AI poslouchá žvýkání: Vědci vyvinuli metodu, jak zjistit jídelníček mořských predátorů a chránit oceány

Vědci vyvinuli model umělé inteligence, který dokáže naslouchat zvukům žvýkání predátorů a identifikovat, co právě jedí. Tento nástroj byl trénován na zvucích orlounů skvrnitých, kteří drtí skořápky měkkýšů, jimiž se živí.

Vědci vyvinuli model umělé inteligence, který dokáže naslouchat zvukům žvýkání predátorů a identifikovat, co právě jedí. Tento nástroj byl trénován na zvucích orlounů skvrnitých, kteří drtí skořápky měkkýšů, jimiž se živí. Nová metoda nabízí neinvazivní způsob, jak sledovat stravovací návyky mořských živočichů, což je klíčové pro jejich ochranu.

Porozumění interakcím mezi predátory a kořistí je zásadní pro zjištění, na jakých zdrojích jsou predátoři závislí a jaký tlak vyvíjejí na populace kořisti. Získávání těchto dat je však pod vodou náročné. Tradiční metody, jako jsou kamery na zvířatech, často selhávají kvůli zakalené vodě, a invazivní metody, jako je výplach žaludku, jsou stresující pro zvířata a poskytují neúplné nebo degradované vzorky. Proto se vědci zaměřili na charakteristické zvuky, které zvířata vydávají při drcení skořápek.

Tým provedl experiment v kontrolovaném prostředí nádrže, kde se zaměřil na orlouny skvrnité (rod Aetobatus), kteří jsou zdatní v drcení skořápek. Krmili je známým množstvím a velikostí kořisti a zaznamenávali odpovídající zvukové záznamy. Pro ověření výzkumu pak experiment přenesli do oceánu u pobřeží Floridy, kde umístili mlže a plže před kameru a zvukový záznamník. Analýzou dat zjistili, že dokázali rozlišit mezi druhy kořisti na základě zvuků a také podle doby, kterou predátor potřeboval ke zpracování potravy. Například drcení a pojídání mlže vyžaduje více úsilí než plže, protože orloun musí prosít potravu, aby vyplivl skořápky a vytáhl maso.

Model umělé inteligence byl následně trénován na těchto datech, aby nejprve detekoval zvuky drcení skořápek a odfiltroval je od šumu oceánu. Poté byl trénován k identifikaci kořisti na základě těchto zvuků. Překvapivým zjištěním bylo, že k těmto detekcím nebylo zapotřebí pokročilé umělé inteligence s vysokým výpočetním výkonem. To naznačuje, že nástroj by mohl být přístupný širšímu okruhu vědců a použitelný způsobem, který je výrazně méně náročný na zdroje.

Do budoucna plánuje tým rozšířit výzkum i na další predátory, jako jsou krabi, a aplikovat metodiku na data shromážděná z tagů připevněných na zvířatech. Cílem je získat dlouhodobé záznamy ze stanic v habitatech, aby bylo možné zjistit, kde a kdy dochází k drcení skořápek měkkýšů, a lépe tak pochopit dynamiku mořských ekosystémů a podpořit efektivní ochranářská opatření.