ميزت غوغل «خبيرة الطيور العصبية» لفصل أصوات الطيور في البرية لأغراض التصنيف

الطيور تحيط بنا في كل مكان، ويمكننا بمجرد الاستماع إليها أن نتعلم الكثير عن البيئة المحيطة. يستخدم علماء البيئة الطيور لفهم الأنظمة الغذائية وصحة الغابة، فعلى سبيل المثال، إذا كانت هناك نقار خشب أكثر في الغابة، فهذا يعني وجود كثير من الأشجار الميتة الواقفة. ولأن الطيور تتواصل وتحدد أراضيها بالأغاني والصيحات، فإن أكثر الطرق فعالية لتحديدها هي عبر السمع. والواقع أن الخبراء يستطيعون تحديد عدد من الطيور بالسمع يفوق ما يحددونه بالنظر بعشرة أضعاف.

في السنوات الأخيرة، سهلت أجهزة التسجيل المستقلة (ARU) تسجيل آلاف الساعات من الأصوات في الغابات، والتي يمكن استخدامها لفهم النظم البيئية بشكل أفضل وتحديد أماكن الموائل الحرجة. غير أن مراجعة البيانات الصوتية يدويا تستغرق وقتا طويلا جدا، والمتخصصون في أصوات الطيور نادرون. 

يمكن لنهج يعتمد على التعلم الآلي (ML) أن يقلل بشكل كبير من عدد التقييمات الخبيرة اللازمة لفهم بيئة الموائل. غير أن تصنيف الأصوات الصوتية لأنواع الطيور بالتعلم الآلي قد يكون صعبا لعدة أسباب. أولها أن الطيور كثيرا ما تغني في الوقت نفسه، لا سيما خلال «جوقة الفجر» حين تكون كثير من الطيور في أوج نشاطها. 

إضافة إلى ذلك، لا توجد تسجيلات واضحة لطيور منفردة يمكن التعلم منها، إذ إن معظم بيانات التدريب المتاحة سُجلت في ظروف صاخبة في الخارج، حيث تكثر أصوات الرياح والحشرات ومصادر بيئية أخرى. ونتيجة لذلك، تواجه نماذج تصنيف أصوات الطيور الحالية صعوبة في تحديد الأصوات الخافتة والبعيدة والمتداخلة. 

وكثيرا ما تظهر بعض الأنواع الأكثر شيوعا دون وسم على خلفية تسجيلات التدريب للأنواع الأقل شيوعا، مما يؤدي إلى أن النماذج لا تأخذ الأنواع الشائعة في الحسبان. وهذه الحالات المعقدة بالغة الأهمية لعلماء البيئة الذين يرغبون في تحديد الأنواع المهددة بالانقراض بواسطة الأنظمة الآلية.

لمعالجة التحدي العام المتمثل في تدريب نماذج التعلم الآلي على الفصل التلقائي للتسجيلات الصوتية دون الحاجة إلى أمثلة لأصوات معزولة، اقترح باحثو غوغل مؤخرا أسلوبا جديدا غير خاضع للإشراف يسمى تعلم ثوابت المزج (MixIT) في ورقة بحثية بعنوان «فصل الصوت غير الخاضع للإشراف باستخدام تعلم ثوابت المزج». 

إضافة إلى ذلك، في ورقة بحثية بعنوان «تحسين تصنيف الطيور بفصل الصوت دون إشراف»، يستخدم الباحثون تدريب MixIT لفصل أصوات الطيور وتحسين تصنيف الأنواع. ووجد العلماء أن إدراج الصوت المفصول في عملية التصنيف يرفع دقته وجودته عبر ثلاث مجموعات بيانات مستقلة للمشاهد الصوتية. 

فصل الصوت لأصوات الطيور

يتعلم MixIT فصل التسجيلات أحادية القناة إلى عدة مسارات منفصلة، ويمكنه التدرب بالكامل على التسجيلات الصاخبة من العالم الحقيقي. ولتدريب نموذج الفصل، يُنشئ الباحثون «مزيجا من المزائج» (MoM) عبر خلط تسجيلين من العالم الحقيقي معا. ثم يتعلم نموذج الفصل تحليل MoM إلى قنوات متعددة، بهدف تقليل دالة الخسارة التي تستخدم التسجيلين الأصليين من العالم الحقيقي كمراجع للمصداقية. 

تستخدم دالة الخسارة هذه المراجع لتجميع القنوات المفصولة بطريقة يمكن معها مزجها معا لإعادة إنشاء التسجيلين الأصليين من العالم الحقيقي. ولأنه لا يمكن معرفة كيفية تجميع الأصوات المختلفة في MoM معا في التسجيلات الأصلية، فليس أمام نموذج الفصل خيار سوى فصل الأصوات المنفردة، وبذلك يتعلم وضع كل طائر مغرد في قناة صوت خارجية مختلفة، والفصل بينه وبين الرياح وغيرها من الضوضاء الخلفية.

درب الباحثون نموذج الفصل الجديد MixIT باستخدام تسجيلات أصوات الطيور من Xeno-Canto وMacaulay Library. ووجدوا أنه في فصل أصوات الطيور تفوق هذا النموذج الجديد على نموذج الفصل MixIT الذي دُرب على كمية كبيرة من الأصوات العامة من مجموعة بيانات AudioSet. 

يقيس العلماء الجودة بمزج تسجيلين معا، ثم تطبيق الفصل، ثم إعادة مزج القنوات الصوتية المفصولة بحيث تعيد إنشاء التسجيلين الأصليين. ويُقاس نسبة الإشارة إلى الضوضاء (SNR) للصوت المعاد مزجه مقارنة بالتسجيلات الأصلية. 

وجد الباحثون أيضا أمثلة كثيرة عمل فيها النظام بشكل مدهش، إذ فصل نداءات يصعب للغاية تمييزها في البيانات الواقعية. 

تصنيف أنواع الطيور

لتصنيف الطيور في الصوت الحقيقي المسجل بأجهزة ARU، قسّم العلماء الصوت أولا إلى مقاطع مدة كل منها خمس ثوانٍ، ثم أنشأوا مخطط طيف ميل لكل مقطع. بعد ذلك يدربون مصنف EfficientNet على تحديد أنواع الطيور من صور مخطط الطيف الميلي للصوت من Xeno-Canto وMacaulay Library. 

قدم الباحثون عدة أساليب جديدة لتحسين تدريب المصنفات. يطلب التدريب التصنيفي من المصنف تقديم تسميات لكل مستوى من مستويات التصنيف الحيوي للأنواع (الجنس والفصيلة والرتبة)، مما يتيح للنموذج تعلم مجموعات الأنواع قبل تعلم الفروق الدقيقة أحيانا بين الأنواع المتشابهة. 

يتيح التدريب التصنيفي أيضا للنموذج الاستفادة من المعلومات الخبيرة حول العلاقات التصنيفية بين الأنواع المختلفة. ووجدوا أن الترشيح العشوائي للترددات المنخفضة مفيد في محاكاة الأصوات البعيدة أثناء التدريب، إذ تتلاشى الأجزاء عالية التردد قبل منخفضة التردد كلما ابتعد مصدر الصوت. وكان هذا فعالا بشكل خاص في تحديد أنواع من منطقة سييرا العالية، حيث ينتشر صوت الطيور لمسافات كبيرة دون عوائق من الأشجار.

تصنيف الصوت المفصول

وجد المهندسون أن فصل الصوت بنموذج MixIT الجديد قبل التصنيف حسّن أداء المصنف على ثلاث مجموعات بيانات مستقلة من العالم الحقيقي. وكان الفصل ناجحا بشكل خاص في تحديد الطيور الخافتة والخلفية، وساعد في كثير من الحالات على الأصوات المتداخلة.

لنموذج الفصل بعض القيود المحتملة. أحيانا يحدث فصل مفرط، حيث تنقسم أغنية واحدة إلى عدة قنوات، مما قد يؤدي إلى تصنيف خاطئ. كذلك، عندما تغني عدة طيور معا، غالبا ما تحصل الأغنية الأبرز على درجة أقل بعد الفصل. 

قد يعود ذلك إلى فقدان سياق البيئة أو أسباب أخرى ناتجة عن الفصل لا تظهر أثناء تدريب المصنف. وفي الوقت الحالي، يحصل العلماء على أفضل النتائج بتشغيل المصنف على القنوات المفصولة والصوت الأصلي، واختيار أعلى درجة لكل نوع. وسيتيح العمل المستقبلي تقليل الفصل المفرط وإيجاد طرق أفضل للجمع بين الفصل والتصنيف. 

الاتجاهات المستقبلية

يعمل مهندسو غوغل حاليا مع شركاء من أكاديمية كاليفورنيا للعلوم لفهم كيفية تغير الموائل وتركيبة الأنواع بعد حرائق الغابات، عبر تطبيق هذه النماذج على أصوات ARU المجمعة على مدى سنوات عديدة.

«نتوقع أيضا تطبيقات عديدة محتملة لنماذج الفصل غير الخاضع للإشراف في علم البيئة، إلى جانب الطيور. فعلى سبيل المثال، يمكن استخدام الصوت المفصول لإنشاء مؤشرات صوتية أفضل، قادرة على قياس صحة النظام البيئي من خلال تتبع النشاط الإجمالي للطيور والحشرات والبرمائيات دون تحديد أنواع بعينها»، قال الباحثون.

يمكن أيضا تكييف أساليب مماثلة للاستخدام تحت الماء لتتبع حالة الشعاب المرجانية.