Una ballena franca del Atlántico Norte rompiendo en la superficie del océano. Crédito: Moira Brown y el Acuario de Nueva Inglaterra
Inteligencia Artificial mejora la detección de llamadas raras de ballenas
16 de septiembre de 2021 | Historia original de Florida Atlantic University
La ballena franca del Atlántico Norte es una de las especies de ballenas más amenazadas del mundo, con solo unos 368 ejemplares remanentes frente a la costa este de América del Norte. Una tendencia decreciente y bajas tasas de reproducción, combinadas con altos niveles de actividades humanas, como el transporte marítimo y la pesca, subrayan su precaria situación. El seguimiento eficiente de su número, rutas de migración y uso del hábitat es vital para reducir el número de lesiones y muertes prevenibles y promover su recuperación.
Uno de los métodos más utilizados para monitorear ballenas se llama tecnología de acústica pasiva. Las ballenas francas vocalizan una variedad de sonidos de baja frecuencia como gemidos, gemidos, pulsos e incluso eructos. Una vocalización típica que usan para comunicarse entre sí se conoce como “llamada al cliente”, que es un chirrido corto o "silbido" que dura aproximadamente dos segundos. Las llamadas hacia arriba son vocalizaciones de banda estrecha con oscilaciones de frecuencia en el rango de 50 a 440 Hertz y parecen funcionar como señales que unen a las ballenas.
Aunque la tecnología actual de acústica pasiva es una forma confiable, segura y efectiva de monitorear a estos leviatanes en peligro de extinción, no siempre ha funcionado bien. En un océano cada vez más ruidoso, los métodos actuales pueden confundir otros sonidos con llamadas de ballenas. Esta alta tasa de "falsos positivos" obstaculiza la investigación científica y obstaculiza los esfuerzos de conservación.
Investigadores del Instituto Oceanográfico Harbor Branch de la Universidad Atlánticade Florida y la Facultad de Ingeniería y Ciencias de laComputación utilizaron métodos de inteligencia artificial (IA) y aprendizaje automático para desarrollar un nuevo método, mucho más preciso para detectar las llamadas de la ballena franca. La tecnología utiliza algoritmos de aprendizaje profundo multimodal (MMDL) para evaluar las grabaciones acústicas y tomar decisiones sobre la presencia de llamadas de actualización.
Los hallazgos del estudio, publicados en el Journal of the Acoustical Society of America,mostraron que el detector MMDL superó los métodos convencionales de aprendizaje automático y demostró la superioridad del algoritmo MMDL en términos de la tasa de detección de llamadas de subida, la tasa de detección de no llamadas y la tasa de falsas alarmas. La autonomía del detector MMDL tiene una aplicación inmediata para monitorear y proteger eficazmente a las ballenas francas donde la detección precisa de una especie de baja densidad es crítica.
“Nuestro algoritmo de aprendizaje profundo es un avance significativo en los métodos convencionales de aprendizaje automático. Las tasas de falsos positivos, falsos negativos y falsas alarmas cercanas a cero indican que este nuevo detector MMDL podría ser una herramienta poderosa en la detección y monitoreo de la ballena franca del Atlántico Norte de baja densidad y en peligro de extinción, especialmente en entornos con alto enmascaramiento acústico”, dijo Laurent M. Chérubin, autor principal y profesor de investigación en FAU Harbor Branch que trabajó con Ali K. Ibrahim, primer autor y asociado de investigación postdoctoral en FAU Harbor Branch. “Dado que los atributos del sistema MMDL no son específicos de la señal, creemos que se puede utilizar como clasificador para todas las aplicaciones en las que están involucradas múltiples clases”.
Los investigadores verificaron la efectividad del modelo MMDL para la detección de llamadas de la ballena franca con el conjunto de datos de la Universidad de Cornell. Estas señales grabadas fueron convertidas en imágenes y clasificadas por el detector MMDL. El algoritmo, compuesto por dos tipos de redes neuronales, selecciona aleatoriamente sus parámetros de diseño, requiere poco preprocesamiento y automatiza la construcción de su arquitectura. Los resultados de los modelos individuales son evaluados por un clasificador de fusión, que selecciona el resultado más probable.
Para resaltar la urgencia de tecnologías efectivas de detección y monitoreo en especies en peligro de extinción, una nueva investigación indica que las ballenas y otras especies marinas se están viendo afectadas por el cambio climático, incluidos los cambios en los patrones de migración y el uso del hábitat. Recientemente, las ballenas francas del Atlántico Norte se han observado en lugares que antes no se conocían como hábitats importantes de ballenas francas. El nuevo sistema MMDL ofrece una nueva herramienta para monitorear y evaluar de manera efectiva la importancia de estos nuevos comportamientos en un océano cambiante.
Referencia
Ibrahim AK, Zhuang H, Chérubin LM, Erdol N, O’Corry-Crowe G, Ali AM. Amultimodel deep learning algorithm to detect North Atlantic right whale up-calls. The Journal of the Acoustical Society of America. 2021;150(2):1264-1272. doi:10.1121/10.0005898
Este artículo ha sido republicado a partir de los siguientes materiales. Nota: el material puede haber sido editado por su longitud y contenido. Para obtener más información, ver la fuente citada.
