蜘蛛对话在机器学习和接触式麦克风的帮助下解码

蛛形纲动物是天生的舞者。经过数百万年的进化，许多物种依靠花哨的步法来交流从求爱仪式到领土争端，再到狩猎策略的一切。研究人员通常使用激光测振仪在实验室环境中观察这些运动。将工具的光束对准目标后，测振仪测量多普勒频移效应发出的微小振动频率和幅度。不幸的是，这种系统的成本和灵敏度往往限制了它们的现场部署。

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。然后，收拾好行李，他前往密西西比州北部的森林测试他的新系统。

Noori Choi最近发表在《通讯生物学》上的研究结果，突显了一种前所未有的收集蜘蛛在林地基质上极难察觉的运动的方法。Choi花了两个闷热的夏季，在1000平方英尺的森林地面上放置了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3.9万小时的数据离开了木兰州，其中包括超过1.7万次的振动。

[相关：遇见科学界已知的第一只电动蓝色狼蛛。]

当然，并非所有这些低语都是崔想要的狼蛛。森林是嘈杂的地方，充满了活跃的昆虫、健谈的鸟儿、沙沙作响的树枝，以及人类生活的侵入性声音，如头顶上的飞机引擎。这些声波也会作为振动被吸收到地下，需要从科学家的蜘蛛目标中筛选出来。

崔在最近的一份大学简介中说：“振动景观是一个比我们预期的更繁忙的信号空间，因为它包括空气振动和基底振动。”

过去，这种分析过程是一项令人沮丧的乏味的手动工作，可能会严重限制研究和数据集的范围。但是崔没有倾注大约1625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，同时分离三种不同狼蛛的振动：裂腹蛛、乌茨蛛和双工蛛。

进一步的分析对蜘蛛的行为产生了有趣的新见解，特别是声音频率、时间的重叠，和S. stridulans和S.uetzi兄弟物种之间的信号空间。崔确定，两种狼蛛变种通常会在它们在落叶上时限制它们的信号，而不是在松树碎片上。崔认为，这意味着蜘蛛的房地产非常昂贵。

“[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、不同的基板上发出信号，它们可能只会破坏整个交流，而无法实现它们的目标，比如吸引伴侣，”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，周一说。

更重要的是，S. stridulans和S.uetzi似乎会根据它们在任何特定时间的拥挤程度以及挤在它们周围的人来调整它们的交流方式。例如，当S.stridulans探测到附近的同种雄性时，它们倾向于延长它们强烈振动的求偶舞蹈。然而，当它们感觉到附近的S.uetzi时，它们通常会稍微改变自己的动作，以区别于其他物种，从而减少潜在的求偶困惑。

除了开辟了观察蜘蛛行为的全新方法，崔的接触式麦克风和机器学习分析的结合也可以帮助其他人有朝一日通过倾听蜘蛛种群来监测生态系统的整体健康状况。

崔说：“尽管每个人都同意节肢动物对生态系统的运作非常重要…如果它们崩溃了，整个社区都会崩溃。”“没有人知道如何监控节肢动物的变化。”

然而，现在，崔的新方法论可以提供一种非侵入性、准确和高效的帮助来控制蜘蛛的日常活动。