Zdrowe rafy koralowe kojarzą się z ich wizualnym przepychem: żywą różnorodnością kolorów i kształtów, które wypełniają te piękne podwodne ekosystemy.

Ale mogą to być również miejsca dość hałaśliwe. Jeśli kiedykolwiek nurkowałeś z rurką w środowisku rafy koralowej, będziesz zaznajomiony z charakterystycznymi dźwiękami klikania i dźwięków wydawanych przez różne podwodne organizmy morskie, takie jak klikanie krewetek i karmienie ryb.

Ten szum tła - prawie jak terkot zakłóceń radiowych - jest unikalną cechą pejzażu dźwiękowego rafy koralowej i może pomóc nam monitorować stan tych zagrożonych siedlisk morskich. W nowym badaniu naukowcy wykorzystali uczenie maszynowe do wytrenowania algorytmu rozpoznawania subtelnych różnic akustycznych między zdrową, żywą rafą a zdegradowaną łatą koralową – kontrast akustyczny tak słaby, że człowiek nie jest w stanie go odróżnić.

Zespół stwierdził, że w porównaniu z innymi pracochłonnymi i czasochłonnymi procesami monitorowania stanu raf – nurkowie odwiedzający rafy w celu wizualnej oceny pokrywy koralowej lub ręczne słuchanie zapisów rafy – nowe narzędzie może przynieść znaczące korzyści. Ponadto wielu mieszkańców rafy ukrywa się lub jest widocznych tylko w nocy, co dodatkowo komplikuje wszelkie badania wizualne.

Aby uchwycić akustykę koralowców, naukowcy dokonali nagrań w siedmiu różnych miejscach na Archipelagu Spermond, u południowo-zachodniego wybrzeża indonezyjskiej wyspy Sulawesi, gdzie realizowany jest projekt Mars Coral Restoration Project. Zapisy dotyczyły czterech różnych typów siedlisk rafowych – zdrowych, zdegradowanych, dojrzałych, odrestaurowanych i niedawno odrestaurowanych – z których każdy różnił się ilością pokrywy koralowej, a tym samym tworzył inny wzór hałasu niż stworzenia wodne żyjące i żerujące na tym obszarze.

Aby zautomatyzować ten proces, zespół wyszkolił algorytm uczenia maszynowego, aby rozróżniać różne typy rekordów koralowych. Kolejne testy wykazały, że narzędzie AI potrafiło określić stan rafy na podstawie nagrań audio z 92-procentową dokładnością. Zdaniem naukowców wyniki algorytmu zależą od kombinacji czynników w podwodnym krajobrazie dźwiękowym, w tym obfitości i różnorodności wokalizacji ryb, dźwięków wydawanych przez bezkręgowce, a nawet cichych dźwięków, które mogą być wydawane przez glony.

Wyniki badań zostały przedstawione w czasopiśmie Ecological Indicators.