A SurfPerch egy olyan, mesterséges intelligencia által vezérelt rendszer, amely gyorsabbá és könnyebbé teszi, hogy választ kapjunk a korallzátonyokkal kapcsolatos bizonyos kérdésekre. Az eszköz betanításához több mint 400 órányi korallzátonyhangot elemeztek önkéntesek, így új zátonyhangok észlelésére is lesz lehetőség.
Új, mesterséges intelligencián (MI) alapuló eszközt fejlesztett a Google, amellyel a tengerbiológusoknak kíván segíteni a korallzátonyok egészségének követésével.
A technológiai óriás szerint a SurfPerch egy olyan, MI által vezérelt rendszer, amely gyorsabbá és könnyebbé teszi a tengerkutatók számára, hogy választ kapjanak a korallzátonyokkal kapcsolatban bizonyos ökológiai kérdésekre – írja a HVG.
A korallzátonyok az óceánok felszínének mindössze 0,1 százalékát borítják, azonban a tengeri fajok negyedének adnak otthont. Olyan fenyegetésekkel kell szembenézniük, mint a túlhalászás, a betegségek és az éghajlatváltozás, így fontos, hogy a szakemberek tisztában legyenek az állapotukkal.
Mint írják, a Google Research és a DeepMind együttműködésével létrehozott eszköz több ezer órányi víz alatt készült hanganyagot képes automatikusan feldolgozni, így tud új ismereteket alkotni a korallzátonyokról.
Ráadásul az állatok sokféleségét és viselkedési mintáit hallgatva nemcsak a zátonyokon belülről lehet meghatározni a zátonyok egészségét, de nyomon lehet követni az éjszakai aktivitást, valamint a mély és zavaros vizekben is fel lehet mérni a zátonyokat.
A számtalan órányi víz alatti hang elemzése ez idáig manuálisan történt, amivel a tudósok képtelenek voltak lépést tartani. A mesterséges intelligencia viszont változtathat ezen. Az eszköz betanításához több mint 400 órányi korallzátonyhangot elemeztek önkéntesek, így új zátonyhangok észlelésére is lesz lehetőség. Mindemellett az eredmények rengeteg új halhangot is szolgáltattak, amelyeket a SurfPerch finomhangolására használtak a szakemberek.
A SurfPerchet szigorúan tesztelték, hogy olyan modellt hozzon létre, amely gyorsan betanítható bármilyen új zátonyhang észlelésére, csupán néhány példa segítségével. Ez lehetővé teszi, hogy az új adatkészleteket a korábbinál sokkal hatékonyabban elemezzék, így nincs szükség a drága GPU-processzorokra való képzésre, és új lehetőségek nyílnak meg a zátonyközösségek megértésére és ezek megőrzésére.