ИИ распознает голос китов среди сейсмического шума Земли: новое открытие

Модель Segment Anything, разработанная для анализа изображений и вдохновлённая задачами уровня SETI, смогла распознать сигналы китов в данных сейсмостанции

Учёные продемонстрировали, что известная ИИ-модель Segment Anything Model (SAM), первоначально созданная для идентификации и выделения объектов на изображениях, может эффективно обнаруживать сигналы китов в сейсмических данных без предварительного обучения на записях китового пения. В ходе испытаний система определяла сигналы китов Брайда с точностью более 96%.

Работа была выполнена командой под руководством Чжо Сяо (Zhuo Xiao) из Университета Гуанси Миньцзу (Guangxi Minzu University). Результаты были опубликованы в журнале Seismological Research Letters.

Голоса китов можно представить в виде спектрограмм — графиков, отражающих изменения частот звука во времени. Для человека это похоже на своеобразный «снимок звука». Именно такие изображения исследователи подавали на вход модели SAM, которая специализируется на поиске и выделении объектов на изображениях.

Для проверки метода использовались данные сейсмической станции на острове Сеян в заливе Бэйбу Южно-Китайского моря. Учёные проанализировали записи за январь и июль 2021 года, чтобы охватить различные сезонные типы вокализации китов Брайда. Эта область считается важной кормовой зоной для этих животных.

Перед обработкой данные прошли многоэтапную очистку от шумов. Для повышения соотношения полезного сигнала к шуму применялись спектральное вычитание, гауссово сглаживание и адаптивная фильтрация. После этого SAM не только классифицировала наличие или отсутствие сигнала, но и выделяла на спектрограмме границы каждого отдельного крика кита.

По данным авторов, система правильно обнаруживала сигналы более чем в 96% случаев по всем сезонным наборам данных. При этом удалось выявить некоторые эпизоды, которые ранее были упущены во время ручного анализа записей. Авторы отмечают, что модель также избегала некоторых ложных срабатываний и пропусков слабых сигналов, что часто бывает характерно для традиционных методов обработки.

Дополнительная проверка продемонстрировала, что подход работает не только для китов Брайда. Исследователи протестировали систему на записях финвалов из Ирландии и синих китов из Канады. После настройки параметров метод сохранил высокую эффективность, что свидетельствует о его применимости для разных видов китообразных и в различных морских регионах.

Анализ собранных данных позволил выявить и особенности поведения китов Брайда. Учёные заметили выраженные сезонные различия во временном интервале между двумя акустическими импульсами в их сигналах. Зимой средний интервал составлял 6,93 секунды, а летом увеличивался до 11,70 секунды. По мнению авторов, это может свидетельствовать о более активной координации между животными зимой и более одиночном характере коммуникации летом.

Исследователи подчеркивают, что технология всё ещё может допускать ложные срабатывания и пропуски. В дальнейшем они планируют объединить акустические и сейсмические наблюдения с другими океанографическими данными, а также разработать специализированную версию основной модели, адаптированную именно для распознавания сигналов китов.

Работа демонстрирует, что современные универсальные ИИ-модели могут находить применение далеко за пределами задач, для которых они были первоначально разработаны. В данном случае инструмент для анализа изображений оказался способен помочь в мониторинге популяций китов — одной из ключевых задач современной морской экологии и охраны морских млекопитающих.