Google AI 听取了15年的鲸鱼海底录音

点击打开微信,马上办理ETC

多年来,谷歌(Google)和一群游戏科学家一直在对水下录音进行人工智能调查,希望能建立一种机器学习模型,来检测座头鲸的对话。这是该公司新人工智能项目的一部分,该项目显然是为了专注于面部识别和广告。

鲸鱼花大量的时间在社交聚会上寻找更好的觅食地,温暖的水域。但这些运动很难追踪。幸运的是,鲸鱼互相呼喊,以独特的方式演唱,这些歌曲可以在水下长距离旅行。

因此,通过在海底部署一个全球听觉设备网络,你可以跟踪鲸鱼的活动-如果你想听多年的背景噪音的话。这是我们工作很长时间的方式,计算机有助于减轻负担。谷歌的团队与NOAA合作,将其视为机器学习系统和人才的良好匹配。

这些人工智能模型非常适合在特定模式下查看大量的噪声数据,这就是为什么它们被应用于大量数据,如射电望远镜和闭路电视摄像机。

在 这种情况下,这些数据来自太平洋多年来的几十个水听器。这个数据集已经被大范围筛选,但是Google的研究人员想要看一个人工智能代理是否能够完成一项 艰巨而耗时的工作,首先通过使用它,并用物种名称标记有趣的声音——在这种情况下,它可以很容易地变成不同的鲸鱼或者别的什么东西。

很有趣,但是回想起来,不足为奇的是,音频不是分析——相反,音频可以找到的图像模式。谱图的频率随时间变化的强度录音,并可以用于各种各样的有趣的事情。碰巧也可以机器学习和计算机视觉的研究人员研究,谷歌已经开发了各种有效的方法来分析它们。

机器学习模型提供了座头鲸叫声的例子,以及如何在一组样本数据中合理地准确地识别它们。为了做到这一点,AI进行了各种实验,以确定哪些设置是最好的-例如,什么长度剪辑容易处理而不是太长,或哪些频率可以安全地忽略。

在将数据年划分为75秒剪辑的最后一次努力中,该模型能够以90%的准确率确定该剪辑是否包含“驼背单位”或相关的鲸鱼声音。当然,这不是一个小错误,但如果你相信这台机器,你可以节省相当多的时间-或你的实验室助手的时间。

第二种努力依赖于所谓的无监督学习,在这种学习中,系统类型为鲸鱼和非鲸鱼声音之间的相似性设置规则,从而创建研究人员可以分类和定位相关人群的场景。

就像各种学术领域中类似的机器学习应用一样,这并不取代仔细的人类观察和文献,而是丰富了它们。远离一些笨拙的科学工作,研究人员可以专注于他们的职业,而不是陷入重复的统计和数小时的数据分析会议。

点击打开微信,马上办理ETC

发表评论