Plave kitove teško je pronaći, a njihove pjesme još je teže izdvojiti iz golemih arhiva podvodnih snimki. Istraživači sa Sveučilišta New South Wales u Sydneyju razvili su model koji je, nakon učenja na samo jednoj snimci glasanja plavog kita, uspio prepoznavati njegove pjesme u podacima prikupljanima desetljećima i preko čitavih oceanskih bazena.
Studija objavljena u časopisu Scientific Reports pokazuje da bi takav pristup mogao znatno promijeniti način na koji ekolozi proučavaju rijetke, ugrožene i teško dostupne vrste. Posebno je važan za pasivno akustičko praćenje, u kojem hidrofoni godinama snimaju zvukove oceana, ali najveći dio tih podataka ostaje neiskorišten jer ih je gotovo nemoguće ručno pregledati.
Od jedne pjesme do tisuća primjeraka za učenje
Uobičajeni sustavi strojnog učenja traže velike količine označenih podataka. Drugim riječima, model treba tisuće snimki upravo one pjesme koju kasnije mora pronaći. Kod rijetkih vrsta to je često najveća prepreka jer takvi skupovi podataka jednostavno ne postoje.
Ben Jancovich, doktorand na Sveučilištu New South Wales i glavni autor studije, sa svojim je timom zato krenuo drugim putem. Istraživači su uzeli jednu snimku pjesme plavog kita i od nje stvorili tisuće polusintetičkih inačica.
Izvorni zvučni zapis su kopirali, zatim mu mijenjali visinu tona, trajanje i dodavali različite vrste pozadinske buke.
Takve promjene oponašaju stvarne razlike u glasanju životinja, ali i promjene koje nastaju dok se zvuk širi kroz ocean. Na taj je način jedna kvalitetna snimka postala osnova za velik skup podataka dovoljan za treniranje detektora.
Kada su model testirali na stvarnim snimkama, pokazao se usporedivim sa sustavima koji se inače treniraju na mnogo većim skupovima podataka. Kod jedne populacije patuljastih plavih kitova točno je prepoznao 99,4 posto poziva.
Plavi kitovi najveće su životinje na Zemlji, ali ih je teško proučavati. Ugroženi su, raspršeni na velikim područjima i najveći dio života provode pod vodom. Ipak, za ovakav model imaju jednu važnu osobinu: njihove su pjesme vrlo pravilne.
Kitovi iz iste populacije pjevaju gotovo iste pjesme. Primjerice, plavi kitovi oko Madagaskara imaju jednu prepoznatljivu pjesmu, dok oni blizu Antarktike pjevaju drukčiju. Upravo ta predvidljivost omogućila je istraživačima da iz jedne snimke naprave dovoljno realističnih varijacija za treniranje modela.
Zbog toga metoda neće jednako dobro raditi kod svih životinja. Ne bi bila prikladna za vrste poput dupina, kod kojih pojedine jedinke mogu imati vlastite, prepoznatljive zvižduke. Najbolje odgovara vrstama koje proizvode dosljedne, ponovljive zvukove.
Model koji ne traži superračunalo
Jancovich ističe da treniranje velikih dubokih neuronskih mreža može trošiti mnogo električne energije i zahtijevati snažnu računalnu opremu. Cilj tima zato nije bio samo napraviti točan model, nego i alat koji se može koristiti bez velikih resursa.
Novi sustav može se trenirati na običnom prijenosnom računalu u nekoliko sati. To je moguće jer se ne gradi golemi model od početka, nego se prilagođava postojeći sustav koji je izvorno bio treniran za prepoznavanje ljudskog govora.
Takav pristup mogao bi biti posebno koristan manjim istraživačkim timovima, koji imaju pristup snimkama iz oceana, šuma ili udaljenih područja, ali nemaju velike računalne kapacitete ni bogate arhive označenih podataka.
Diljem svijeta postoje golemi skupovi podvodnih snimki nastali pasivnim akustičkim praćenjem. Hidrofoni su godinama bilježili zvukove mora, ali bez brzih i dostupnih detektora velik dio tog materijala teško je znanstveno iskoristiti.
Sljedeći korak bit će primjena novog modela na 25 godina podataka iz središnjeg Indijskog oceana. Cilj je pratiti dugoročne promjene u pjesmama plavih kitova i bolje razumjeti kako se njihovo glasanje mijenja kroz vrijeme.
Takvi podaci nisu važni samo za brojanje životinja ili praćenje njihove prisutnosti. Pjesme kitova mogu otkriti i obrasce učenja, prijenosa zvukova među generacijama i životinjske kulture. Ako se precizni detektori doista mogu trenirati iz jedne dobre snimke, ista bi metoda mogla pomoći i u istraživanju ptica, kukaca i drugih rijetkih vrsta čije su se glasove dosad čuli samo rijetki istraživači.
Ivan je novinar i autor koji piše o znanosti, svemiru i povijesti. Gostuje kao stručni sugovornik na Science Discovery i History Channelu te piše za Večernji list. Osnivač je Kozmos.hr, prvog hrvatskog portala posvećenog popularizaciji znanosti.
