IA en acústica de ballenas y mamíferos marinos
La IA escanea grandes cantidades de audio submarino para detectar, clasificar y rastrear ballenas y otros mamíferos marinos según sus llamados.
Descripción general
It matters for preventing ship strikes, reducing harmful noise, and understanding species we can rarely see.
Buceo profundo
El océano es opaco a la luz pero transporta el sonido a cientos de kilómetros de distancia, por lo que los mamíferos marinos dependen de las vocalizaciones, al igual que los científicos. Los hidrófonos, ya sea amarrados, remolcados o en planeadores autónomos, graban continuamente y producen terabytes de audio. Los detectores de IA construidos sobre CNN y modelos recurrentes o transformadores escanean espectrogramas para encontrar llamadas de ballenas en medio del ruido de los barcos, identificar especies a partir de sonidos característicos como el canto de la jorobada o el llamado de la ballena franca, e incluso distinguir patrones de clics individuales de cachalotes y delfines. La colaboración de Google con la NOAA produjo clasificadores de ballenas jorobadas a partir de décadas de registros en el Pacífico. La detección casi en tiempo real alimenta los sistemas que alertan a los barcos para que reduzcan la velocidad, ayudando a proteger de colisiones fatales a las ballenas francas del Atlántico norte, en peligro crítico de extinción.
Información técnica
Al igual que con las aves, los cantos se convierten en espectrogramas y se clasifican mediante redes profundas, pero el entorno submarino añade obstáculos: los cantos de ballenas de baja frecuencia se superponen con el ruido de los motores y de los estudios sísmicos, la propagación del sonido distorsiona las señales y los datos etiquetados para especies raras son escasos. Los detectores a menudo están configurados para una alta recuperación para que no se pierdan llamadas, luego los analistas humanos verifican los segmentos marcados. Algunos sistemas funcionan con boyas y transmiten las detecciones a la costa casi en tiempo real.
Impacto Estratégico
Construir opciones
El diseño a nivel de aplicación determina si la IA mejora los resultados reales.
Equipo y flujo de trabajo
Una buena integración del flujo de trabajo genera ganancias de productividad en las que los usuarios pueden confiar.
Riesgo y seguridad
Los casos de uso bien definidos reducen la fatiga del cambio y el riesgo de implementación.
El futuro de la IA en la acústica de ballenas y mamíferos marinos
Espere redes de boyas y planeadores inteligentes que realicen detección a bordo y transmitan alertas a navegantes y gerentes en cuestión de minutos. Los modelos autosupervisados aprenderán del audio del océano sin etiquetar, mejorando la detección de especies poco estudiadas. Proyectos como el Proyecto CETI tienen como objetivo utilizar el aprendizaje automático para decodificar la estructura de comunicación del cachalote. Combinada con la estimación pasiva de la densidad acústica, la IA podría ofrecer un seguimiento continuo de la población a escala de la cuenca oceánica y una gestión del transporte marítimo dinámica y consciente del ruido.
Implementación en el mundo real
Los sistemas de detección de ballenas francas casi en tiempo real alertan a los barcos para que reduzcan la velocidad y eviten colisiones frente a la costa este de Estados Unidos.
Google y NOAA construyeron clasificadores de IA para encontrar cantos de ballenas jorobadas en décadas de datos de hidrófonos del Pacífico.
Planeadores autónomos con detectores a bordo monitorean la presencia de ballenas en regiones oceánicas remotas.
El proyecto CETI aplica el aprendizaje automático para analizar las secuencias de clics (codas) de los cachalotes para estudiar su comunicación.
Riesgos y barandillas
Automatizar un proceso roto puede amplificar los problemas existentes.
Los equipos pueden automatizar demasiado y eliminar el juicio humano necesario.
La calidad puede variar si los resultados no se evalúan continuamente.
Hoja de ruta de implementación
Mapee el flujo de trabajo actual e identifique el paso de mayor fricción.
Defina puntos de control humanos antes de la automatización total.
Capacite a los usuarios sobre indicaciones, rutas de escalada y estándares de calidad.
Realice un seguimiento de los resultados a nivel de tarea para confirmar el valor sostenido.
Sigue explorando
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
Siguiente guía
Cancelación de eco acústico
Preguntas frecuentes
What is AI in Whale and Marine Mammal Acoustics?
La IA escanea grandes cantidades de audio submarino para detectar, clasificar y rastrear ballenas y otros mamíferos marinos según sus llamados. Es importante para prevenir colisiones con barcos, reducir el ruido nocivo y comprender las especies que rara vez podemos ver.
¿Por qué el sonido, más que la visión, es fundamental para estudiar los mamíferos marinos?
La luz se desvanece rápidamente bajo el agua mientras el sonido viaja cientos de millas, por lo que las vocalizaciones son la principal forma de detectar mamíferos marinos distantes.
¿Qué aplicación de seguridad del mundo real utiliza la detección de ballenas casi en tiempo real?
Los sistemas de detección señalan a las ballenas francas en peligro de extinción y advierten a los barcos que reduzcan la velocidad, reduciendo el riesgo de colisiones fatales.
¿Qué organizaciones colaboraron para crear clasificadores de cantos de ballenas jorobadas a partir de grabaciones del Pacífico?
Google se asoció con NOAA para aplicar IA a décadas de grabaciones submarinas e identificar cantos de ballenas jorobadas.
¿Cuál es un desafío clave exclusivo de la detección acústica submarina?
Las llamadas de baja frecuencia compiten con el ruido del motor y del estudio, y la propagación distorsiona las señales, lo que complica la detección.
¿Cuál es el objetivo del uso del aprendizaje automático en el Proyecto CETI?
El proyecto CETI aplica el aprendizaje automático para decodificar la estructura de las codas de los cachalotes y comprender mejor cómo se comunican.