AI maakt de zoektocht naar walvisgezang plots een stuk makkelijker

Een nieuw AI-model kan het gezang van blauwe vinvissen moeiteloos opsporen in oceaanopnames.

Schrijf je in voor de nieuwsbrief! Ook elke dag vers het laatste wetenschapsnieuws in je inbox? Of elke week? Schrijf je hier in voor de nieuwsbrief!

Het gezang van een blauwe vinvis vinden in duizenden uren aan opnames lijkt een beetje op het zoeken naar een naald in een hooiberg. Onderwater klinkt namelijk van alles: schepen, golven, ijs, aardbevingen en andere dieren. Toch hebben onderzoekers van UNSW Sydney nu laten zien dat een AI-model dat heel snel kan doen.

In een nieuwe studie beschrijven zij een AI-model dat het gezang van blauwe vinvissen moeiteloos kan herkennen. Het opvallende is dat het model werd getraind met slechts een enkele duidelijke opname van een walvisroep. Daarna kon het systeem duizenden vergelijkbare roepen terugvinden in echte opnames uit de oceaan. Het onderzoek is te vinden in Scientific Reports.

Extra oefenmateriaal

Normaal werkt dat trainingsproces heel anders. “AI-modellen moeten meestal getraind worden met duizenden opnames van het precieze geluid dat ze moeten vinden”, zegt promovendus Ben Jancovich. “Maar dit nieuwe model werd getraind met slechts een opname van een blauwe vinvis.”

De truc zat in het maken van extra oefenmateriaal. De onderzoekers namen die ene roep en maakten daar duizenden aangepaste versies van. Ze veranderden bijvoorbeeld de toonhoogte en de snelheid. Ook voegden ze verschillende soorten achtergrondruis toe. Zo bootsten ze na wat er in de echte oceaan gebeurt, waar geluid vervormt, verzwakt of deels wordt overstemd.

Daarna werd een bestaand neuraal netwerk opnieuw getraind. Zo’n netwerk is een vorm van kunstmatige intelligentie die patronen kan leren herkennen. Het oorspronkelijke model was gemaakt om menselijke spraak te herkennen. De onderzoekers leerden het echter om walvisgeluiden te herkennen in opnames afkomstig van hydrofoons: onderwatermicrofoons die jarenlang continu blijven opnemen.

Leestip: De Baai van San Francisco blijkt extreem gevaarlijk te zijn voor grijze walvissen

Bij de zang van een dwerg blauwe vinvis werkte de methode zeer goed: het model herkende 99,4 procent van de roepen succesvol. Daarmee deed het systeem het ongeveer net zo goed als, of in sommige gevallen zelfs beter dan, modellen die met veel meer data waren getraind.

Dat is belangrijk, omdat het registreren van dierengeluiden vaak veel tijd kost. Wetenschappers moeten voor hun onderzoek vaak lange opnames beluisteren en daarbij elke roep apart markeren. “Als je hele lange opnames hebt is het vinden van alle losse dierengeluiden in zo’n opname ongelooflijk arbeidsintensief, traag en duur”, zegt Jancovich. Volgens hem is het handmatig doorzoeken van enorme datasets die soms wel tientallen jaren beslaan “gewoon niet mogelijk voor mensen”.

Hetzelfde lied

Het onderzoek kan voor onderzoeken naar blauwe vinvissen extreem waardevol blijken. De dieren leven verspreid over grote zeegebieden en brengen bijna hun hele leven onderwater door. Daardoor zijn ze lastig te volgen. Echter verraadt hun gezang vaak waar ze zijn. Jancovich legt uit dat blauwe vinvissen binnen een populatie vaak bijna hetzelfde lied zingen. Die herhaling maakt de nieuwe methode bruikbaar.

Dat is ook meteen het nadeel van het AI-model: de aanpak werkt eigenlijk alleen maar bij dieren die ongeveer dezelfde geluiden maken. Voor dolfijnen, waarbij individuen vaak een eigen ‘set’ aan geluiden hebben, is de methode volgens Jancovich dan ook minder geschikt. Voor sommige andere diersoorten, waaronder vogels of insecten, kan het model wel interessant zijn.

Relatief licht

De onderzoekers benadrukken ook dat hun systeem relatief licht is. Grote AI-modellen vragen vaak veel stroom en rekenkracht. Dit model kan volgens de onderzoekers op een gewone laptop worden getraind in een paar uur. Daardoor kan de techniek ook nuttig zijn voor onderzoeksgroepen met minder geld of minder toegang tot snelle computers.

De volgende stap is het toepassen van het model op een enorme dataset die 25 jaar aan geluidsopnames bevat uit het centrale deel van de Indische Oceaan. Daarmee willen de onderzoekers volgen hoe de zang van blauwe vinvissen door de tijd heen verandert.

Als dat onderzoek een succes wordt zou dat wel eens grote gevolgen kunnen hebben. Er liggen namelijk overal ter wereld opnames opgeslagen die nog nauwelijks zijn doorzocht. Het vervolgonderzoek zou daarmee mogelijk aan kunnen tonen dat het model ook echt geschikt is om gebruikt te worden tijdens een echt onderzoek. Daarmee zou de opgeslagen informatie in de databases ineens binnen handbereik komen te liggen. Jancovich: “Als goede AI-modellen getraind kunnen worden met een enkele duidelijke opname zou dat ons helpen om zeldzame en schuwe soorten te bestuderen die mensen bijna nooit eerder hebben gehoord.”

We schreven vaker over dit onderwerp, lees bijvoorbeeld ook PFAS-beleid lijkt te werken: walvissen hebben er veel minder van in hun lichaam (maar er is een kanttekening) en Opwarming dwingt Noord-Atlantische walvissen tot een nieuw menu . Of lees dit artikel: We besteden massaal denkwerk uit aan AI. Dit is wat dat doet met ons zelfvertrouwen .

Uitgelezen? Luister ook eens naar de Scientias Podcast: