概述
它對防止船隻撞擊、減少有害噪音,以及理解我們很少見到的物種至關重要。
深入探討
海洋對光不透明,但聲音可以傳播數百英里,因此海洋哺乳動物依賴發聲,科學家也是如此。水聽器,無論是停泊的、拖曳的還是自動滑翔機上的,都會連續記錄,產生數 TB 的音訊。基於 CNN 和循環模型或變壓器模型的人工智慧探測器掃描頻譜圖,在船舶噪音中尋找鯨魚的叫聲,從座頭鯨的歌聲或露脊鯨的叫聲等標誌性聲音中識別物種,甚至區分抹香鯨和海豚的個體點擊模式。 Google 與 NOAA 合作,根據數十年的太平洋記錄製作了座頭鯨分類器。近乎即時的偵測回饋給系統,提醒船舶減速,幫助保護極度瀕危的北大西洋露脊鯨免於致命碰撞。
現實世界的實施
近乎即時的露脊鯨偵測系統會提醒船隻在美國東海岸減速並避免碰撞。
Google 和 NOAA 建構了人工智慧分類器,可以在數十年的太平洋水聽器資料中找到座頭鯨的歌曲。
帶有機載探測器的自主滑翔機可以調查偏遠海洋地區鯨魚的存在。
CETI 計畫應用機器學習來分析抹香鯨的點擊序列(尾聲),以研究它們的交流。
鯨魚和海洋哺乳動物聲學中人工智慧的未來
預計智慧浮標和滑翔機網路將在幾分鐘內執行船上檢測並向海員和管理人員發出警報。自監督模型將從未標記的海洋音訊中學習,從而改善對未充分研究物種的檢測。 CETI 計畫等計畫旨在利用機器學習來解碼抹香鯨的溝通結構。與被動聲密度估計相結合,人工智慧可以提供連續的、海盆規模的人口監測和動態、噪音感知的運輸管理。
付諸實踐
為什麼這很重要
- 配裝選擇. 應用級設計決定了人工智慧是否能改善實際結果。
- 團隊與工作流程. 良好的工作流程整合可以創造使用者值得信賴的生產力效益。
- 風險與安全. 範圍明確的用例可以減少變更疲勞和實施風險。
留意
- 將損壞的流程自動化可能會加劇現有問題。
- 團隊可能會過度自動化並消除所需的人工判斷。
- 如果不持續評估輸出,品質可能會出現偏差。
後續步驟
- 繪製目前工作流程並確定摩擦最大的步驟。
- 在完全自動化之前定義人工檢查點。
- 對使用者進行提示、升級路徑和品質標準的訓練。
- 追蹤任務級結果以確認持續價值。
不斷探索
常見問題
什麼是鯨魚與海洋哺乳動物聲學中的人工智慧?
人工智慧掃描大量水下音頻,透過鯨魚和其他海洋哺乳動物的叫聲來檢測、分類和追蹤它們。這對於防止船隻撞擊、減少有害噪音以及了解我們很少看到的物種都很重要。
為什麼聲音而不是視覺是研究海洋哺乳動物的核心?
光線在水下很快消失,而聲音則傳播數百英里,因此發聲是探測遠處海洋哺乳動物的主要方式。
哪些現實世界的安全應用程式使用近實時鯨魚檢測?
偵測系統會標記瀕臨滅絕的露脊鯨,並警告船隻減速,降低致命碰撞的風險。
哪些組織合作根據太平洋錄音建立座頭鯨歌曲分類器?
Google 與 NOAA 合作,將人工智慧應用於數十年的水下錄音並識別座頭鯨的歌曲。
水聲探測獨特的關鍵挑戰是什麼?
低頻呼叫會與引擎和測量雜訊競爭,傳播會扭曲訊號,使偵測變得複雜。
CETI 計畫使用機器學習的目標是什麼?
CETI 計畫應用機器學習來解碼抹香鯨尾聲的結構,以便更好地了解它們的溝通方式。