Os cientistas de baleias poderão em breve ficar sem um trabalho – ou pelo menos cansativo e repetitivo – aplicando inteligência artificial (IA) em suas pesquisas.
Usando aprendizado de máquina, uma equipe da Divisão Antártica Australiana, do Centro K. Lisa Yang de Bioacústica de Conservação da Universidade de Cornell e da Universidade Curtin, treinou um algoritmo para detectar "chamadas-D" de baleia azul em gravações de som, com maior precisão e velocidade do que especialistas humanos.

O especialista em acústica de baleias, Dr. Brian Miller, disse que a tecnologia permitirá que os cientistas analisem mais facilmente centenas de milhares de horas de gravações dessas baleias indescritíveis e difíceis de estudar, para entender melhor as tendências em suas populações à medida que se recuperam da caça.

"Ao analisar nossas gravações para D-calls e outros sons, obtemos uma imagem mais completa do comportamento desses animais e as tendências e possíveis mudanças em seu comportamento", disse o Dr. Miller.

"O algoritmo de aprendizado profundo que aplicamos a essa tarefa supera os experientes acústicos de baleias em precisão, é muito mais rápido e não cansa.

"Então, isso nos libera para pensar em outras questões gerais."

Chamadas sociais

As chamadas D são consideradas chamadas "sociais" feitas por baleias machos e fêmeas em áreas de alimentação. Ao contrário das "canções" das baleias azuis masculinas, que têm um padrão regular e previsível, as chamadas D são altamente variáveis ​​entre as baleias individuais e entre as estações e anos.

Essa variabilidade torna a automação da análise de gravação mais difícil do que seria para um som consistente.

Para superar isso, a equipe treinou o algoritmo em uma biblioteca abrangente de cerca de 5.000 chamadas D, capturadas em 2.000 horas de som gravadas em locais ao redor da Antártida entre 2005 e 2017.

"A biblioteca cobriu diferentes estações e a variedade de habitats que esperamos encontrar baleias azuis da Antártida, para garantir que capturamos a variabilidade nas D-Calls, bem como as paisagens sonoras variáveis ​​pelas quais as baleias viajam", disse Miller.

Antes que o treinamento pudesse começar, no entanto, seis analistas humanos diferentes examinaram as gravações e identificaram ou "anotaram" os D-calls.

Em vez de analisar o som, as chamadas foram transformadas em "espectrogramas" ou representações visuais de cada chamada e sua duração.

Usando técnicas de aprendizado de máquina, o algoritmo se treinou para identificar as D-calls de 85% dos dados na biblioteca, usando os 15% restantes dos dados para se validar e melhorar.

Homem x máquina

A IA treinada recebeu um conjunto de dados de teste de 187 horas de gravações anotadas de um ano em Casey em 2019.

A equipe de pesquisa comparou o número de detecções de chamadas D que a IA fez, com aquelas identificadas pelos especialistas humanos, para ver onde eles discordavam.

Um juiz humano independente (Dr. Miller) determinou quais dos desacordos eram D-calls ou não, para chegar a uma decisão final sobre quem era mais preciso.

"A IA encontrou cerca de 90% das chamadas D e o humano pouco mais de 70%, e a IA foi melhor em detectar sons muito baixos", disse Miller.

"Levou cerca de 10 horas de esforço humano para anotar o conjunto de dados de teste, mas a IA levou 30 segundos para analisar esses dados - 1.200 vezes mais rápido".

A equipe disponibilizou sua IA para outros pesquisadores de baleias em todo o mundo, para treiná-la em outros sons e paisagens sonoras de baleias.

"Agora que temos esse poder de analisar milhares de horas de sons muito rapidamente, seria ótimo construir mais locais de gravação e redes de gravação maiores e desenvolver um projeto de monitoramento de longo prazo para observar as tendências das baleias azuis e outras espécies. ", disse o Dr. Miller.

A pesquisa é publicada em Remote Sensing in Ecology and Conservation . + Explorar mais

A pesquisa acústica lança uma nova luz sobre os sons das baleias