Doorgewinterde vogelaars kunnen soorten vaak identificeren aan de hand van hun roep. Stel je voor dat je hetzelfde doet voor vissen.

Uit nieuw onderzoek van de Universiteit van Victoria blijkt dat nauw verwante vissoorten onderscheidende geluiden produceren die door AI kunnen worden gescheiden. Dit opent de deur naar monitoringprogramma's die afhankelijk zijn van akoestische signalen in plaats van visuele waarnemingen.

Het onderzoek, geleid door promovendus Darienne Lancaster, verscheen in de Journal of Fish Biology.

De vocalisaties van vissen zijn al lang bekend, maar het was een uitdaging om ze in het wild van elkaar te onderscheiden. Zoals Lancaster uitlegde:“We wisten niet welke geluiden tot welke soort behoorden, en of het überhaupt mogelijk was om ze van elkaar te onderscheiden.”

Met behulp van passieve akoestische monitoring verzamelde het team onderwateropnamen en verifieerde tegelijkertijd soorten met visuele gegevens.

Vervolgens trainden ze een machinaal lerend model dat geluiden correct koppelde aan soorten met een nauwkeurigheid van 88%, waardoor acht Brits-Columbia-vissoorten werden geïdentificeerd.

De dataset onthulde ook gedragsinzichten, zoals het snelle grommen van de stekelbaarsvis wanneer hij wordt achtervolgd – waarschijnlijk een defensieve reactie.

“Het is spannend om te zien hoeveel soorten geluid gebruiken en in welke context ze dat doen”, zegt Lancaster.

Naast fundamentele wetenschap biedt het model een minder invasieve manier om het gedrag van vissen te bestuderen en populaties te monitoren.

Toekomstig werk zal de database uitbreiden om meer soorten op te nemen en regionale variaties binnen soorten te onderzoeken, waardoor de enorme diversiteit van het zeeleven wordt onderstreept.