محققان در یک پژوهش جدید، از هوش مصنوعی برای تحلیل دادههای هیدرواکوستیک (صوتی زیر آب) استفاده کردهاند تا مشکل کمبود دادههای برچسبگذاری شده را حل کنند. در بسیاری از پروژههای اقیانوسشناسی، حجم دادههای صوتی بسیار زیاد است و برچسبگذاری دستی آنها بسیار زمانبر و هزینهبر است.
این تیم با استفاده از معماری Masked AutoEncoder (MAE)، توانستند الگوهای پیچیدهای از صدای پستانداران دریایی، فعالیتهای لرزه-آتشفشانی و حتی نویزهای انسانی را تنها با صرف کمتر از یک ساعت زمان برای دستهبندی، شناسایی کنند. این روش نه تنها دقت بالایی دارد، بلکه دریچهای تازه برای نظارت بر محیطهای آبی با استفاده از مدلهای هوشمند است. 🌊🤖
منبع: arXiv Machine Learning
