科学家通过水下探测器盖蒂图片社来监听墨西哥湾的海豚群
在机器学习的帮助下,科学家们开发出一种算法来监测海豚的水下颤振。
利用水下自动传感器,在墨西哥湾工作的研究人员花了两年时间制作海豚回声定位的录音。
结果是一组5200万点击声音的数据集。
为了对大量信息进行分类,科学家使用了一种“无监督”的算法,自动将这些噪声分类。
三维渲染的Risso的海豚回声定位的点击光谱记录在墨西哥湾,聚集了一个非监督学习算法。(Kaitlin弗雷泽)
如果不被“教授”识别已知的模式,该算法就能够在数据中寻找原始模式并识别点击类型。
这使得科学家能够在记录的数百万次点击中确定特定的点击模式,并能帮助他们识别野生的海豚物种。
斯克里普斯海洋研究所的Kaitlin Frasier博士说:“想想机器学习算法是如何将音乐或社交媒体朋友推荐给人们的,可以被重新解释,以帮助解决生态研究的挑战。”PLOS计算生物学。
她说:“传感器技术的创新已经打开了关于自然世界的数据的闸门,目前在生态数据分析方面还有很大的创新空间。”
监测海洋中的海豚数量具有挑战性。
Frasier博士和她的同事们认为他们的技术可以用来筛选大量的数据并以一种非破坏性的方式记录海豚的数量。
海豚是一个非常多样化的哺乳动物家族,不同种类的海豚会使用不同类型的点击来进行回声定位。
迄今为止,这个研究小组的工作能够识别出一种与特定的海豚物种——Risso的海豚——相关联的点击类型,并且他们打算开展野外工作,将其他的点击类型与其他已知物种联系起来。
他们也希望他们的研究能让他们监测石油泄漏和气候变化对墨西哥湾海豚群的影响。