Walviswetenschappers zouden zichzelf binnenkort zonder werk kunnen redden - of op zijn minst een vermoeiende en repetitieve baan - door kunstmatige intelligentie (AI) toe te passen op hun onderzoek.

Met behulp van machine learning heeft een team van de Australian Antarctic Division, het K. Lisa Yang Center for Conservation Bioacoustics aan de Cornell University en de Curtin University een algoritme getraind om blauwe vinvis "D-calls" in geluidsopnamen te detecteren, met grotere nauwkeurigheid en snelheid dan menselijke experts.

Walvisakoestiek Dr. Brian Miller zei dat de technologie wetenschappers in staat zal stellen gemakkelijker honderden duizenden uren aan opnames van deze ongrijpbare en moeilijk te bestuderen walvissen te analyseren, om trends in hun populaties beter te begrijpen terwijl ze herstellen van de walvisjacht.

"Door onze opnames te analyseren op D-calls en andere geluiden, krijgen we een completer beeld van het gedrag van deze dieren en de trends en mogelijke veranderingen in hun gedrag," zei Dr. Miller.

"Het deep learning-algoritme dat we op deze taak hebben toegepast, presteert beter dan ervaren walvisakoestici wat betreft nauwkeurigheid, het is veel sneller en het wordt niet moe.

"Dus het geeft ons de tijd om na te denken over andere grote vragen."

Sociale gesprekken

D-oproepen worden beschouwd als "sociale" oproepen van mannelijke en vrouwelijke walvissen op voedselgronden. In tegenstelling tot mannelijke blauwe vinvis "liedjes", die een regelmatig en voorspelbaar patroon hebben, zijn D-oproepen zeer variabel tussen individuele walvissen en tussen seizoenen en jaren.

Deze variabiliteit maakt het automatiseren van de opname-analyse moeilijker dan het zou zijn voor een consistent geluid.

Om dit te verhelpen, heeft het team het algoritme getraind op een uitgebreide bibliotheek van ongeveer 5.000 D-oproepen, vastgelegd in 2000 uur aan geluid dat tussen 2005 en 2017 is opgenomen op locaties rond Antarctica.

"De bibliotheek omvatte verschillende seizoenen en het scala aan habitats dat we zouden verwachten om Antarctische blauwe vinvissen te vinden, om ervoor te zorgen dat we de variabiliteit in de D-Calls konden vastleggen, evenals de variabele soundscapes waardoor de walvissen reizen," zei Dr. Miller.

Voordat de training kon beginnen, hebben echter zes verschillende menselijke analisten de opnames doorgenomen en de D-calls geïdentificeerd of "geannoteerd".

In plaats van het geluid te analyseren, werden de oproepen omgezet in "spectrogrammen" of visuele representaties van elke oproep en de duur ervan.

Met behulp van machine learning-technieken heeft het algoritme zichzelf getraind om de D-aanroepen van 85% van de gegevens in de bibliotheek te identificeren, en de resterende 15% van de gegevens te gebruiken om zichzelf te valideren en te verbeteren.

Mens versus machine

De getrainde AI kreeg vervolgens een testdataset van 187 uur aan geannoteerde opnames van een jaar bij Casey in 2019.

Het onderzoeksteam vergeleek het aantal D-call-detecties dat de AI maakte, met het aantal dat door de menselijke experts werd geïdentificeerd, om te zien waar ze het niet mee eens waren.

Een onafhankelijke menselijke rechter (Dr. Miller) bepaalde welke van de meningsverschillen D-calls waren of niet, om tot een definitieve uitspraak te komen over wie nauwkeuriger was.

"De AI vond ongeveer 90% van de D-oproepen en de mens iets meer dan 70%, en de AI was beter in het detecteren van zeer zachte geluiden," zei Dr. Miller.

"Het kostte ongeveer 10 uur menselijke inspanning om de testgegevensset te annoteren, maar het kostte de AI 30 seconden om deze gegevens te analyseren - 1200 keer sneller."

Het team heeft hun AI beschikbaar gesteld aan andere walvisonderzoekers over de hele wereld, om het te trainen op andere walvisgeluiden en soundscapes.

"Nu we de mogelijkheid hebben om duizenden uren aan geluiden zeer snel te analyseren, zou het geweldig zijn om meer opnamesites en grotere opnamenetwerken te bouwen, en een langetermijnmonitoringproject te ontwikkelen om trends in blauwe vinvissen en andere soorten te bekijken, " zei Dr. Miller.

Het onderzoek is gepubliceerd in Remote Sensing in Ecology and Conservation . + Verder verkennen

Akoestisch onderzoek werpt nieuw licht op walvisgeluiden