概述
这对于防止船只撞击、降低有害噪音以及了解我们很少能看到的物种都很重要。
深入探讨
海洋对光不透明，但声音可以传播数百英里，因此海洋哺乳动物依赖发声，科学家也是如此。水听器，无论是停泊的、拖曳的还是自动滑翔机上的，都会连续记录，产生数 TB 的音频。基于 CNN 和循环模型或变压器模型的人工智能探测器扫描频谱图，在船舶噪音中寻找鲸鱼的叫声，从座头鲸的歌声或露脊鲸的叫声等标志性声音中识别物种，甚至区分抹香鲸和海豚的个体点击模式。 Google 与 NOAA 合作，根据数十年的太平洋记录制作了座头鲸分类器。近乎实时的检测反馈给系统，提醒船舶减速，帮助保护极度濒危的北大西洋露脊鲸免遭致命碰撞。
现实世界的实施
近乎实时的露脊鲸检测系统会提醒船只在美国东海岸减速并避免碰撞。
Google 和 NOAA 构建了人工智能分类器，可以在数十年的太平洋水听器数据中查找座头鲸的歌曲。
带有机载探测器的自主滑翔机可以调查偏远海洋地区鲸鱼的存在情况。
CETI 项目应用机器学习来分析抹香鲸的点击序列（尾声），以研究它们的交流。
鲸鱼和海洋哺乳动物声学中人工智能的未来
预计智能浮标和滑翔机网络将在几分钟内执行船上检测并向海员和管理人员发出警报。自监督模型将从未标记的海洋音频中学习，从而改善对未充分研究物种的检测。 CETI 项目等项目旨在利用机器学习来解码抹香鲸的交流结构。与被动声密度估计相结合，人工智能可以提供连续的、海盆规模的人口监测和动态、噪声感知的运输管理。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
鲸鱼和海洋哺乳动物声学中的人工智能是什么？
人工智能扫描大量水下音频，通过鲸鱼和其他海洋哺乳动物的叫声来检测、分类和跟踪它们。这对于防止船只撞击、减少有害噪音以及了解我们很少看到的物种都很重要。
为什么声音而不是视觉是研究海洋哺乳动物的核心？
光线在水下很快消失，而声音则传播数百英里，因此发声是探测远处海洋哺乳动物的主要方式。
哪些现实世界的安全应用程序使用近实时鲸鱼检测？
检测系统会标记濒临灭绝的露脊鲸，并警告船只减速，降低致命碰撞的风险。
哪些组织合作根据太平洋录音构建座头鲸歌曲分类器？
Google 与 NOAA 合作，将人工智能应用于数十年的水下录音并识别座头鲸的歌曲。
水声探测独特的关键挑战是什么？
低频呼叫会与引擎和测量噪声竞争，并且传播会扭曲信号，使检测变得复杂。
CETI 项目使用机器学习的目标是什么？
CETI 项目应用机器学习来解码抹香鲸尾声的结构，以更好地了解它们的交流方式。