AI στην ακουστική φαλαινών και θαλάσσιων θηλαστικών
Η τεχνητή νοημοσύνη σαρώνει τεράστιες ποσότητες υποβρύχιου ήχου για να ανιχνεύσει, να ταξινομήσει και να παρακολουθήσει φάλαινες και άλλα θαλάσσια θηλαστικά με τις κλήσεις τους.
Επισκόπηση
It matters for preventing ship strikes, reducing harmful noise, and understanding species we can rarely see.
Βαθιά κατάδυση
Ο ωκεανός είναι αδιαφανής στο φως, αλλά μεταφέρει ήχο για εκατοντάδες μίλια, έτσι τα θαλάσσια θηλαστικά βασίζονται στις φωνές, όπως και οι επιστήμονες. Τα υδρόφωνα, είτε είναι αγκυροβολημένα, είτε ρυμουλκούμενα, είτε σε αυτόνομα ανεμόπτερα, ηχογραφούν συνεχώς, παράγοντας terabyte ήχου. Οι ανιχνευτές τεχνητής νοημοσύνης που είναι κατασκευασμένοι σε CNN και επαναλαμβανόμενα μοντέλα ή μοντέλα μετασχηματιστών σαρώνουν φασματογράμματα για να βρουν κλήσεις φαλαινών εν μέσω θορύβου πλοίων, να αναγνωρίσουν είδη από ήχους υπογραφής, όπως το τραγούδι του καμπούρα ή την κλήση της δεξιάς φάλαινας, και ακόμη και να διακρίνουν μεμονωμένα μοτίβα κλικ φαλαινών και δελφινιών. Η συνεργασία του Google με την NOAA παρήγαγε ταξινομητές καμπουροφάλαινας από ηχογραφήσεις δεκαετιών στον Ειρηνικό. Η ανίχνευση σχεδόν σε πραγματικό χρόνο τροφοδοτεί συστήματα που ειδοποιούν τα πλοία να επιβραδύνουν, συμβάλλοντας στην προστασία των κρίσιμα απειλούμενων δεξιών φαλαινών του Βόρειου Ατλαντικού από θανατηφόρες συγκρούσεις.
Τεχνική διορατικότητα
Όπως και με τα πουλιά, οι κλήσεις μετατρέπονται σε φασματογράμματα και ταξινομούνται από βαθιά δίκτυα, αλλά η υποβρύχια ρύθμιση προσθέτει εμπόδια: οι κλήσεις φαλαινών χαμηλής συχνότητας επικαλύπτονται με τον θόρυβο του κινητήρα και της σεισμικής έρευνας, η διάδοση του ήχου παραμορφώνει τα σήματα και τα δεδομένα με ετικέτα για σπάνια είδη είναι σπάνια. Οι ανιχνευτές είναι συχνά συντονισμένοι για υψηλή ανάκληση, ώστε οι κλήσεις να μην χάνονται και, στη συνέχεια, οι ανθρώπινοι αναλυτές επαληθεύουν τα επισημασμένα τμήματα. Ορισμένα συστήματα λειτουργούν με σημαδούρες, μεταδίδοντας ανιχνεύσεις στην ακτή σε σχεδόν πραγματικό χρόνο.
Στρατηγικός αντίκτυπος
Δημιουργήστε επιλογές
Ο σχεδιασμός σε επίπεδο εφαρμογής καθορίζει εάν η τεχνητή νοημοσύνη βελτιώνει τα πραγματικά αποτελέσματα.
Ομάδα και ροή εργασίας
Η καλή ενσωμάτωση ροής εργασιών δημιουργεί κέρδη παραγωγικότητας που μπορούν να εμπιστευτούν οι χρήστες.
Κίνδυνος και ασφάλεια
Οι καλές περιπτώσεις χρήσης μειώνουν την κόπωση λόγω αλλαγής και τον κίνδυνο εφαρμογής.
Το μέλλον της τεχνητής νοημοσύνης στην ακουστική φαλαινών και θαλάσσιων θηλαστικών
Αναμένετε δίκτυα έξυπνων σημαδούρων και ανεμοπτέρων που πραγματοποιούν ανίχνευση επί του σκάφους και ειδοποιήσεις ακτινοβολίας σε ναυτικούς και διαχειριστές μέσα σε λίγα λεπτά. Τα αυτοεπιβλεπόμενα μοντέλα θα μάθουν από τον ήχο χωρίς ετικέτα, βελτιώνοντας την ανίχνευση ειδών που δεν έχουν μελετηθεί. Έργα όπως το Project CETI στοχεύουν στη χρήση μηχανικής μάθησης για την αποκωδικοποίηση της δομής της επικοινωνίας των σπερματοφάλαινας. Σε συνδυασμό με την παθητική εκτίμηση της ακουστικής πυκνότητας, η τεχνητή νοημοσύνη θα μπορούσε να προσφέρει συνεχή παρακολούθηση πληθυσμού σε κλίμακα ωκεανού και δυναμική διαχείριση ναυτιλίας με επίγνωση του θορύβου.
Υλοποίηση σε πραγματικό κόσμο
Τα συστήματα ανίχνευσης φαλαινών σε σχεδόν πραγματικό χρόνο προειδοποιούν τα πλοία να επιβραδύνουν και να αποφύγουν συγκρούσεις στα ανοιχτά της ανατολικής ακτής των ΗΠΑ.
Η Google και η NOAA κατασκεύασαν ταξινομητές τεχνητής νοημοσύνης για να βρουν τραγούδια φυσητήρων σε δεκαετίες δεδομένων υδροφώνου στον Ειρηνικό.
Αυτόνομα ανεμόπτερα με ανιχνευτές επί του σκάφους ερευνούν την παρουσία φαλαινών σε απομακρυσμένες περιοχές του ωκεανού.
Το Project CETI εφαρμόζει μηχανική εκμάθηση για να αναλύσει τις ακολουθίες κλικ (codas) των σπερματοφαλαινών για να μελετήσει την επικοινωνία τους.
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Η αυτοματοποίηση μιας διαλυμένης διαδικασίας μπορεί να ενισχύσει τα υπάρχοντα προβλήματα.
Οι ομάδες μπορεί να αυτοματοποιήσουν υπερβολικά και να αφαιρέσουν την απαραίτητη ανθρώπινη κρίση.
Η ποιότητα μπορεί να αλλάξει αν τα αποτελέσματα δεν αξιολογούνται συνεχώς.
Οδικός Χάρτης Εφαρμογής
Χαρτογραφήστε την τρέχουσα ροή εργασίας και εντοπίστε το βήμα της υψηλότερης τριβής.
Καθορίστε ανθρώπινα σημεία ελέγχου πριν από την πλήρη αυτοματοποίηση.
Εκπαιδεύστε τους χρήστες σε προτροπές, διαδρομές κλιμάκωσης και πρότυπα ποιότητας.
Παρακολουθήστε τα αποτελέσματα σε επίπεδο εργασίας για να επιβεβαιώσετε τη σταθερή αξία.
Συνεχίστε την εξερεύνηση
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
Επόμενος οδηγός
Ακύρωση ακουστικής ηχούς
Συχνές ερωτήσεις
What is AI in Whale and Marine Mammal Acoustics?
Η τεχνητή νοημοσύνη σαρώνει τεράστιες ποσότητες υποβρύχιου ήχου για να ανιχνεύσει, να ταξινομήσει και να παρακολουθήσει φάλαινες και άλλα θαλάσσια θηλαστικά με τις κλήσεις τους. Σημασία έχει για την αποτροπή χτυπημάτων πλοίων, τη μείωση του επιβλαβούς θορύβου και την κατανόηση ειδών που σπάνια μπορούμε να δούμε.
Γιατί ο ήχος και όχι η όραση είναι κεντρικός στη μελέτη των θαλάσσιων θηλαστικών;
Το φως εξασθενεί γρήγορα κάτω από το νερό ενώ ο ήχος ταξιδεύει για εκατοντάδες μίλια, επομένως οι φωνές είναι ο κύριος τρόπος για να ανιχνεύσετε μακρινά θαλάσσια θηλαστικά.
Ποια εφαρμογή ασφάλειας σε πραγματικό κόσμο χρησιμοποιεί ανίχνευση φαλαινών σε σχεδόν πραγματικό χρόνο;
Τα συστήματα ανίχνευσης επισημαίνουν τις δεξιές φάλαινες που κινδυνεύουν με εξαφάνιση και προειδοποιούν τα σκάφη να μειώσουν την ταχύτητα, μειώνοντας τον κίνδυνο θανατηφόρων συγκρούσεων.
Ποιοι οργανισμοί συνεργάστηκαν για την κατασκευή ταξινομητών τραγουδιών καμπουροφάλαινας από ηχογραφήσεις του Ειρηνικού;
Η Google συνεργάστηκε με την NOAA για να εφαρμόσει την τεχνητή νοημοσύνη σε δεκαετίες υποβρύχιων ηχογραφήσεων και να αναγνωρίσει τραγούδια από φάλαινες.
Ποια είναι μια βασική πρόκληση μοναδική για την υποβρύχια ακουστική ανίχνευση;
Οι κλήσεις χαμηλής συχνότητας ανταγωνίζονται τον θόρυβο κινητήρα και έρευνας και η διάδοση παραμορφώνει τα σήματα, περιπλέκοντας την ανίχνευση.
Ποιος είναι ο στόχος της χρήσης μηχανικής μάθησης από το Project CETI;
Το Project CETI εφαρμόζει μηχανική εκμάθηση για την αποκωδικοποίηση της δομής των κωδικών σπερματοφάλαινας για να κατανοήσει καλύτερα τον τρόπο επικοινωνίας τους.