Les scientifiques ont développé un nouvel algorithme qui peut identifier des modèles de clics de dauphins distincts parmi des millions de clics dans les enregistrements de dauphins sauvages. Cette approche, Présenté dans Biologie computationnelle PLOS par Kaitlin Frasier de la Scripps Institution of Oceanography, Californie, et collègues, pourrait potentiellement aider à distinguer les espèces de dauphins dans la nature.

Frasier et ses collègues construisent des capteurs acoustiques sous-marins autonomes capables d'enregistrer les clics d'écholocation des dauphins dans la nature pendant plus d'un an à la fois. Ces instruments servent d'outils non invasifs pour étudier de nombreux aspects des populations de dauphins, y compris comment ils sont affectés par la marée noire de Deepwater Horizon, développement des ressources naturelles, et le changement climatique.

Parce que les capteurs enregistrent des millions de clics, il est difficile pour un humain de reconnaître des modèles spécifiques à une espèce dans les enregistrements. Donc, les chercheurs ont utilisé les avancées de l'apprentissage automatique pour développer un algorithme capable de découvrir des modèles de clics cohérents dans de très grands ensembles de données. L'algorithme est "non supervisé, " ce qui signifie qu'il recherche des modèles et définit lui-même différents types de clics, au lieu d'être « enseigné » à reconnaître des modèles déjà connus.

Le nouvel algorithme a pu identifier des modèles cohérents dans un ensemble de données de plus de 50 millions de clics d'écholocation enregistrés dans le golfe du Mexique sur une période de deux ans. Ces types de clics étaient cohérents sur tous les sites de surveillance dans différentes régions du Golfe, et l'un des types de clics qui a émergé est associé à une espèce de dauphin connue.

L'équipe de recherche émet l'hypothèse que certains des types de clics cohérents révélés par l'algorithme pourraient être associés à d'autres espèces de dauphins et pourraient donc être utiles pour la surveillance à distance des dauphins sauvages. Cela améliorerait la plupart des méthodes de surveillance actuelles, qui reposent sur des personnes effectuant des observations visuelles à partir de gros navires ou d'avions et ne sont possibles qu'à la lumière du jour et dans de bonnes conditions météorologiques.

Prochain, l'équipe prévoit d'intégrer ce travail à des méthodes d'apprentissage en profondeur pour améliorer sa capacité à identifier les types de clics dans de nouveaux ensembles de données enregistrés dans différentes régions. Ils effectueront également un travail de terrain pour vérifier quelles espèces correspondent à certains des nouveaux types de clics révélés par l'algorithme.

« C'est amusant de penser à la façon dont les algorithmes d'apprentissage automatique utilisés pour suggérer de la musique ou des amis sur les réseaux sociaux aux gens pourraient être réinterprétés pour aider à relever les défis de la recherche écologique, " dit Frasier. " Les innovations dans les technologies des capteurs ont ouvert les vannes en termes de données sur le monde naturel, et il y a beaucoup de place pour la créativité en ce moment dans l'analyse des données écologiques."