Google DeepMind adapta o Perch 2.0: modelo treinado com canto de pássaros reconhece sons de baleias

A Google DeepMind encontrou uma forma inesperada de estudar o oceano: o Perch 2.0, modelo criado para reconhecer o canto de pássaros e de outros animais terrestres, também lida com segurança com as vozes de baleias. Isso pode reduzir o tempo de desenvolvimento de modelos marinhos separados e acelerar o monitoramento acústico de populações raras.

Como o modelo foi testado

O Perch 2.0 é um modelo bioacústico de base, treinado com milhões de gravações de aves, anfíbios, insetos e mamíferos. Originalmente, ele não foi feito para o oceano, mas para analisar paisagens sonoras terrestres. Mas a Google DeepMind e o Google Research decidiram verificar se, em vez de construir do zero um novo sistema para baleias, era possível reaproveitar uma base já pronta.

A lógica é simples: se um modelo de base transfere conhecimento entre diferentes tipos de sinais, os cientistas não precisarão gastar tanto poder computacional e tempo em um desenvolvimento separado.

Para o teste, a equipe usou três conjuntos de dados de áudio marinho com vozes de baleias e outros ruídos submarinos. Cada trecho de cinco segundos foi convertido em um espectrograma, um mapa visual de frequências e intensidade do som ao longo do tempo. Em seguida, o Perch 2.0 transformou esses dados em embeddings, conjuntos compactos de características que permitem distinguir, por exemplo, o assobio de uma orca do sinal de uma baleia-jubarte.

Depois, os pesquisadores treinaram um classificador logístico simples com apenas alguns exemplos: de quatro a 32 embeddings por conjunto de dados. Mesmo com tão poucos exemplos, a qualidade foi alta e continuou crescendo com a adição de dados.

Por que a transferência funcionou

A ideia central é o transfer learning, ou transferência de aprendizado. O modelo primeiro aprende padrões acústicos gerais a partir de uma enorme massa de um tipo de dados e depois aplica esse conhecimento a outra tarefa, mas relacionada.

No caso do Perch 2.0, a transferência parece especialmente inesperada: pássaros cantam no ar, enquanto baleias se comunicam debaixo d'água. Mas o modelo, ao que parece, capta mais do que o meio de propagação do som: pega padrões mais sutis, como o formato do assobio, a dinâmica das frequências, a duração e a microestrutura do sinal.

"Treinamos esse modelo para encontrar pequenos detalhes em paisagens sonoras."

Os pesquisadores oferecem várias explicações. Aves e mamíferos marinhos podem ter mecanismos de produção de som evolutivamente parecidos. Além disso, modelos grandes treinados com dados variados costumam funcionar bem fora do domínio original. Por fim, reconhecer vocalizações de aves já é muito difícil por si só: o modelo é forçado a notar diferenças mínimas. Isso provavelmente o ajuda debaixo d'água. Segundo a equipe, os assobios de algumas populações de orcas até ficam em uma faixa do espectrograma parecida com a de muitos sinais de aves.

Por que isso interessa aos biólogos

Para pesquisadores do oceano, o resultado importa por mais do que ser uma bela demonstração. Na bioacústica, novos tipos de sinais são descobertos o tempo todo, e parte dos ruídos submarinos ainda não tem nenhuma classificação confiável. Se, em vez de criar um modelo separado para cada espécie, for possível pegar um sistema de base poderoso e ajustar rapidamente um classificador leve, o ciclo de pesquisa fica visivelmente mais curto. Isso é especialmente útil no monitoramento acústico passivo, em que cientistas passam meses ouvindo enormes volumes de gravações de boias, hidrofones e estações autônomas.

• Lançamento mais rápido de novos modelos para populações específicas de baleias
• Menor custo de treinar do zero e de testar arquiteturas
• Funciona mesmo com pouquíssimos exemplos rotulados
• Busca mais flexível por tipos de sinais raros e ainda não descritos

Também é importante que o Perch 2.0 tenha sido comparado não só com o modelo anterior do Google para baleias, mas também com outros modelos bioacústicos para aves, animais e recifes de coral. Nessa comparação, ele ficou em primeiro ou em segundo lugar. Ou seja, não se trata de um teste isolado e com sorte, mas de um resultado forte diante de alternativas especializadas. Para projetos de conservação, é um bom sinal: uma única ferramenta de áudio de base pode funcionar em vários ecossistemas ao mesmo tempo.

O que isso significa

A história do Perch 2.0 mostra que os modelos de IA de base começam a ser úteis não só para chatbots e geração de conteúdo, mas também para a ciência de campo. Se a transferência de aprendizado funciona entre pássaros e baleias, os biólogos ganham a chance de acompanhar mais rápido o estado das populações, perceber mudanças no comportamento dos animais e proteger melhor as espécies vulneráveis.