A Google Perch 2.0 modellje madárdalokról tanulva felismeri a bálnahangokat
A kutatók 17 millió madárdalt használtak fel a modell betanításához — írja a IEEE Spectrum.
Transzfer tanulással ért el váratlan eredményt a Perch 2.0: madárdalokra betanítva a modell kiemelkedő pontossággal azonosít bálnahangokat is — közölte az IEEE Spectrum.
A Google DeepMind és a Google Research csapata már közel egy évtizede tanulmányozza a bálna bioakusztikáját, és olyan algoritmusokat fejlesztett ki, amelyek képesek felismerni a humpback bálna hangjait. A Perch 2.0 modell azonban lehetővé teszi, hogy a korábbi eredményekre építve továbbfejlesszék a bálnahang-felismerést.
A tanulás művészete
Az úgynevezett transzfer tanulás (transfer learning) technikájának köszönhetően a Perch 2.0 modell madárdalokra való tanítása lehetővé teszi, hogy a modell bálnahangokat is képes legyen felismerni. A transzfer tanulás során a modell a korábbi tanulás során szerzett tudást felhasználja egy új, de kapcsolódó feladat megoldására.
A kutatók a Perch 2.0 modellt három tengeri hangadatbázison tesztelték, amelyek bálnahangokat és egyéb vízi hangokat tartalmaznak. A modell jó teljesítményt nyújtott, még akkor is, ha csak kevés adatot használtak fel a tanításához. A kutatók szerint ennek az az oka, hogy a madárdalok és a bálnahangok között vannak hasonlóságok, amelyeknek a modell képes megfelelni.
A hangok birodalma
A Perch 2.0 modell sikerének kulcsa, hogy képes felismerni a finom akusztikai jellemzőket, amelyek a madárdalokban és a bálnahangokban egyaránt megtalálhatóak. A kutatók remélik, hogy a modell segítségével jobban megérthetik a bálnák viselkedését és segíthetik a bálnapopulációk védelmét.
A Google csapata a Perch 2.0 modellt a bálnapopulációk passzív akusztikai monitorozására és a bálnák viselkedésének jobb megértésére kívánja használni. A modell segítségével a kutatók remélik, hogy jobban megérthetik a bálnák szocializációját, a táplálkozásukat és a kommunikációjukat, és ezzel hozzájárulhatnak a bálnapopulációk védelméhez — közölte a Google.