概述
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。
鲸鱼和海洋哺乳动物声学中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
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。
技术洞察
与鸟类一样，鲸鱼的叫声被转化为声谱图并通过深层网络进行分类，但水下环境增加了障碍：低频鲸鱼的叫声与发动机和地震勘测噪声重叠，声音传播扭曲信号，稀有物种的标记数据稀缺。检测器通常会调整为高召回率，这样就不会错过呼叫，然后人工分析人员会验证标记的片段。一些系统在浮标上运行，近乎实时地将检测结果传输到岸上。
掌握鲸鱼和海洋哺乳动物声学中的人工智能
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。鲸鱼和海洋哺乳动物声学中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将鲸鱼和海洋哺乳动物声学中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，在鲸鱼和海洋哺乳动物声学中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人类检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
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。
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。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
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。
实施模式
鲸鱼和海洋哺乳动物声学中的人工智能实践
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。
近乎实时的露脊鲸检测系统会提醒船只在美国东海岸附近减速并避免碰撞。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
鲸鱼和海洋哺乳动物声学中的人工智能实践
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。
Google 和 NOAA 构建了人工智能分类器，用于在数十年的太平洋水听器数据中查找座头鲸的歌曲。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
鲸鱼和海洋哺乳动物声学中的人工智能实践
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。
带有机载探测器的自主滑翔机在偏远海洋区域调查鲸鱼的存在。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
鲸鱼和海洋哺乳动物声学中的人工智能实践
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。
CETI 项目应用机器学习来分析抹香鲸的点击序列（尾声），以研究它们的沟通。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
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。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。