前往僻遠的島嶼、走遍各危崖險境尋找目標對象、架設聲音感測器以偵測鳥兒的一舉一動，鳥類學家的身體裡常藏著007詹姆士．龐德的身手。
而且鳥類學家逐漸採用科技（會讓龐德電影裡愛好各類新奇玩意兒的「Q」欣喜不已）來找出鳥兒築巢的地點、記錄鳥叫聲，以及監控鳥兒們的族群活動。
SM2 自動數位錄音機，茂宜島海鳥復育計劃
（MNSRP）Jay Penniman 攝。
留置在現場並24小時運作的聲音感測器和攝影機記錄下大量資料，數量多到無法以人工方式進行分析。
位於美國加州聖塔克魯茲的 Conservation Metrics 採用深度學習技術來訓練軟體，並以 NVIDIA GPU 來加快訓練速度，以消化處理大量資料，從而進行鳥類保育工作。
Conservation Metrics 負責人 Matthew McKown 說：「我們得進行繁重的探測工作，結束後還要處理海量資料。」
近期 Conservation Metrics 的成功案例包括協助南加州外海峽島國家公園，監控受到嚙齒目動物威脅的鳥類族群。
他們結合新式自動化調查和傳統研究方式，找到神出鬼沒的灰叉尾海燕，McKown說這種體積嬌小的灰色鳥類「築巢在與世隔絕之處，在地下洞穴養育幼鶵，僅在夜間出沒。」
萊桑島上的長尾水薙鳥幼鶵，美國魚類及野生
動物管理局的 Abram B. Fleishman 攝。
過去生物學家進行研究時，得在漆黑一片的夜間爬在陡峭崎嶇又濕滑的岩石四週，而如今他們只需架設好感測器，就能24小時錄製鳥叫聲，自動分析錄到的聲音，並且帶領研究人員前往安那卡帕島上首個發現的灰叉尾海燕鳥巢。
「有了 GPUs 的助力，我們的研究工作速度加快了22倍，能夠處理9萬小時的資料，過去靠人工方式來收聽得花上十年的光陰。」McKown 說 GeForce GTX TITAN X 是他的得力助手。「加上我們的演算法就能找出罕見事件、尋找罕見鳥類、測量實施保育活動前後鳥類族群的差異，以及估算鳥類的活動範圍。」
Conservation Metrics 公司人工智慧部門主管 David Klein 說：「深度學習技術是最適合這項研究方式的工具，鳥類專家們可以訓練自動化軟體，擴大他們的影響範圍。」
水薙鳥生存戰
Conservation Metrics 還協助找到過去被視為已絕跡的一種海鳥。
萊桑島上的長尾水薙鳥，美國魚類及野生動物管理局的
Abram B. Fleishman 攝。
放在博物館抽屜裡的水薙鳥標本，2011年被視為一種獨立物種，命名為「Bryan’s shearwater」。
在東京南方600英哩小笠原群島的某個小島上，偶被人瞧見這種有著黑白羽色的嬌小鳥兒身影後，日本的研究人員直覺這種鳥類或許還存在。
McKown 說：「研究人員無法靠近嶙峋的環礁，他們帶著感測器游向岸邊，安裝後經過九個月再游過去取回。我們聽到令人驚喜的聲音，一直都有聽見長尾水薙鳥的叫聲，代表牠們還存活著，可能還有繁殖的行為。」
研究人員反覆進行這項實驗，2015年發現第一個鳥巢。學者們如今能將研究和保育工作集中在某處，運用自動化研究方法來深入瞭解影響鳥兒生存的威脅和復育因素，以保護這種極為活躍的鳥類。