AI od DeepMind zachraňuje ohrožené druhy: Perch 2.0 a záchrana ptáků

Zpracování nahrávěk dříve trvaly týdny i měsíce. Dnes mohou vědci rychle analyzovat hodiny nahrávek z divoké přírody, aby odhalili přítomnost ohrožených druhů. Právě to umožňuje nová verze modelu Perch 2.0 od DeepMind, který pomáhá ochranářům zpracovávat obrovské množství zvukových dat z mikrofonů a podvodních hydrofonů. Tento model, vydaný 7. srpna 2025, je navržený tak, aby identifikoval vokální projevy ptáků, žab, hmyzu, velryb, ryb a dalších zvířat, a poskytoval klíčové informace o zdraví ekosystémů. Podle informací z blogu DeepMind se Perch 2.0 trénoval na téměř dvojnásobném množství dat oproti předchozí verzi, včetně veřejných zdrojů jako Xeno-Canto a iNaturalist, což zahrnuje savce, obojživelníky a antropogenní hluk. To umožňuje lepší adaptaci na nová prostředí, zejména podvodní, jako jsou korálové útesy, a pomáhá disentanglovat složité akustické scény v tisících nebo milionech hodin nahrávek.

Co je nového v modelu Perch 2.0

Perch 2.0 přináší významná vylepšení oproti původní verzi z roku 2023. Model dosahuje lepších předpovědí druhů ptáků přímo z nahrávek a je schopen odhadovat nejen přítomnost zvířat, ale i počet mláďat nebo jednotlivých jedinců v dané oblasti. Trénován byl na širším spektru zvířat, včetně savců a obojživelníků, což umožňuje křížové monitorování ekosystémů od lesů po korálové útesy. Model využívá supervidované učení (supervised learning) s prototypovým klasifikátorem a sebe-destilací, což zvyšuje přesnost v hlučných prostředích s překrývajícími se voláními. Je otevřeně dostupný na platformě Kaggle, kde si ho stáhlo již přes 250 000 uživatelů, a integruje se do nástrojů jako BirdNet Analyzer od Cornell Lab of Ornithology. Tato otevřenost snižuje bariéry pro nevládní organizace a výzkumníky, kteří mohou model nasadit na velké datasety rychle a efektivně.

Úspěchy Perch v praxi: Příklady z terénu

Perch již prokázal svou hodnotu v reálných projektech. Například v Austrálii pomohl BirdLife Australia a Australian Acoustic Observatory vytvořit klasifikátory pro unikátní australské druhy, což vedlo k objevu nové populace ohroženého druhu Plains Wanderer. Podle citace Paula Roe z James Cook University to představuje "neuvěřitelný objev", který ovlivní budoucnost mnoha ohrožených ptáků. Další úspěch přišel z LOHE Bioacoustics Lab na University of Hawaiʻi, kde model pomohl monitorovat havajské medosavky (Hawaiian honeycreepers), endemické ptáky ohrožené ptačí malárií šířenou nepůvodními komáry. Perch zde zrychlil detekci zvuků téměř 50krát oproti tradičním metodám, což umožnilo pokrýt větší oblasti a chránit více druhů. Nedávné studie ukázaly, že model lze použít i k identifikaci jednotlivých ptáků a odhadu jejich abundance, což snižuje potřebu chytání a vypouštění zvířat pro monitorování populací.

Nástroje pro rychlou analýzu a budoucnost

Kromě předpovědí druhů poskytuje Perch otevřené nástroje pro rychlou tvorbu nových klasifikátorů na základě jediného příkladu zvuku. Pomocí vektorového vyhledávání (vector search) a aktivního učení (active learning) mohou vědci označit relevantní výsledky a vytvořit vysoce kvalitní klasifikátory během méně než hodiny, jak ukazuje papír "The Search for Squawk: Agile Modeling in Bioacoustics". Tento přístup, nazývaný agile modeling, funguje přes ptáky i korálové útesy a umožňuje monitorovat druhy s nedostatkem trénovacích dat nebo specifické zvuky, jako jsou volání mláďat. Perch 2.0 zpracovává miliony hodin nahrávek rychleji, což umožňuje téměř reálný čas analýzy nebo retrospektivní studie, které byly dříve nemožné. To maximalizuje dopad ochranných snah a uvolňuje zdroje pro praktickou práci v terénu.

Cesta k bohatší biodiverzitě

Perch 2.0 ukazuje, jak může umělá inteligence přispět k ochraně planety. Od havajských lesů po oceánské útesy pomáhá tento model analyzovat "playlist" přírody a poskytovat data pro rychlé zásahy. Výzkum byl vyvinut týmem Perch, včetně Bart van Merriënboer, Jenny Hamer, Vincent Dumoulin, Lauren Harrell a Tom Denton, ve spolupráci s partnery jako Amanda Navine, Pat Hart, Holger Klinck a Stefan Kahl. Každý vytvořený klasifikátor a analyzovaná hodina dat nás přibližuje k světu plnému bohaté biodiverzity. Pro více informací si můžete stáhnout model z Kaggle nebo si přečíst související papíry na arXiv.