Gli scienziati hanno sviluppato un nuovo algoritmo in grado di identificare modelli di clic dei delfini distinti tra milioni di clic nelle registrazioni di delfini selvatici. Questo approccio, presentato in PLOS Biologia Computazionale di Kaitlin Frasier della Scripps Institution of Oceanography, California, e colleghi, potrebbe potenzialmente aiutare a distinguere tra le specie di delfini in natura.

Frasier e i suoi colleghi costruiscono sensori acustici subacquei autonomi in grado di registrare i clic di ecolocalizzazione dei delfini in natura per oltre un anno alla volta. Questi strumenti servono come strumenti non invasivi per studiare molti aspetti delle popolazioni di delfini, compreso il modo in cui sono stati colpiti dalla fuoriuscita di petrolio di Deepwater Horizon, sviluppo delle risorse naturali, e cambiamento climatico.

Poiché i sensori registrano milioni di clic, è difficile per un essere umano riconoscere qualsiasi modello specifico della specie nelle registrazioni. Così, i ricercatori hanno utilizzato i progressi dell'apprendimento automatico per sviluppare un algoritmo in grado di scoprire modelli di clic coerenti in set di dati molto grandi. L'algoritmo è "non supervisionato, " nel senso che cerca modelli e definisce da solo diversi tipi di clic, invece di essere "insegnato" a riconoscere schemi che sono già noti.

Il nuovo algoritmo è stato in grado di identificare modelli coerenti in un set di dati di oltre 50 milioni di clic di ecolocalizzazione registrati nel Golfo del Messico in un periodo di due anni. Questi tipi di clic erano coerenti tra i siti di monitoraggio in diverse regioni del Golfo, e uno dei tipi di clic emersi è associato a una specie di delfino nota.

Il team di ricerca ipotizza che alcuni dei tipi di clic coerenti rivelati dall'algoritmo potrebbero essere abbinati ad altre specie di delfini e quindi potrebbero essere utili per il monitoraggio remoto dei delfini selvatici. Ciò migliorerebbe la maggior parte dei metodi di monitoraggio attuali, che si basano su persone che effettuano osservazioni visive da grandi navi o aerei e sono possibili solo alla luce del giorno e in buone condizioni meteorologiche.

Prossimo, il team prevede di integrare questo lavoro con metodi di deep learning per migliorare la loro capacità di identificare i tipi di clic in nuovi set di dati registrati in diverse regioni. Eseguiranno anche un lavoro sul campo per verificare quali specie corrispondono ad alcuni dei nuovi tipi di clic rivelati dall'algoritmo.

"È divertente pensare a come gli algoritmi di apprendimento automatico utilizzati per suggerire musica o amici dei social media alle persone potrebbero essere reinterpretati per aiutare con le sfide della ricerca ecologica, " Dice Frasier. "Le innovazioni nelle tecnologie dei sensori hanno aperto le porte in termini di dati sul mondo naturale, e c'è molto spazio per la creatività in questo momento nell'analisi dei dati ecologici".