Исследователи из Университета Нового Южного Уэльса в Сиднее обучили нейронную сеть находить «песни» синих китов в многолетних аудиозаписях океанских бассейнов — и для обучения модели понадобился всего один пример крика кита.
Ученые создали автоматизированную систему обнаружения на базе модели, изначально обученной распознавать человеческую речь. Вместо сбора тысяч записей ученые сгенерировали обучающий набор из тысяч полусинтетических песен: они копировали исходный крик и вносили изменения — корректировали высоту тона, растягивали по времени, добавляли фоновый шум. Эти модификации имитировали естественные вариации в вокализации китов и трансформацию звука в океане.
На тестах детектор показал высокую точность: для популяции карликовых синих китов он распознал 99,4% сигналов — результат сопоставим с моделями, обученными на масштабных наборах данных.
Метод эффективен именно для синих китов: особи одной популяции издают почти идентичные звуки (например, киты у Мадагаскара «поют» одинаково, а у Антарктиды — иначе). Но подход не подойдет для животных с индивидуальной вокализацией, скажем, для дельфинов с их уникальными свистами.
Преимущество модели еще и в экономичности: ее можно обучить на обычном ноутбуке за несколько часов. Это снижает энергозатраты по сравнению с традиционными методами глубокого обучения.
Ученые планируют применить детектор к 25‑летнему массиву данных из центральной части Индийского океана, чтобы отследить долгосрочные изменения в «пении» китов. Метод также потенциально применим для мониторинга других видов — птиц, насекомых и прочих животных со стабильными звуковыми сигналами. Это поможет изучать редкие и неуловимые виды, чьи звуки фиксируются редко.
Ранее Наука Mail рассказывала о том, что в России обучили нейросеть поиску пластика в океане.
