Ученые с помощью ИИ определяют разные звуки рыб

В брачный период рыбы у берегов Калифорнии поют песни о любви по вечерам и перед восходом солнца. Они поют чаще хором и достаточно громко, чтобы их можно было услышать с суши. Это техника романтики, которой пользуются лягушки, насекомые, киты и другие животные, когда приходит время. Для большинства этих вокальных аранжировок припевы низкочастотные. Их трудно отличить от звуков кораблей, проходящих среди других в ночи.

Биологи, однако, уже давно заинтересованы в том, чтобы прислушиваться к ним во имя понимания поведения рыб для достижения конечной цели: они могут помочь сохранить популяции рыб и здоровье океана, определяя сезоны нереста и используя эту информацию для управления рыболовством.

Теперь ученые из Океанографического института Скриппса в Калифорнийском университете в Сан-Диего и их коллеги разработали машинный метод просеивать звуки и обрабатывать их быстрее, чем даже самые подготовленные аналитики-люди. Этот метод может представлять собой большой шаг вперед в области обработки сигналов с использованием за пределами морской среды.

Я надеюсь, что этот метод поможет другим легче автоматически разделять и обнаруживать сигналы, чтобы понять, где и когда рыбы спариваются. Помимо рыб, этот метод можно легко применить к другим звуковым ландшафтам, чтобы узнать больше о лягушках, птицах, летучих мышах и других животных,

сказала Элла Ким, аспирантка Scripps Oceanography и ведущий автор исследования.

В рамках исследования, финансируемого военно-морским флотом, Ким и ее коллеги отделили звуки хора рыб от общего звукового ландшафта, используя метод, который она назвала SoundScape Learning (SSL). SoundScape Learning сочетает в себе известные методы анализа звука с нейронной сетью, парадигмой обработки информации, основанной на том, как нейроны в человеческом мозгу обеспечивают познание.

Соавтор исследования Кейтлин Фрейзер, морской акустик Scripps Oceanography, которая использовала искусственный интеллект в своем собственном исследовании, анализирующем щелчки дельфинов, заявила, что ученые часто обучают машины искать определенные звуки в океане, но масштабность звукового ландшафта делает эту задачу сложной. 

Метод Эллы направлен на то, чтобы научить компьютеры смотреть на более широкую картину, находить и учиться распознавать звуковые события, например, воспринимать леса вместо деревьев. Шумоподавление», как его называют исследователи, возникает, когда SSL разделяет события, которые происходят снова и снова, и помещает их в то, что исследователи называют матрицей «низкого ранга»,

заявила Фрейзер.

Новый алгоритм учится определять акустические признаки разных категорий звуков самостоятельно, просматривая множество данных. ИИ значительно экономит время. В ходе исследования машины прослушали 5,3 года аудиозаписи, собранной у побережья Калифорнии. Если бы опытный акустик, хорошо разбирающийся в хоре рыб в этом районе, проделал бы эту работу вручную, это, вероятно, заняло бы у них месяц, но после обучения SSL процесс занимает всего несколько дней.