Между космосом и океаном: ИИ научился «слышать» китов в сейсмическом шуме Земли

Учёные показали, что популярная ИИ-модель Segment Anything Model (SAM), изначально разработанная для распознавания и выделения объектов на изображениях, может эффективно искать сигналы китов в сейсмических данных без предварительного обучения на записях голосов китов. В ходе проверки система определяла сигналы китов Брайда с точностью более 96%.

Работу выполнила группа под руководством Чжо Сяо (Zhuo Xiao) из Университета Гуанси Миньцзу (Guangxi Minzu University). Результаты опубликованы в журнале Seismological Research Letters.

Голоса китов можно представить в виде спектрограмм — графиков, показывающих, как меняются частоты звука по времени. Для человека это выглядит как своеобразный «снимок звука». Именно такие изображения исследователи подавали на вход модели SAM, которая специализируется на поиске и выделении объектов на изображениях.

Для проверки метода были использованы данные сейсмической станции на острове Сеян в заливе Бэйбу Южно-Китайского моря. Учёные проанализировали имеющиеся записи за январь и июль 2021 года, чтобы охватить разные сезонные типы вокализации китов Брайда. Этот район считается важной кормовой акваторией для этих животных.

Перед обработкой данные проходили многоэтапную очистку от помех. Для повышения отношения полезного сигнала к шуму использовались спектральное вычитание, гауссово сглаживание и адаптивная фильтрация. После этого SAM выполняла не просто классификацию наличия или отсутствия сигнала, а выделяла на спектрограмме границы каждого отдельного крика кита.

По данным авторов, система правильно обнаруживала сигналы более чем в 96% случаев по всем сезонным наборам данных. При этом ей удалось выявить некоторые эпизоды, которые ранее были пропущены при ручном анализе записей. Авторы отмечают, что модель также избежала части ложных срабатываний и пропусков слабых сигналов, что бывает характерным для традиционных методов обработки.

Дополнительная проверка показала, что подход работает не только для китов Брайда. Исследователи протестировали систему на записях финвалов из Ирландии и синих китов из Канады. После адаптации параметров метод сохранил высокую эффективность, что указывает на возможность его применения для разных видов китообразных и в различных морских регионах.

Анализ собранных данных позволил выявить и особенности поведения китов Брайда. Учёные обнаружили выраженные сезонные различия во временном интервале между двумя акустическими импульсами в их сигналах. Зимой средний интервал составлял 6,93 секунды, а летом увеличивался до 11,70 секунды. По мнению авторов, это может отражать более активную координацию между животными зимой и более одиночный характер коммуникации летом.

Исследователи подчёркивают, что технология всё ещё допускает ложные срабатывания и пропуски. В дальнейшем они планируют объединить акустические и сейсмические наблюдения с другими океанографическими данными, а также создать специализированную версию фундаментальной модели, адаптированную именно для распознавания сигналов китов.

Работа показывает, что современные универсальные ИИ-модели могут находить применение далеко за пределами задач, для которых изначально создавались. В данном случае инструмент для анализа изображений оказался способен помочь в мониторинге популяций китов — одной из ключевых задач современной морской экологии и охраны морских млекопитающих.