会在落叶层上而不是松树残骸上限制信号。据 Choi 称，这意味着蜘蛛的空间非常宝贵。

崔现在是德国马克斯普朗克动物行为研究所的博士后研究员，他周一表示：“它们可供选择的选择可能有限，因为如果它们选择在不同的地方、不同的基质上发出信号，它们可能会破坏整个交流，无法实现它们的目标，比如吸引配偶。”

此外， S. stridulans和S. uetzi似乎会根据它们在特定时间的拥挤程度以及拥挤者来调整它们的交流方式。例如，当S. stridulans发现附近有同种雄性时，它们往往会延长其振动强烈的求爱舞蹈。然而，当它们感觉到附近有S. uetzi时，它们通常会稍微改变自己的动作以将其与其他物种区分开来，从而减少潜在的求爱混淆。

除了开辟观察蜘蛛行为的全新方法之外，Choi 将接触式麦克风与机器学习分析相结合，还能帮助其他人有朝一日通过关注蜘蛛种群来监测生态系统的整体健康状况。

“尽管每个人都同意节肢动物对于生态系统的功能非常重要……但如果它们灭绝，整个群落就会崩溃，”崔说。“没有人知道如何监测节肢动物的变化。”

然而现在，Choi 的新方法可以提供非侵入性、准确且高效的帮助来掌握蜘蛛的日常活动。