野外僅存不到 400 頭北大西洋露脊鯨，其中可繁殖的雌鯨甚至不足 100 頭。它們最大的生存威脅是船隻撞擊和漁具纏繞。保護這些鯨魚，例如透過引導船隻避開危險區域，需要更可靠地定位它們——而發表在《美國聲學學會雜誌》上的新技術可能有助於實現這一目標。
為了監聽海洋生物，研究人員通常在浮標和水下滑翔機上部署稱為水聽器的水下麥克風。記錄的音訊被轉換為頻譜圖：聲音的視覺化表示，用於精確定位，例如，特定鯨魚物種的叫聲。但是，這些獨特的聲音經常被其他噪音淹沒。近年來，研究人員使用一種稱為深度學習的機器學習技術來自動化此分析，但背景聲音仍然阻礙了可靠性。
現在，研究人員已經訓練了兩個深度學習模型，專門用於消除噪音。他們首先向模型提供了數千張“乾淨”的頻譜圖，其中只有北大西洋露脊鯨的叫聲。然後，他們慢慢添加了數千張被典型背景聲音（如油輪引擎聲）汙染的頻譜圖。科學家們說，由此產生的演算法可以成功地將嘈雜的頻譜圖變成乾淨的頻譜圖，減少誤報，並幫助在鯨魚到達危險區域之前發現它們。
關於支援科學新聞業
如果您喜歡這篇文章，請考慮訂閱來支援我們屢獲殊榮的新聞業。透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。 訂閱。透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
康奈爾大學資料工程師沙姆·馬杜蘇達納（Shyam Madhusudhana）說，他想看看這種模型是否也可以用於定位其他海洋哺乳動物，他沒有參與這項研究。“座頭鯨和海豚的語言通路比露脊鯨複雜得多，”他指出。東安格利亞大學機器學習研究員本·米爾納（Ben Milner）是該研究的作者之一，他希望將這項技術也應用到水面之上——應用到烏克蘭的森林中，他希望在那裡識別出 1986 年切爾諾貝利災難遺址附近的動物。
聖安德魯斯大學行為生態學家彼得·泰克（Peter Tyack）沒有參與這項研究，他說應該使用這個新系統來弄清楚鯨魚全年的位置，以便可以保護這些區域。“就估計在難以看到鯨魚的地方的鯨魚密度和豐度而言，”泰克說，“這項技術可能非常棒。”
但他警告說，這不應是防止船舶撞擊或纏繞的唯一方法。在他的工作中，泰克發現北大西洋露脊鯨可能會沉默數小時——因此被動聲學監測很容易錯過它們。他補充說，殺死哪怕是幾頭鯨魚，“都可能導致該種群滅絕。”