AI Breakthrough:Identifikation af fiskearter ved lyd

Erfarne fuglekiggere kan ofte identificere arter ved deres kald. Forestil dig at gøre det samme for fisk.

Ny forskning fra University of Victoria viser, at nært beslægtede fiskearter producerer karakteristiske lyde, der kan adskilles af AI. Dette åbner døren til overvågningsprogrammer, der er afhængige af akustiske signaler frem for visuelle observationer.

Undersøgelsen, ledet af ph.d.-studerende Darienne Lancaster, dukkede op i Journal of Fish Biology.

Fisk vokaliseringer har længe været kendt, men at skelne dem i naturen var en udfordring. Som Lancaster forklarede:"Vi vidste ikke, hvilke lyde der hørte til hvilken art, eller om det overhovedet var muligt at skelne dem."

Ved hjælp af passiv akustisk overvågning indsamlede holdet undervandsoptagelser, mens de samtidig verificerede arter med visuelle data.

De trænede derefter en maskinlæringsmodel, der korrekt matchede lyde til arter med 88 % nøjagtighed, og identificerede otte britisk-Columbia fiskearter.

Datasættet afslørede også adfærdsmæssige indsigter, såsom klippefiskens hurtige grynten, når den blev forfulgt - sandsynligvis et defensivt svar.

"Det er spændende at se, hvor mange arter der bruger lyd og de sammenhænge, de gør det i," sagde Lancaster.

Ud over grundlæggende videnskab tilbyder modellen en mindre invasiv måde at studere fiskenes adfærd og overvåge populationer.

Fremtidigt arbejde vil udvide databasen til at omfatte flere arter og udforske regionale variationer inden for arter, hvilket understreger den enorme mangfoldighed af marine liv.