Google DeepMind adapta Perch 2.0: un modelo entrenado con cantos de aves reconoce llamadas de ballenas

Google DeepMind ha encontrado una forma inesperada de estudiar el océano: Perch 2.0, un modelo creado para reconocer el canto de las aves y de otros animales terrestres, también se desenvuelve con fiabilidad con las voces de las ballenas. Esto puede reducir el tiempo de desarrollo de modelos marinos independientes y acelerar el monitoreo acústico de poblaciones raras.

Cómo se probó el modelo

Perch 2.0 es un modelo bioacústico de base entrenado con millones de grabaciones de aves, anfibios, insectos y mamíferos. En origen no se diseñó para el océano, sino para analizar paisajes sonoros terrestres. Pero Google DeepMind y Google Research decidieron comprobar si, en lugar de construir desde cero un sistema nuevo para ballenas, podían reutilizar una base ya existente.

La lógica es sencilla: si un modelo de base transfiere conocimiento entre distintos tipos de señales, los científicos no tendrán que invertir tanto cómputo y tiempo en un desarrollo aparte.

Para la prueba, el equipo tomó tres conjuntos de datos de audio marino con voces de ballenas y otros ruidos submarinos. Cada fragmento de cinco segundos se convirtió en un espectrograma, un mapa visual de frecuencias e intensidad del sonido a lo largo del tiempo. Después, Perch 2.0 transformó esos datos en embeddings, conjuntos compactos de rasgos que permiten distinguir, por ejemplo, el silbido de una orca de la señal de una ballena jorobada.

A continuación, los investigadores entrenaron un clasificador logístico sencillo con muy pocos ejemplos: de cuatro a 32 embeddings por conjunto de datos. Incluso con tan pocos ejemplos, la calidad fue alta y siguió mejorando al añadir datos.

Por qué funcionó la transferencia

La idea clave es el transfer learning, o transferencia de aprendizaje. Primero, el modelo aprende patrones acústicos generales a partir de un enorme volumen de un tipo de datos; después aplica ese conocimiento a otra tarea, pero relacionada.

En el caso de Perch 2.0, la transferencia resulta especialmente sorprendente: las aves cantan en el aire y las ballenas se comunican bajo el agua. Pero el modelo parece captar algo más que el medio de transmisión del sonido: patrones más sutiles como la forma del silbido, la dinámica de las frecuencias, la duración y la microestructura de la señal.

«Entrenamos este modelo para encontrar pequeños detalles en los

paisajes sonoros».

Los investigadores proponen varias explicaciones. Las aves y los mamíferos marinos podrían tener mecanismos de producción de sonido evolutivamente parecidos. Además, los modelos grandes entrenados con datos diversos suelen funcionar bien fuera de su dominio original. Por último, reconocer vocalizaciones de aves ya es muy difícil de por sí: el modelo se ve obligado a captar diferencias mínimas. Probablemente eso le ayuda bajo el agua. Según el equipo, los silbidos de algunas poblaciones de orcas incluso se sitúan en un rango del espectrograma similar al de muchas señales de aves.

Por qué interesa a los biólogos

Para los investigadores del océano, este resultado importa más que como una demostración vistosa. En bioacústica se descubren continuamente nuevos tipos de señales, y parte de los ruidos submarinos aún carece por completo de una clasificación fiable. Si, en lugar de crear un modelo distinto para cada especie, se puede tomar un potente sistema de base y ajustar rápidamente un clasificador ligero, el ciclo de investigación se acorta de forma notable. Es especialmente útil para el monitoreo acústico pasivo, en el que los científicos pasan meses escuchando enormes volúmenes de grabaciones de boyas, hidrófonos y estaciones autónomas.

• Lanzamiento más rápido de nuevos modelos para poblaciones concretas de ballenas
• Menores costes de entrenar desde cero y de probar arquitecturas
• Funciona incluso con muy pocos ejemplos etiquetados
• Búsqueda más flexible de señales raras y aún no descritas

También es relevante que Perch 2.0 se comparó no solo con el modelo anterior de Google para ballenas, sino con otros modelos bioacústicos para aves, animales y arrecifes de coral. En esa comparación quedó primera o segunda. Es decir, no se trata de una prueba aislada con suerte, sino de un resultado sólido frente a alternativas especializadas. Para los proyectos de conservación es una buena señal: una sola herramienta de audio de base puede funcionar en varios ecosistemas a la vez.

Qué significa

La historia de Perch 2.0 muestra que los modelos de IA de base empiezan a ser útiles no solo para los chatbots y la generación de contenido, sino también para la ciencia de campo. Si la transferencia de aprendizaje funciona entre aves y ballenas, los biólogos tienen la oportunidad de seguir más rápido el estado de las poblaciones, detectar cambios en el comportamiento animal y proteger mejor a las especies vulnerables.