Je vous résume ici un article du magazine Scientific American. On apprend que cet été plus de 2 000 oreilles électroniques enregistreront le paysage sonore de la chaîne de montagnes de la Sierra Nevada en Californie, générant près d'un million d'heures d'audio. Pour éviter de passer des années à les décoder, les chercheurs s'appuient sur l'intelligence artificielle.
De tels enregistrements créent un portrait sonore ponctuel de la faune présente et pourront éventuellement aider à la conservation de la biodiversité. Le paysage sonore de la Sierra Nevada contient justement des informations cruciales sur la façon dont les incendies de forêt de l'année dernière ont affecté les oiseaux vivant dans les différents habitats de la région. Les enregistrements pourraient révéler comment certaines espèces ont mieux réagi à la catastrophe.
«Les données audio sont un véritable trésor, car elles contiennent de grandes quantités d'informations», déclare l'écologiste Connor Wood, chercheur postdoctoral à l'Université Cornell, qui dirige le projet Sierra Nevada.
De tels systèmes commencent par analyser de nombreux intrants, dans le cas qui nous occupe, des milliers de chants et de cris d'oiseaux enregistrés déjà étiquetés aux espèces correspondantes. Le réseau neuronal apprend alors lui-même quelles fonctionnalités peuvent être utilisées pour associer une nouvelle entrée (dans ce cas, un chant d'oiseau) à une étiquette (l'espèce de l'oiseau). Ce sont des millions de caractéristiques extrêmement subtiles qui permettent de faire le lien entre le chant et l'oiseau. C'est que les systèmes d'apprentissage automatique peuvent également reconnaître les nuances régionales.
Ces systèmes ont bénéficié des progrès récents de la technologie de reconnaissance de la parole humaine et de la musique. En collaboration avec Andrew Farnsworth du Cornell Lab of Ornithology, des experts du Music and Audio Research Laboratory de l'Université de New York se sont appuyé sur leur expérience musicale pour construire un système d'identification des cris d'oiseaux appelés BirdVox. Il détecte et identifie les oiseaux qui migrent la nuit et distingue le chant des oiseaux des bruits de fond.
La qualité de l'apprentissage de chaque système dépend en grande partie de la quantité d'enregistrements pré-étiquetés disponibles. Une mine de données de ce type existe déjà pour les oiseaux communs. Il est estimé qu'environ 4,2 millions d'enregistrements sont disponibles en ligne pour 10 000 espèces. Mais la plupart des quelque 3000 espèces que BirdNET peut identifier se trouvent en Europe et en Amérique du Nord, et BirdVox se concentre davantage sur les chants d'oiseaux basés aux États-Unis. Les ornithologues amateurs peuvent également aider à améliorer le référentiel des chants d'oiseaux. L'application BirdNET pour les cellulaires connaît un grand succès puisque plus de 300 000 enregistrements s'ajoutent à la base de données des chercheurs chaque jour.
L'article original:
«Artificial Intelligence Develops an Ear for Birdsong - Machine-learning algorithms can quickly process thousands of hours of natural soundscapes» By Harini Barath on April 26, 2021, Scientific American web page.
https://www.scientificamerican.com/article/artificial-intelligence-develops-an-ear-for-birdsong/
Je viens de trouver cet article qui nous montre comment se fabriquer un réflecteur parabolique rudimentaire avec un bol, un pot de fleur ou tout autre contenant ayant la forme appropriée.
RépondreEffacerhttps://www.discoverwildlife.com/how-to/make-things/how-to-make-a-parabolic-reflector-from-a-plant-pot