Los científicos han desarrollado un nuevo algoritmo que puede identificar distintos patrones de clics de delfines entre millones de clics en grabaciones de delfines salvajes. Este enfoque, presentado en PLOS Biología Computacional por Kaitlin Frasier de Scripps Institution of Oceanography, California, y colegas, potencialmente podría ayudar a distinguir entre especies de delfines en la naturaleza.

Frasier y sus colegas construyen sensores acústicos submarinos autónomos que pueden registrar los clics de ecolocalización de los delfines en la naturaleza durante más de un año a la vez. Estos instrumentos sirven como herramientas no invasivas para estudiar muchos aspectos de las poblaciones de delfines, incluyendo cómo se ven afectados por el derrame de petróleo de Deepwater Horizon, desarrollo de recursos naturales, y cambio climático.

Debido a que los sensores registran millones de clics, Es difícil para un ser humano reconocer patrones específicos de especies en las grabaciones. Entonces, Los investigadores utilizaron los avances en el aprendizaje automático para desarrollar un algoritmo que puede descubrir patrones de clics consistentes en conjuntos de datos muy grandes. El algoritmo "no está supervisado, "lo que significa que busca patrones y define diferentes tipos de clics por sí solo, en lugar de "enseñarle" a reconocer patrones que ya se conocen.

El nuevo algoritmo pudo identificar patrones consistentes en un conjunto de datos de más de 50 millones de clics de ecolocalización registrados en el Golfo de México durante un período de dos años. Estos tipos de clics fueron consistentes en todos los sitios de monitoreo en diferentes regiones del Golfo, y uno de los tipos de clic que surgieron está asociado con una especie de delfín conocida.

El equipo de investigación plantea la hipótesis de que algunos de los tipos de clic consistentes revelados por el algoritmo podrían coincidir con otras especies de delfines y, por lo tanto, pueden ser útiles para el monitoreo remoto de delfines salvajes. Esto mejoraría la mayoría de los métodos de seguimiento actuales, que se basan en personas que realizan observaciones visuales desde grandes barcos o aviones y solo son posibles con la luz del día y con buenas condiciones climáticas.

Próximo, el equipo planea integrar este trabajo con métodos de aprendizaje profundo para mejorar su capacidad de identificar tipos de clics en nuevos conjuntos de datos registrados en diferentes regiones. También realizarán trabajo de campo para verificar qué especies coinciden con algunos de los nuevos tipos de clics revelados por el algoritmo.

"Es divertido pensar en cómo los algoritmos de aprendizaje automático utilizados para sugerir música o amigos de las redes sociales a las personas podrían reinterpretarse para ayudar con los desafíos de la investigación ecológica, "Dice Frasier." Las innovaciones en las tecnologías de sensores han abierto las compuertas en términos de datos sobre el mundo natural, y hay mucho espacio para la creatividad en este momento en el análisis de datos ecológicos ".