Искусственный интеллект обучили отслеживать состояние коралловых рифов
Алгоритм искусственного интеллекта обучили распознавать различия сложного звукового ландшафта коралловых рифов у здоровых и деградировавших рифов для определения состояния кораллов. Работу выполнила команда исследователей Эксетерского университета, Великобритания, 27 мая сообщает сайт новостей науки EurekAlert.
Результаты проведенного исследования алгоритма ученые представили в статье «Улучшение автоматизированного анализа морских звуковых ландшафтов с использованием машинного обучения для объединения экоакустических показателей», опубликованной в журнале Ecological Indicators.
Ведущий автор статьи Бен Уильямс пояснил: «Коралловые рифы сталкиваются с многочисленными угрозами, включая изменение климата, поэтому жизненно важно следить за их здоровьем и успехом проектов по их сохранению».
В статье авторы отмечают, что ранее экологический мониторинг морских местообитаний в основном основывался на трудоемких неавтоматизированных методах обследования. Однако такие методы требуют опытных сборщиков данных. Кроме того, в случае необходимости обследовать удаленные и труднодоступные места возникают логистические сложности, часто являющихся дорогостоящими.
Автоматический пассивный акустический мониторинг (PAM) целых звуковых ландшафтов, который начали применять в последнее время, устраняет многие из этих недостатков, однако анализ «песен рифа» весьма сложен, отмечают авторы.
Для решения этой проблемы ученые применили компьютерный алгоритм, который, используя несколько записей PAM здоровых и деградировавших рифов и применяя оптимизированную комбинацию экоакустических индексов, обучили понимать разницу между ними. Проверка алгоритма на множестве новых записей показала, что он успешно определил состояние рифа в 92% случаев.
«Наши результаты показывают, — отметил Бен Уильямс, — что компьютер может уловить закономерности, которые невозможно обнаружить человеческому уху. Он может быстрее и точнее сказать нам, как поживает риф».
Ученые считают, что их исследование подчеркивает ценность объединения записей PAM с анализом машинного обучения для экологического мониторинга и демонстрирует потенциал PAM для мониторинга восстановления рифов с течением времени и снижения зависимости от трудоемких исследований в воде, проводимых экспертами.
Как прокомментировал соавтор статьи Тим Ламонт из Ланкастерского университета, «во многих случаях проще и дешевле установить подводный гидрофон на рифе и оставить его там, чем приглашать опытных дайверов, неоднократно посещающих риф для его обследования, особенно в отдаленных местах».
