p Os cientistas desenvolveram um novo algoritmo que pode identificar padrões distintos de cliques de golfinhos entre milhões de cliques em gravações de golfinhos selvagens. Esta abordagem, apresentado em PLOS Biologia Computacional por Kaitlin Frasier da Scripps Institution of Oceanography, Califórnia, e colegas, poderia ajudar a distinguir entre as espécies de golfinhos na natureza. p Frasier e seus colegas constroem sensores acústicos subaquáticos autônomos que podem registrar cliques de ecolocalização de golfinhos na natureza por mais de um ano de cada vez. Esses instrumentos servem como ferramentas não invasivas para estudar muitos aspectos das populações de golfinhos, incluindo como eles são afetados pelo derramamento de óleo da Deepwater Horizon, desenvolvimento de recursos naturais, e mudanças climáticas.

p Como os sensores registram milhões de cliques, é difícil para um ser humano reconhecer qualquer padrão específico da espécie nas gravações. Então, os pesquisadores usaram avanços no aprendizado de máquina para desenvolver um algoritmo que pode descobrir padrões de clique consistentes em conjuntos de dados muito grandes. O algoritmo é "não supervisionado, "o que significa que busca padrões e define diferentes tipos de clique por conta própria, em vez de ser "ensinado" a reconhecer padrões já conhecidos.

p O novo algoritmo foi capaz de identificar padrões consistentes em um conjunto de dados de mais de 50 milhões de cliques de ecolocalização registrados no Golfo do México em um período de dois anos. Esses tipos de clique eram consistentes em sites de monitoramento em diferentes regiões do Golfo, e um dos tipos de clique que surgiram está associado a uma espécie conhecida de golfinho.

p A equipe de pesquisa levanta a hipótese de que alguns dos tipos de cliques consistentes revelados pelo algoritmo podem ser combinados com outras espécies de golfinhos e, portanto, podem ser úteis para o monitoramento remoto de golfinhos selvagens. Isso melhoraria os métodos de monitoramento mais atuais, que dependem de pessoas fazendo observações visuais de grandes navios ou aeronaves e só são possíveis à luz do dia e em boas condições meteorológicas.

p Próximo, a equipe planeja integrar este trabalho com métodos de aprendizado profundo para melhorar sua capacidade de identificar tipos de clique em novos conjuntos de dados registrados em diferentes regiões. Eles também realizarão trabalho de campo para verificar quais espécies correspondem a alguns dos novos tipos de clique revelados pelo algoritmo.

p "É divertido pensar em como os algoritmos de aprendizado de máquina usados ​​para sugerir amigos de música ou de mídia social para as pessoas podem ser reinterpretados para ajudar nos desafios da pesquisa ecológica, "Frasier diz." As inovações em tecnologias de sensores abriram as comportas em termos de dados sobre o mundo natural, e há muito espaço para criatividade agora na análise de dados ecológicos. "