Doğa bilimcileri, tehlike altındaki türleri korumak amacıyla sesleri daha hızlı bir şekilde inceleyebilmek için Perch adlı yeni yapay zeka modelimizden faydalanıyor. Bu model, Hawaii balcı kuşlarından mercan resiflerine kadar geniş bir yelpazeyi kapsıyor.
Vahşi ekosistemlerin genel sağlığını güvence altına almanın bir yolu, araştırmacıların mikrofonlar veya sualtı hidrofonları aracılığıyla kuşlar, kurbağalar, böcekler, balinalar ve balıklar gibi çeşitli canlılara ait büyük hacimli ses kayıtlarını toplamasıdır. Bu kayıtlar, belirli bir alandaki fauna ve ekosistemin durumu hakkında önemli bilgiler sunsa da, böylesine devasa bir veri setini yorumlamak hala ciddi bir çaba gerektiriyor.
Doğa bilimcilere biyoakustik verilerin analizinde destek olmak amacıyla geliştirilen yapay zeka modeli Perch, yakın zamanda güncellendi. Bu yeni sürüm, kuş türlerini tahmin etmede önceki versiyondan daha gelişmiş ve çağdaş yeteneklere sahip. Perch’in bu yeni versiyonu, özellikle mercan resifleri gibi su altı alanları dahil olmak üzere farklı çevrelere daha etkin uyum sağlayabiliyor. Ayrıca, memeliler, amfibiler ve hatta insan kaynaklı sesler gibi daha çeşitli hayvan gruplarını kapsayan, Xeno-Canto ve iNaturalist gibi açık kaynaklardan elde edilen neredeyse iki kat daha fazla veriyle eğitildi. Model, binlerce hatta milyonlarca saatlik ses kaydındaki karmaşık akustik ortamları ayrıştırabilir. Dahası, “doğan yavru sayısı”ndan “belirli bir bölgedeki bireysel hayvan sayısı”na kadar çeşitli sorulara yanıt verebilen çok yönlü bir araç olarak hizmet ediyor. Araştırmacılara gezegenimizin ekosistemlerini koruma çabalarında yardımcı olmak amacıyla, Perch’in bu güncellenmiş versiyonu açık kaynak olarak yayınlandı ve Kaggle platformunda erişime açıldı.
Perch’in ilk versiyonu, 2023’teki başlangıcından bu yana 250.000’den fazla kez indirildi ve açık kaynak kodlu çözümleri, günümüzde aktif biyologların kullandığı araç setlerine başarılı bir şekilde entegre edildi. Örneğin, Perch’in vektör arama kütüphanesi, Cornell’in sıkça kullanılan BirdNet Analyzer’ının artık ayrılmaz bir bileşenidir. Buna ek olarak, Perch, BirdLife Australia ve Avustralya Akustik Gözlemevi’ne, Avustralya’ya özgü çeşitli türler için sınıflandırma sistemleri geliştirmelerinde destek sağladı. Örneğin, geliştirdiğimiz araçlar, gizemli bir Düzlük Göçebesi popülasyonunun yeni keşfine olanak tanıdı. James Cook Üniversitesi’nden (Avustralya) Araştırma Dekanı Paul Roe, bu buluşu “inanılmaz bir keşif” olarak nitelendirerek, bu tür akustik izlemenin pek çok nesli tükenmekte olan kuş türünün geleceğini şekillendirmede kritik bir rol oynayacağını belirtti. Yakın zamanda yapılan araştırmalar, Perch’in daha önceki versiyonunun bireysel kuşları tespit etme ve kuş popülasyonlarının yoğunluğunu takip etme potansiyeline sahip olduğunu ortaya koydu. Bu durum, popülasyon izlemede geleneksel yakala-bırak çalışmalarına olan ihtiyacı muhtemelen azaltabilir.
Son olarak, Hawaii Üniversitesi’ndeki LOHE Biyoakustik Laboratuvarı’nda görevli biyologlar, Hawaii mitolojisinde önemli bir yeri olan ve dışarıdan gelen sivrisineklerin neden olduğu kuş sıtması tehdidiyle yok olma riski taşıyan balcı kuşu popülasyonlarını izlemek ve korumak için Perch’i kullandılar. Perch, LOHE Laboratuvarı’na balcı kuşlarının seslerini standart yöntemlere kıyasla yaklaşık 50 kat daha çabuk bulma olanağı sunarak, daha geniş bölgelerde daha fazla balcı kuşu türünü takip etmelerine imkan tanıdı. Yeni modelin bu çalışmaları daha da ivmelendirmesi beklenmektedir.
Perch modeli, bir kayıtta hangi türlerin varlığını tahmin edebilmesinin yanı sıra, bilim insanlarına tek bir örnekle başlayarak hızla yeni sınıflandırma sistemleri oluşturma ve az eğitim verisine sahip veya yavruların sesleri gibi spesifik seslere yönelik türleri izleme imkanı sunan açık kaynaklı araçlar da temin etmektedir. Belirli bir ses örneği verildiğinde, Perch aracılığıyla yapılan vektör araması, bir veri kümesindeki en benzer sesleri ortaya çıkarır. Bu sayede, yerel bir uzman arama sonuçlarını bir sınıflandırıcıyı eğitmek üzere ilgili veya ilgisiz olarak işaretleyebilir. Vektör araması ile güçlü bir gömme modelini içeren aktif öğrenme kombinasyonu, “çevik modelleme” olarak adlandırılmaktadır. Son yayımlanan makalemiz olan “Squawk Araması: Biyoakustikte Çevik Modelleme”, bu metodolojinin kuşlarda ve mercan resiflerinde başarılı olduğunu ve bir saatten daha kısa bir sürede yüksek kaliteli sınıflandırıcıların geliştirilmesine olanak sağladığını kanıtlamaktadır.
Geliştirdiğimiz modeller ve metodolojiler bir araya gelerek, koruma çalışmalarının etkinliğini en üst düzeye çıkarmaya destek oluyor ve sahada anlamlı çalışmalar için daha fazla zaman ile kaynak ayrılmasını sağlıyor. Hawaii ormanlarından okyanus resiflerine kadar geniş bir yelpazede, Perch projesi, teknik yetkinliğimizi gezegenimizin en kritik sorunlarına yönlendirdiğimizde yaratabileceğimiz derin etkiyi gözler önüne seriyor. Geliştirilen her sınıflandırıcı ve incelenen her saatlik veri, gezegenimizin zengin ve canlı bir biyolojik çeşitliliğin melodilerinden oluştuğu bir geleceğe bizi daha da yaklaştırıyor.
Yeni Perch modeli Kaggle platformundan indirilebilir. Konuyla ilgili makalemiz Arxiv’de bulunmaktadır. Biyoakustikte çevik modelleme üzerine kaleme aldığımız makaleye göz atabilirsiniz. GitHub depomuza erişim sağlanabilir.
Bu araştırma, Google Araştırma’dan Otilia Stretcu ile Perch ekibi üyeleri Bart van Merriënboer, Jenny Hamer, Vincent Dumoulin, Lauren Harrell ve Tom Denton tarafından yürütüldü. Ayrıca, Hawaii Üniversitesi’nden Amanda Navine ve Pat Hart ile Cornell Ornitoloji Laboratuvarı’ndan Holger Klinck, Stefan Kahl ve BirdNet ekibine minnettarlığımızı sunarız. Yazımızda bahsetme fırsatı bulamadığımız diğer tüm dost ve iş birlikçilerimize de teşekkür ederiz.