AI в акустиката на китовете и морските бозайници
AI сканира огромни количества подводно аудио, за да открие, класифицира и проследи китове и други морски бозайници по техните сигнали.
Преглед
It matters for preventing ship strikes, reducing harmful noise, and understanding species we can rarely see.
Дълбоко гмуркане
Океанът е непрозрачен за светлина, но пренася звук на стотици километри, така че морските бозайници разчитат на гласове, както и учените. Хидрофоните, независимо дали са закотвени, теглени или на автономни планери, записват непрекъснато, произвеждайки терабайти аудио. AI детектори, изградени на базата на CNN и повтарящи се или трансформаторни модели, сканират спектрограми, за да намерят викове на китове сред шума на кораба, да идентифицират видове от характерните звуци като песента на гърбатия кит или викането на десния кит и дори да разграничат индивидуалните модели на кликване на кашалотите и делфините. Сътрудничеството на Google с NOAA създаде класификатори за гърбати китове от десетилетия тихоокеански записи. Откриването в почти реално време захранва системи, които предупреждават корабите да забавят скоростта, помагайки за защита на критично застрашените северноатлантически десни китове от фатални сблъсъци.
Техническа информация
Както при птиците, обажданията се превръщат в спектрограми и се класифицират от дълбоки мрежи, но подводната обстановка добавя препятствия: нискочестотните обаждания на китове се припокриват с шума от двигателя и сеизмичното проучване, разпространението на звука изкривява сигналите и етикетираните данни за редки видове са оскъдни. Детекторите често са настроени за високо извикване, така че повикванията да не бъдат пропуснати, след което човешките анализатори проверяват маркирани сегменти. Някои системи работят върху шамандури, предавайки засичанията на брега почти в реално време.
Стратегическо въздействие
Build choices
Дизайнът на ниво приложение определя дали AI подобрява реалните резултати.
Team and workflow
Добрата интеграция на работния процес създава печалби в производителността, на които потребителите могат да се доверят.
Risk and safety
Добре обхванатите случаи на употреба намаляват умората от промяна и риска от внедряване.
Бъдещето на AI в акустиката на китовете и морските бозайници
Очаквайте мрежи от интелигентни шамандури и планери, които извършват откриване на борда и излъчват сигнали за моряци и мениджъри в рамките на минути. Самоконтролираните модели ще се учат от немаркирано океанско аудио, подобрявайки откриването на недостатъчно проучени видове. Проекти като Project CETI имат за цел да използват машинно обучение за декодиране на структурата на комуникацията на кашалота. В комбинация с оценка на пасивната акустична плътност, изкуственият интелект може да осигури непрекъснато наблюдение на населението в мащаб на океанския басейн и динамично, съобразено с шума управление на корабоплаването.
Внедряване в реалния свят
Системите за откриване на прави китове в почти реално време предупреждават корабите да намалят скоростта и да избегнат сблъсъци край източното крайбрежие на САЩ.
Google и NOAA създадоха AI класификатори, за да намерят песни на гърбат кит в десетилетия на данни от тихоокеански хидрофон.
Автономни планери с бордови детектори изследват присъствието на китове в отдалечени океански региони.
Проектът CETI прилага машинно обучение, за да анализира последователностите на щракване (codas) на кашалотите, за да изучава тяхната комуникация.
Рискове и предпазни огради
Автоматизирането на счупен процес може да засили съществуващите проблеми.
Екипите могат да автоматизират прекалено и да премахнат необходимата човешка преценка.
Качеството може да се промени, ако резултатите не се оценяват непрекъснато.
Пътна карта за изпълнение
Картирайте текущия работен процес и идентифицирайте стъпката с най-голямо триене.
Определете човешки контролни точки преди пълна автоматизация.
Обучете потребителите на подкани, пътища за ескалация и стандарти за качество.
Проследявайте резултатите на ниво задача, за да потвърдите устойчива стойност.
Продължете да изследвате
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Whale and Marine Mammal Acoustics quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Отмяна на акустично ехо
Frequently asked questions
What is AI in Whale and Marine Mammal Acoustics?
AI сканира огромни количества подводно аудио, за да открие, класифицира и проследи китове и други морски бозайници по техните сигнали. Има значение за предотвратяване на сблъсъци с кораби, намаляване на вредния шум и разбиране на видовете, които рядко можем да видим.
Защо звукът, а не зрението, е централен при изучаването на морските бозайници?
Светлината избледнява бързо под водата, докато звукът пътува на стотици мили, така че вокализацията е основният начин за откриване на далечни морски бозайници.
Кое приложение за безопасност в реалния свят използва откриване на китове в почти реално време?
Системите за откриване маркират застрашените гладки китове и предупреждават корабите да намалят скоростта, намалявайки риска от фатални сблъсъци.
Кои организации си сътрудничиха за изграждането на класификатори на песните на гърбатите китове от тихоокеански записи?
Google си партнира с NOAA, за да приложи AI към десетилетия подводни записи и да идентифицира песните на гърбат кит.
Кое е ключовото предизвикателство, уникално за подводното акустично откриване?
Нискочестотните повиквания се конкурират с шума от двигателя и проучването, а разпространението изкривява сигналите, усложнявайки откриването.
Каква е целта на използването на машинно обучение от Project CETI?
Проектът CETI прилага машинно обучение, за да декодира структурата на кодите на кашалота, за да разбере по-добре как те комуникират.