Коралловые рифы — настоящий заповедник морской жизни. Хотя они занимают меньше одного процента площади Мирового океана, четверть всех морских обитателей проводят на рифах хотя бы часть своей жизни. Когда в одном месте собирается столько живности, ученым бывает непросто разобраться, кто именно там водится и в каких количествах.

В журнале JASA, который издает Американское акустическое общество при поддержке AIP Publishing, команда исследователей из Океанографического института Вудс-Хоул рассказала, как им удалось совместить прослушивание подводного мира с работой нейросети. Теперь понять, какая рыба живет на рифе, можно по звукам.

Ученые уже много лет используют пассивный акустический мониторинг, чтобы следить за жизнью рифов. Обычно они ставят под водой специальный recorder, который месяцами пишет все, что происходит вокруг. Существующие программы могут быстро обработать огромные массивы таких записей, но найти в них что-то  конкретное они не способны. Чтобы выделить нужные звуки, исследователям приходится вручную прослушивать эти гигабайты.

Честно говоря, для человека это просто адская работа, — признается один из авторов работы Сет МакКаммон. — Невероятно нудная и утомительная. Сплошное мучение.

Но проблема даже не в скуке. Такой ручной разбор занимает слишком много времени, чтобы быть полезным на практике.

А на кону — сохранение рифов, которым сегодня угрожают изменение климата и деятельность человека. Нужно уметь быстро замечать любые перемены в популяциях рыб.

На анализ данных вручную уходят годы, — объясняет МакКаммон. — В таком виде этот метод просто не работает в нужном масштабе.

Выход нашелся в нейросетях. Ученые обучили нейросеть самостоятельно продираться сквозь дебри акустических записей и разбирать их в реальном времени.

По точности распознавания звуковых трендов на рифе алгоритм не уступает ученым-экспертам, но работает быстрее них в 25 раз. И это может полностью изменить подход к океаническим исследованиям.

Раз уж нам больше не нужно постоянно привлекать человека, мы можем задуматься о создании других устройств, — рассуждает МакКаммон. — Например, мой коллега Аран Муни уже работает над тем, чтобы встроить такую нейросеть в плавучий буй. Буй сможет в реальном времени передавать данные о том, сколько рыб и как часто издают звуки. А еще мы хотим установить нейросеть на наш подводный беспилотник CUREE, чтобы он сам прислушивался к рыбам и отмечал на карте самые шумные и живые места.

Эта технология может помочь решить давнюю загадку морской акустики: наконец-то связать каждый конкретный звук с конкретной рыбой.

Мы пока далеки от того, чтобы со стопроцентной уверенностью сказать, какая именно рыба издала тот или иной сигнал, — говорит МакКаммон. — Но для меня это и есть тот самый Святой Грааль, к которому мы стремимся. Научившись мгновенно распознавать позывные рыб, мы сможем создавать приборы, которые сначала слышат звук, а потом смотрят, кто же из обитателей плавает поблизости.

В конечном счете исследователь надеется, что нейросеть даст нам возможность следить за рыбными популяциями в реальном времени, вовремя замечать виды, которые оказались под угрозой, и быстро реагировать на природные катастрофы. В эпоху, когда коралловым рифам нужна любая поддержка, такая технология поможет защитникам природы увидеть полную картину того, что происходит с их здоровьем.

Польза для науки:

1. Мгновенная обратная связь: исчезает временная пропасть между сбором данных и их анализом. Мы можем наблюдать за поведением рыб в моменте: как они реагируют на проходящее судно, на изменение температуры воды, на появление хищника. Это открывает дорогу для изучения экологии поведения, о котором мы раньше могли только мечтать.
2. Картирование биоразнообразия: автономные аппараты с нейросетями на борту способны составлять живые, динамичные карты биоактивности океана. Мы сможем увидеть не просто статичную картинку «здесь есть риф», а понять миграционные пути, места нереста и кормежки в масштабе, недоступном спутникам и визуальным наблюдениям.
3. Это ключ к разгадке того, как общаются рыбы. Возможность мгновенно сопоставить звук с конкретным видом (или даже особью) — это основа для изучения эволюции коммуникации в водной среде. Мы сможем расшифровать их язык.

Польза для реальной жизни:

1. Оперативный мониторинг заповедников: сотрудники морских парков получат инструмент для круглосуточной незримой охраны. Как только браконьеры начинают свою деятельность, акустическая картина меняется (рыбы замолкают или издают сигналы тревоги), и система тут же оповещает людей.
2. Оценка ущерба от катастроф: представьте разлив нефти или кораблекрушение. Сейчас оценка урона экологии занимает месяцы. С такими нейросетями мы сможем в реальном времени видеть, покинули ли рыбы район бедствия, и насколько быстро они возвращаются. Это позволит точнее и быстрее принимать решения о ликвидации последствий.
3. Масштабирование климатических исследований: глобальное потепление вызывает обесцвечивание и гибель рифов. Здоровая экосистема — шумная экосистема. Нейросеть позволит превратить любой буй с микрофоном в глобальную сеть мониторинга здоровья планеты. Мы сможем наблюдать не просто за температурой воды, а за тем, как эта температура влияет на жизнь.

Ученые увлеклись гонкой за скоростью и забыли про качество самого исходного материала. Да, нейросеть работает в 25 раз быстрее человека и якобы достигает его точности. Но на каких данных ее учили? На тех самых записях, которые когда-то  расшифровали люди. А люди, как нам честно признается сам МакКаммон, делают «ужасную, мучительную работу».

Получается замкнутый круг: мы учим машину на заведомо несовершенных данных, которые утомленный исследователь мог отметить с ошибкой или пропустить важный звук из-за усталости. Нейросеть великолепно обобщает закономерности, но она также великолепно обобщает и ошибки человека.

Кроме того, сильно беспокоит так называемая проблема «черного ящика». Мы видим, что алгоритм говорит „это рыба“, но мы понятия не имеем, на каком именно акустическом признаке он основывает свой вывод. На тембре? На частоте? На длительности импульса? Пока мы не поймем логику самой сети, мы не сможем быть уверены, что она не реагирует на случайный шум проплывающей креветки или на помехи от винта проплывающей яхты. Мы получаем быстрый, но, по сути, необъяснимый ответ. А в вопросах сохранения исчезающих видов полагаться на „магия сработала“ — непозволительная роскошь.

Ранее ученые выяснили, что погубит Большой Барьереный риф.