Автоматическая биоакустика: исследователи слушают насекомых для оценки здоровья окружающей среды

Новое исследование под руководством Университета Массачусетса в Амхерсте оценивает, насколько хорошо машинное обучение может идентифицировать различные виды насекомых по звуку — от переносящих малярию комаров и зерновых долгоносиков до опыляющих сельхозкультуры пчёл и сосущих сок цикад.

Прослушивание мира насекомых даёт возможность отслеживать изменения в их популяциях и, следовательно, судить об общем состоянии окружающей среды. Исследование, опубликованное в Journal of Applied Ecology, показывает, что машинное и глубокое обучение становятся «золотым стандартом» для автоматизированного биоакустического моделирования, а экологи и эксперты по машинному обучению могут плодотворно сотрудничать для раскрытия полного потенциала этой технологии.

«Насекомые правят миром, — говорит Лаура Фигероа, доцент кафедры охраны окружающей среды в UMass Amherst и старший автор статьи. — Одни являются переносчиками болезней и вредителями, другие опыляют питательные культуры и участвуют в круговороте питательных веществ. Они — основа экосистем по всему миру, служа пищей для животных от птиц и рыб до медведей и людей. Повсюду, куда ни посмотри, есть насекомые, но сложно понять, как меняются их популяции».

Действительно, в эпоху химических пестицидов, изменения климата и других факторов экологического стресса популяции насекомых резко меняются. Некоторые виды — например, опылители, ежегодная экосистемная услуга которых оценивается более чем в $200 млрд по всему миру, — по-видимому, резко сокращаются. Другие, такие как комары, способные переносить малярию, лихорадку денге и другие болезни, кажется, наоборот, растут. Однако получить точную картину этих изменений бывает сложно.

Многие традиционные методы учёта популяций насекомых предполагают отправку энтомологов в поле для сбора и идентификации отдельных видов. Хотя эти методы могут давать надёжные результаты, они также требуют много времени и ресурсов и часто являются летальными для пойманных насекомых. Здесь на помощь приходит искусственный интеллект.

«Проработав в поле более десяти лет, я могу отличить жужжание пчелы от жужжания мухи, — говорит Фигероа. — Поскольку многие (но не все) насекомые издают звуки, мы должны иметь возможность обучить модели ИИ распознавать их по уникальным звукам».

Фактически такое обучение уже происходит — но какие методы ИИ лучше?

Чтобы ответить на этот вопрос, Фигероа и её коллеги, включая ведущего автора Анну Кольберг, провели систематический обзор литературы. Они проанализировали исследования, в которых для идентификации насекомых использовались различные типы автоматизированных биоакустических моделей. Они обнаружили модели для 302 различных видов, относящихся к девяти таксономическим отрядам. Полученные модели они разделили на три широкие категории:

• Немашинное обучение: модели сопоставляют звуки насекомых с определёнными маркерами, которые исследователи-люди обозначают как ключи для идентификации (например, определённая частотная полоса в стрекотании кузнечика). Модель затем «прислушивается» к этим конкретным, заданным человеком сигналам.
• Машинное обучение: не имеет предопределённого набора маркеров и вместо этого полагается на гибкую вычислительную структуру для поиска соответствующих закономерностей в звуках, а затем сопоставляет эти закономерности с биоакустическими данными, на которых она была обучена.
• Глубокое обучение (специализированный вид машинного обучения): опирается на более продвинутые нейронные вычислительные структуры, которые дают модели больше гибкости для эффективного выявления соответствующих биоакустических закономерностей.

Как выяснилось, наиболее успешными являются модели, основанные на глубоком обучении. Лучшие из них могут классифицировать сотни видов с точностью более 90%.

«Это не означает, что ИИ может или должен заменить все традиционные подходы к мониторингу», — говорит Кольберг. У таких моделей есть ограничения. Большинству из них для обучения необходимы огромные наборы данных, и хотя они становятся лучше в работе с меньшими наборами данных, они остаются инструментами, требующими интенсивной обработки данных. Кроме того, не все насекомые издают звуки (например, тли). А очень шумные условия, например, городская среда, могут легко сбить с толку усилия по мониторингу на основе звука.

«Автоматическая биоакустика — ключевой инструмент в многостороннем наборе методов, который мы можем использовать для эффективного мониторинга этих важных организмов по всему миру», — заключает Кольберг.