04:27 2024-04-04
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Bioacustică automată: Cercetătorii ascultă insecte pentru a evalua mai bine sănătatea mediului
_ Bioacustică automată : Cercetătorii ascultă despre insecte pentru a evalua mai bine sănătatea mediului
Cercetări recente conduse de Universitatea din Massachusetts Amherst evaluează cât de bine învățarea automată poate identifica diferite specii de insecte după sunetul lor, de la țânțari purtători de malarie și cereale- gărgărițele flămânde până la albinele care polenizează culturile și cicadele care sug seva.
Ascultarea lumii insectelor ne oferă o modalitate de a monitoriza modul în care populațiile de insecte se schimbă și, astfel, ne poate spune despre starea generală de sănătate a insectelor. mediu inconjurator. Studiul, publicat în Journal of Applied Ecology, sugerează că învățarea automată și învățarea profundă devin standardele de aur pentru modelarea bioacustică automată și că ecologiștii și experții în învățarea automată pot lucra împreună pentru a dezvolta întregul potențial al tehnologiei.
„Insectele conduc lumea”, spune Laura Figueroa, profesor asistent de conservare a mediului la UMass Amherst și autor principal al lucrării. „Unii sunt vectori de boli și dăunători, în timp ce alții polenizează culturile hrănitoare și ciclează nutrienții. Ele sunt fundamentul ecosistemelor din întreaga lume, fiind hrană pentru animale, de la păsări și pești la urși și oameni. Oriunde ne uităm, există insecte, dar este dificil să ne facem o idee despre cum se schimbă populațiile lor.”
Într-adevăr, în epoca pesticidelor chimice, a schimbărilor climatice și a altor factori de stres de mediu, populațiile de insecte se schimbă drastic. Unele specii - cum ar fi polenizatorii care sunt anual responsabili pentru serviciile ecosistemice estimate la peste 200 de miliarde de dolari la nivel mondial - par să se prăbușească, în timp ce altele, cum ar fi țânțarii care pot transmite malarie, dengue și alte boli, par să crească. Cu toate acestea, poate fi dificil să obțineți o imagine exactă a modului în care populațiile de insecte se schimbă.
Multe metode tradiționale de eșantionare a populațiilor de insecte implică trimiterea de entomologi pe teren pentru a colecta și identifica specii individuale și, în timp ce aceste metode pot da rezultate rezultate fiabile, este, de asemenea, consumatoare de timp și resurse și adesea letal pentru insectele care sunt prinse. Aici intervine IA.
„După ce am lucrat pe teren timp de peste un deceniu, pot face diferența dintre bâzâitul unei albine și zgomotul unei muște”, spune Figueroa. „Deoarece multe, dar nu toate, insectele emit sunet, ar trebui să putem antrena modele AI pentru a le identifica după sunetele unice pe care le emit.”
De fapt, un astfel de antrenament are loc deja, dar care metode AI sunt cele mai bune?
Pentru a răspunde la această întrebare, Figueroa și colegii ei, inclusiv autoarea principală Anna Kohlberg, care a finalizat această cercetare în timp ce lucra în laboratorul Figueroa, au efectuat o revizuire sistematică a literaturii pentru a analiza studiile care au folosit diferite tipuri de modele bioacustice automatizate pentru identificarea insectelor. Ei au găsit modele pentru 302 de specii diferite răspândite în nouă ordine taxonomice. Ei au împărțit modelele rezultate în trei categorii mari: învățarea non-machine, învățarea automată și învățarea profundă.
Modelele non-machine learning potrivesc apelurile insectelor la markeri specifici pe care cercetătorii umani îi desemnează ca chei pentru identificare. cum ar fi o anumită bandă de frecvență în apelul unui katydid. Apoi, modelul „ascultă” acele indicii specifice, desemnate de om.
Învățarea automată, pe de altă parte, nu are un set prestabilit de markeri pe care îi folosește și se bazează în schimb pe un cadru de calcul flexibil pentru a găsiți modele relevante în sunete, apoi potrivește acele modele cu datele bioacustice pe care a fost antrenat.
Învățarea profundă, un tip specializat de învățare automată, se bazează pe cadre de calcul neuronale mai avansate care oferă modelului mai mult flexibilitate în identificarea eficientă a modelelor bioacustice relevante. După cum se dovedește, modelele care se bazează pe învățarea profundă sunt cele mai de succes. Unii dintre cei mai buni pot clasifica sute de specii cu o precizie de peste 90%.
„Acest lucru nu înseamnă că AI poate sau ar trebui să înlocuiască toate abordările tradiționale de monitorizare”, spune Kohlberg și există limitări în ceea ce pot face. Cele mai multe dintre modele au nevoie de seturi uriașe de date pentru a se antrena și, deși lucrează mai bine cu seturi de date mai mici, rămân instrumente intensive în date. În plus, nu toate insectele emit sunete, cum ar fi afidele. Și contextele foarte zgomotoase, cum ar fi mediul urban, pot încurca cu ușurință eforturile de monitorizare bazate pe sunet.
„Bioacustica automatizată este un instrument cheie într-un set de instrumente cu mai multe fațete pe care îl putem folosi pentru a monitoriza eficient aceste organisme importante în întreaga lume. lume”, spune Kohlberg.
Comentarii:
Adauga Comentariu