Les baleiniers pourraient bientôt se priver d'un travail - ou du moins d'un travail fatigant et répétitif - en appliquant l'intelligence artificielle (IA) à leurs recherches.

À l'aide de l'apprentissage automatique, une équipe de la Division antarctique australienne, du K. Lisa Yang Center for Conservation Bioacoustics de l'Université Cornell et de l'Université Curtin, a formé un algorithme pour détecter les "appels D" des rorquals bleus dans les enregistrements sonores, avec une plus grande précision et vitesse que les experts humains.

L'acousticien des baleines, le Dr Brian Miller, a déclaré que la technologie permettra aux scientifiques d'analyser plus facilement des centaines de milliers d'heures d'enregistrements de ces baleines insaisissables et difficiles à étudier, afin de mieux comprendre les tendances de leurs populations à mesure qu'elles se remettent de la chasse à la baleine.

"En analysant nos enregistrements pour les appels D et autres sons, nous obtenons une image plus complète du comportement de ces animaux, ainsi que des tendances et des changements potentiels dans leur comportement", a déclaré le Dr Miller.

"L'algorithme d'apprentissage en profondeur que nous avons appliqué à cette tâche surpasse les acoustiques expérimentés des baleines en termes de précision, il est beaucoup plus rapide et ne se fatigue pas.

"Cela nous permet donc de réfléchir à d'autres questions d'ensemble."

Appels sociaux

On pense que les appels D sont des appels «sociaux» émis par les baleines mâles et femelles sur les aires d'alimentation. Contrairement aux "chants" des rorquals bleus mâles, qui ont un schéma régulier et prévisible, les cris D sont très variables d'une baleine à l'autre, d'une saison à l'autre et d'une année à l'autre.

Cette variabilité rend l'automatisation de l'analyse de l'enregistrement plus difficile qu'elle ne le serait pour un son cohérent.

Pour surmonter cela, l'équipe a formé l'algorithme sur une bibliothèque complète d'environ 5 000 appels D, capturés en 2 000 heures de son enregistré à partir de sites autour de l'Antarctique entre 2005 et 2017.

"La bibliothèque couvrait différentes saisons et la gamme d'habitats dans lesquels nous nous attendrions à trouver des baleines bleues de l'Antarctique, pour nous assurer que nous avons capturé la variabilité des D-Calls ainsi que les paysages sonores variables à travers lesquels les baleines voyagent", a déclaré le Dr Miller. /P>

Avant que la formation ne puisse commencer, cependant, six analystes humains différents ont parcouru les enregistrements et identifié ou "annoté" les appels D.

Plutôt que d'analyser le son, les appels ont été transformés en "spectrogrammes" ou représentations visuelles de chaque appel et de sa durée.

À l'aide de techniques d'apprentissage automatique, l'algorithme s'est entraîné pour identifier les appels D à partir de 85 % des données de la bibliothèque, en utilisant les 15 % de données restantes pour se valider et s'améliorer.

Humain contre machine

L'IA formée a ensuite reçu un ensemble de données de test de 187 heures d'enregistrements annotés d'une année chez Casey en 2019.

L'équipe de recherche a comparé le nombre de détections d'appels D effectuées par l'IA, avec celles identifiées par les experts humains, pour voir où ils n'étaient pas d'accord.

Un juge humain indépendant (le Dr Miller) a déterminé lesquels des désaccords étaient des appels D ou non, pour arriver à une décision finale sur qui était le plus précis.

"L'IA a trouvé environ 90 % des appels D et l'humain un peu plus de 70 %, et l'IA était meilleure pour détecter les sons très faibles", a déclaré le Dr Miller.

"Il a fallu environ 10 heures d'effort humain pour annoter l'ensemble de données de test, mais il a fallu 30 secondes à l'IA pour analyser ces données, soit 1 200 fois plus rapidement."

L'équipe a mis son IA à la disposition d'autres chercheurs sur les baleines du monde entier, pour l'entraîner sur d'autres sons et paysages sonores de baleines.

"Maintenant que nous avons ce pouvoir d'analyser très rapidement des milliers d'heures de sons, ce serait formidable de construire plus de sites d'enregistrement et de plus grands réseaux d'enregistrement, et de développer un projet de surveillance à long terme pour examiner les tendances chez les rorquals bleus et d'autres espèces, " a déclaré le Dr Miller.

La recherche est publiée dans Remote Sensing in Ecology and Conservation . + Explorer plus loin

La recherche acoustique apporte un nouvel éclairage sur les sons des baleines