- iCrowdNewswire
  • Spain
  • Brazil
  • Russia
  • France
  • Germany
  • China
  • Korea
  • Japan
 
x

RSS Newsfeeds

See all RSS Newsfeeds

Global Regions

United States ( XML Feed )

Dec 17, 2017 6:40 PM ET

Rastreando golfinhos com algoritmos que você pode encontrar no Facebook

iCrowdNewswire - Dec 17, 2017

Acompanhar os golfinhos é um processo escorregadio e irregular. Primeiro, você deve adquirir tempo em um navio ou avião, o que é caro. Depois disso, o que você vê depende de fatores incontroláveis, como clima, condições oceânicas e se as criaturas passam na superfície do mar.

Como alternativa, os pesquisadores tentaram implementar sensores subaquáticos para espionar o uso de golfinhos clicados para a localização ecológica, o que pode fornecer pistas sobre os números, distribuições e comportamentos de mamíferos aquáticos. Verificando todos esses dados, no entanto, torna-se uma nova dor de cabeça.

Um programa de aprendizado de máquina – semelhante ao que recomenda novos amigos do Facebook para você – pode ajudar. Em um estudo publicado quinta-feira na PLOS Computational Biology , cientistas da Scripps Institution of Oceanography in California apresentaram um algoritmo capaz de analisar 52 milhões de golfinhos e identificar sete grupos distintos de som. Esses tipos de cliques, os autores especulam, podem corresponder a diferentes tipos de golfinhos.

Como muitas boas histórias científicas, esta foi o resultado da miséria dos estudantes de pós-graduação. Logo depois que Kait Frasier começou seu Ph.D. no Laboratório de Baleia Acústica da Scripps, ocorreu o derramamento de óleo da Deepwater Horizon. Querendo monitorar como os golfinhos estavam fazendo após o derramamento, ela e colegas colocaram sensores acústicos ao redor do Golfo do México. Era o trabalho do Dr. Frasier atravessar as montanhas de dados e identificar cliques de golfinhos.

“Eu tentei por muitos anos realmente envolver minha cabeça em torno de padrões nos sinais de golfinhos”, disse o Dr. Frasier, que agora é cientista de projeto assistente da Scripps. “Eu poderia chegar em algum lugar, mas demorou muito tempo e foi meio subjetivo”.

foto

 
Uma visualização mostrando como o algoritmo agrega cliques semelhantes aos golfinhos de Risso para encontrar estruturas consistentes. Cada fatia horizontal mostra a forma de frequência de um único clique. Crédito Kaitlin Frasier

Ela se perguntou se ela poderia aproveitar as técnicas de aprendizado de máquinas usadas pelo Google e Facebook – “ferramentas literalmente projetadas para grandes dados”, disse ela – para melhorar o processo meticuloso

O método que ela e seus colaboradores desenvolveram funcionou em etapas. Primeiro, um programa de detecção digitalizou durante anos de gravações de áudio e retirou todos os segmentos com cliques de golfinhos. Seu algoritmo esculpiu esses segmentos em blocos de cinco minutos, gerando uma taxa média de clique e forma de freqüência para cada janela de tempo.

Em seguida, o programa agrupou pedaços de cinco minutos com taxas de clique médias e perfis de frequência similares. Funcionou muito como os algoritmos on-line que recomendam contatos, músicas ou propagandas de redes sociais para nós, embora de forma muito mais simples, Disse o Dr. Frasier.

Embora tenha demorado suas três semanas para analisar o valor de um ano de gravações de um único site, o algoritmo levou cerca de quatro dias para classificar dois anos de dados de cinco sites.

Através de um processo “não supervisionado” – o que significa que os autores não treinaram o algoritmo para reconhecer previamente nenhuma categoria particular – o programa surgiu com sete clusters de cliques discretos.

Um deles era consistente com o perfil de clique incomum de uma espécie chamada golfinho de Risso , que era um “bom controle de sanidade” sugerindo que seu método poderia funcionar, disse o Dr. Frasier.

Ela e seus colaboradores também especularam que dois dos outros tipos de cliques possivelmente pertenciam a baleias-piloto de aletas curtas e falsas baleias assassinas, ambos membros da família dos golfinhos oceânicos que vivem no Golfo do México.

A abordagem de aprendizagem da máquina tem um potencial excitante, mas estudos de campo são necessários para verificar as previsões de seus algoritmos, disse Shannon Gowans , professor de biologia e ciência do mar em Eckerd College, na Flórida, que não estava envolvido no estudo.

Por enquanto, os pesquisadores não podem descartar a possibilidade de que seus tipos de cliques venham de outros fatores, como golfinhos que alteram os sons que eles fazem com base no contexto, ou os sinais são capturados de forma diferente a distâncias e ângulos variáveis ​​dos sensores, o Dr. Frasier reconhecido.

Mas ela é apaixonada pelo futuro desta tecnologia. Melhorar a habilidade dos cientistas de rastrear populações de golfinhos não é apenas uma questão de ajudar os golfinhos, disse ela. Juntamente com outros mamíferos marinhos, os golfinhos refletem a saúde geral do oceano, o que significa que os pesquisadores podem usá-los como uma janela para entender a mudança das condições do oceano.

“Meu objetivo é que nos libertamos para fazer perguntas mais interessantes”, disse ela. “Se pudermos passar menos tempo escolhendo manualmente dados e atribuindo etiquetas, podemos começar a olhar a imagem maior”.

Contact Information:

STEPH YIN

View Related News >