Um novo estudo liderado pela University of New South Wales demonstra que é possível detetar vocalizações de baleia-azul com uma precisão próxima de 100%, mesmo quando o sistema de inteligência artificial foi treinado a partir de apenas um único registo sonoro.
A investigação, conduzida pelo doutorando Ben Jancovich, mostra como uma rede neuronal de aprendizagem profunda conseguiu identificar cantos da baleia-azul em gravações que abrangem décadas e diferentes bacias oceânicas, abrindo novas possibilidades para o estudo de espécies raras e difíceis de observar.
Um único exemplo para treinar a máquina
Tradicionalmente, os modelos de aprendizagem automática necessitam de milhares de exemplos para serem eficazes. Neste caso, os investigadores recorreram a apenas um canto de baleia-azul, que foi depois transformado em milhares de variações sintéticas através de alterações como mudanças de tom, duração e adição de ruído de fundo.
“No entanto, este novo modelo foi treinado apenas com uma única gravação de um canto de baleia-azul”, explica Ben Jancovich, sublinhando o carácter inédito da abordagem.
Apesar da simplicidade do método, o sistema revelou uma elevada eficácia, atingindo resultados comparáveis aos de modelos treinados com grandes volumes de dados. Num dos testes, conseguiu identificar corretamente 99,4% das vocalizações de uma população específica.
Explorar décadas de gravações esquecidas
Grande parte dos oceanos está monitorizada através de hidrofones que registam som continuamente, criando arquivos de dados que permanecem largamente inexplorados devido à dificuldade em analisá-los manualmente.
“Quando estamos a estudar mamíferos marinhos, esses dados são muitas vezes gravações acústicas — e analisar tudo isso ao longo de décadas é extremamente moroso, caro e praticamente impossível para humanos”, refere o investigador.
O novo sistema permite automatizar esse processo, abrindo caminho à análise de registos históricos e à deteção de padrões de longo prazo no comportamento das espécies.
Tecnologia mais eficiente e com menor impacto
Além da precisão, o modelo destaca-se pela eficiência computacional. Em vez de semanas de processamento, pode ser treinado em poucas horas num computador portátil comum, reduzindo significativamente o consumo energético associado à aprendizagem automática.
Segundo os investigadores, esta abordagem poderá também ser aplicada a outras espécies com vocalizações consistentes, como certas aves ou insetos, permitindo estudar a biodiversidade em ambientes remotos de forma mais acessível.
O próximo passo será aplicar o sistema a um conjunto de dados de 25 anos no oceano Índico, com o objetivo de analisar alterações de longo prazo nos cantos das baleias-azuis e compreender melhor o seu comportamento e “cultura” vocal entre gerações.
