Los científicos han desarrollado un nuevo algoritmo que puede identificar distintos patrones de clics de delfines entre millones de clics en las grabaciones de delfines salvajes. Este enfoque, presentado en PLOS Biología Computacional por Kaitlin Frasier de Scripps Institution of Oceanography, California, y sus colegas, podría ayudar a distinguir entre las especies de delfines en la naturaleza.
Frasier y sus colegas construyen sensores acústicos submarinos autónomos que pueden registrar los clics de ecolocación de delfines en la naturaleza durante más de un año a la vez. Estos instrumentos sirven como herramientas no invasivas para estudiar muchos aspectos de las poblaciones de delfines, incluida la forma en que se ven afectadospor el derrame de petróleo de Deepwater Horizon, el desarrollo de recursos naturales y el cambio climático.
Debido a que los sensores registran millones de clics, es difícil para un humano reconocer cualquier patrón específico de especie en las grabaciones. Por lo tanto, los investigadores utilizaron avances en el aprendizaje automático para desarrollar un algoritmo que pueda descubrir patrones de clics consistentes en conjuntos de datos muy grandesEl algoritmo está "sin supervisión", lo que significa que busca patrones y define diferentes tipos de clics por sí mismo, en lugar de "aprender" a reconocer patrones que ya se conocen.
El nuevo algoritmo pudo identificar patrones consistentes en un conjunto de datos de más de 50 millones de clics de ecolocación registrados en el Golfo de México durante un período de dos años. Estos tipos de clics fueron consistentes en los sitios de monitoreo en diferentes regiones del Golfo, y unode los tipos de clics que surgieron está asociado con una especie de delfín conocida.
El equipo de investigación plantea la hipótesis de que algunos de los tipos de clics consistentes revelados por el algoritmo podrían coincidir con otras especies de delfines y, por lo tanto, pueden ser útiles para el monitoreo remoto de delfines salvajes. Esto mejoraría en la mayoría de los métodos de monitoreo actuales, que dependen de las personas que hacenobservaciones visuales desde grandes barcos o aviones y solo son posibles a la luz del día y en buenas condiciones climáticas.
Luego, el equipo planea integrar este trabajo con métodos de aprendizaje profundo para mejorar su capacidad de identificar tipos de clics en nuevos conjuntos de datos registrados en diferentes regiones. También realizarán trabajo de campo para verificar qué especies coinciden con algunos de los nuevos tipos de clics revelados por elalgoritmo.
"Es divertido pensar en cómo los algoritmos de aprendizaje automático utilizados para sugerir música o amigos de las redes sociales a las personas podrían ser reinterpretados para ayudar con los desafíos de la investigación ecológica", dice Frasier. "Las innovaciones en tecnologías de sensores han abierto las compuertas en términosde datos sobre el mundo natural, y ahora hay mucho espacio para la creatividad en el análisis de datos ecológicos ".
Fuente de la historia :
Materiales proporcionados por PLOS . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :