Når du rusler gjennom en skog, legger du kanskje merke til at luften er fylt med lyd. Fugler synger, insekter og små pattedyr rasler gjennom undervegetasjonen, og i skumringen piper flaggermus mens de kommuniserer med hverandre.
Disse lydlandskapene inneholder en mengde informasjon om hvilke dyr som er til stede, hvor mange det er og hvor sunt et økosystem kan være. Men å analysere all den lyden er en enorm utfordring.
Forskere kan nå samle enorme mengder dataopptak ved hjelp av små autonome enheter plassert i skoger, våtmarker og byområder. Problemet er ikke lenger å samle inn data, men å forstå dem raskt nok til at de er nyttige.
Professor Dan Stowell fra Naturalis Biodiversity Centre i Leiden, Nederland, er en av de ledende forskerne innen det nye feltet beregningsbasert bioakustikk som bruker kunstig intelligens til å analysere lyder fra dyreliv og miljøopptak.
«Vi har nå så mange måter å ta opp dyrelyder og lydlandskap på», sa Stowell. «Men omfanget av dataene er helt overveldende.»
Forskningen hans fokuserer på å utvikle AI-systemer som kan hjelpe forskere med å overvåke biologisk mangfold mer effektivt og i mye større skala enn tradisjonelle feltmetoder tillater.
Skjærer gjennom støyen
Naturalis, det nederlandske nasjonale senteret for forskning på biologisk mangfold, har slått seg sammen med forskere fra hele Europa og Storbritannia i et fireårig EU-finansiert forskningsprosjekt kalt BioacAI. Teamet, ledet av Stowell, jobber med å bygge bro mellom de massive akustiske dataene som samles inn og vår evne til å gi dem mening.
"
Prosjektene våre genererer hundrevis av terabyte med data i året, noe som ville tatt 20 til 30 år med menneskelig innsats å gjennomføre.
Initiativet, som avsluttes i 2027, utvikler nye AI-verktøy som er i stand til å identifisere arter automatisk fra lydopptak. Forskerteamet mener dette kan endre måten forskere overvåker biologisk mangfold på i og utenfor Europa.
«Vi ønsker ikke å erstatte eksperter», sa Stowell. «Men vi ønsker å kunne ta all den verdifulle informasjonen du kan høre når du er i en skog, eller til og med et bymiljø, og gjøre den om til nyttig informasjon om dyr og biologisk mangfold.»
Forskningssamarbeidet reagerer også på en kompetansekrise i feltet. Ingen eksisterende opplæringsprogram produserer for tiden forskere med ekspertise innen akustikk, kunstig intelligens, zoologi og økologi.
BioacAIs doktorgradsnettverk er utformet for å fylle dette gapet, ved å utdanne en ny generasjon fagfolk med det Stowell kaller «fullstack»-bioakustiske AI-ferdigheter.
Sporing av biologisk mangfold i tilbakegang
Tap av biologisk mangfold akselererer globalt. Blant artene som er mest utsatt er fugler og insekter, hvis synkende bestander kan utløse dominoeffekter på tvers av økosystemer og landbruk, og til syvende og sist menneskers velvære. For å reagere effektivt trenger forskere pålitelige storskala data om statusen til ulike arter.
Tradisjonelle undersøkelser av dyreliv – der forskere går langs faste ruter og registrerer hva de ser og hører – er arbeidskrevende, kostbare og har begrenset omfang.
En stadig mer populær tilnærming er passiv akustisk overvåking, der små opptaksenheter blir stående ute i felten for å fange opp alt de hører. Disse opptakene kan gi et detaljert bilde av hva som skjer i et miljø over lange tidsperioder.
BioacAI-teamet samarbeider med europeiske bioakustikkselskaper for å utvikle en ny generasjon smartere opptaksenheter. Disse kan kjøre gjenkjenningsalgoritmer direkte på enheten og synkronisere mellom flere enheter for å finne ropende dyr.
Målet er å redusere strømforbruket og miljøavtrykket ved storskala overvåkingsmetoder, samtidig som det forbedrer overvåkingsmetodene.
Men det finnes en hake. Disse enhetene kan generere hundrevis av gigabyte med data i løpet av uker. Gang det over et nasjonalt overvåkingssystem, og volumet blir raskt uhåndterlig.
Å forstå flaggermus-rop
Dr. Lia Gilmour, forskningsleder ved Storbritannias Bat Conservation Trust, en partner i BioacAI-konsortiet, er altfor kjent med dette problemet.
«Prosjektene våre genererer hundrevis av terabyte med data i året, noe som ville tatt 20 til 30 år med menneskelig innsats å gjennomføre», sa hun.
På grunn av deres unnvikende natur og nattlige aktivitet er flaggermus vanskelige å studere, noe som gjør passiv akustisk overvåking spesielt viktig. «Vi må registrere dem for å kunne forstå deres populasjonstrender og atferd», sa Gilmour.
"
Vi ønsker å kunne ta all den verdifulle informasjonen du kan høre (...) og gjøre den om til nyttig informasjon om dyr og biologisk mangfold.
Om natten bruker flaggermus ultralyd – de sender ut høyfrekvente pulser og lytter etter ekkoene – for å navigere og oppdage byttedyr. Ulike arter kaller ofte på forskjellige frekvenser, men de tilpasser også ekkolokaliseringslydene sine til omgivelsene. Dette gjør det vanskelig å skille mellom nært beslektede arter, selv for eksperter.
Forskere undersøker derfor om sosiale lokker fra flaggermus kan gi en bedre måte å identifisere arter på. Disse kvitringene, som noen ganger er hørbare for mennesker, har en tendens til å være mer artsspesifikke enn jakt- eller navigasjonslyder.
Selv om flaggermus foretar disse kommunikasjonsanropene sjeldnere, kan klassifisering av dem hjelpe AI-systemer med å identifisere arter som for tiden utfordrer akustisk overvåking.
Og det kan redusere dataetterslepet dramatisk.
«Uten disse klassifikatorene og dette systemet ville vi hatt flere tiår med manuelt arbeid», sa Gilmour.
Fra dataoverbelastning til oppdagelse
AI-verktøyene som utvikles gjennom BioacAI lærer å gjenkjenne de særegne akustiske signaturene til forskjellige arter, og opererer i en hastighet og skala ingen mennesker kan matche.
Apper som Merlin Bird ID, som lar fuglekikkere identifisere arter ved hjelp av en smarttelefonmikrofon, har allerede vist hva som er mulig for vanlige, veldokumenterte fugler. Men BioacAI-forskerne prøver å gå lenger ved å identifisere arter som det finnes relativt lite data om.
For å takle dette bruker teamet en AI-teknikk kjent som dype innebygginger, som plasserer dyrelyder i et romlig kart slik at akustisk lignende lyder klynger seg sammen. I tillegg til å foreslå hvilke kjente arter ukjente lyder kan ligne på, kan teknikken også flagge uvanlige eller tidligere uklassifiserte lyder for videre undersøkelse.
«Vi har massevis av ukuraterte data», sa Stowell. «Hvis vi kan identifisere lydene eller stedene der litt undersøkelse er nødvendig, ville dette vært fantastisk.»
Det er her menneskelig ekspertise fortsatt er avgjørende.
Lydlandskap fra hele verden kan etter hvert analyseres ved hjelp av nettverk av akustiske sensorer, forskerteam og forskere. Dette vil gi forskere og beslutningstakere et mye klarere bilde av hvordan økosystemer endrer seg.
Slikt arbeid kan avdekke tidligere uidentifiserte arter, nye habitater for kjente dyr eller nye områder med biologisk mangfold. Det kan også støtte EUs strategi for biologisk mangfold for 2030 ved å forbedre hvordan økosystemer og arter overvåkes over hele Europa.
«Vi har enorm kraft til å virkelig oppdage driverne for endring i populasjoner, til å studere disse populasjonene i stor skala og samle datasett vi rett og slett ikke hadde tilgang til før», sa Gilmour.
Forskningen i denne artikkelen ble finansiert av EUs Horisont-program. Intervjuobjektenes synspunkter gjenspeiler ikke nødvendigvis EU-kommisjonens synspunkter. Hvis du likte denne artikkelen, kan du vurdere å dele den på sosiale medier.
