Flere eksperter på området mener, vi befinder os i starten af den sjette store masseuddøen her på jorden. 28 procent af alle planter og dyr er desværre i fare for at uddø.
Hvis vi skal bremse den udvikling, er det vigtigt, at vi overvåger bestandene af dyr. Når vi ved, hvilke arter, der er truede, og hvor de befinder sig, har vi nemlig en chance for at gribe ind, før det er for sent.
Heldigvis kan en lydoptager og kunstig intelligens hjælpe os med at indhente den nødvendige viden. Metoden kaldes 'ecoacoustics' (sammentrækning af de engelske ord for økologi og akustik), og den vil jeg fortælle om i denne artikel, hvor du også kan blive klogere på dyresprog.
Flere års optagelser med dyrelyde
Den traditionelle metode til at overvåge dyrebestande er visuel – det vil sige, at man enten går ud og tæller, hvor mange dyr man kan se, eller man sætter kameraer ud og undersøger så billederne efter at have hentet kameraet tilbage.
Den metode har bare visse begrænsninger.
Især i svært fremkommeligt terræn som tæt skov, eller bjergrige områder kan det være svært at spotte dyrene, man ønsker at tælle. Kommer dyrene ud om natten, som for eksempel flagermus, gør det også opgaven vanskeligere.
Forskere over hele kloden er derfor i højere grad begyndt at bruge dyrenes egne lyde til at bestemme, hvor og hvor mange dyr der er i et givent område.
Man kan i dag købe kompakte enheder, der indeholder alt, hvad man skal bruge for at optage lyd: Batteri, computer, lagringsmedie og mikrofon.
Placerer man sådan en enhed i det økosystem, man ønsker at undersøge, kan man optage lyde gennem måneder eller endda år.
\ Læs også
Kunstig intelligens lytter optagelserne igennem
Det siger sig selv, at det medfører rigtig meget arbejde, hvis man manuelt skal høre disse lange optagelser igennem for at bestemme, hvilke dyrelyde der er blevet optaget.
Her er det kunstig intelligens (AI) kommer ind i billedet. Efter at have trænet en AI, et såkaldt neuralt netværk, til at genkende de dyrelyde, vi er interesserede i, kan man ganske enkelt lade den gå gennem optagelsen. Den vil så genkende dyr, vi vil undersøge.
Det betyder, at man undgår en masse manuelt arbejde. Og samtidig minimerer man risikoen for fejl, der kan opstå, fordi vi mennesker kan have svært ved at holde koncentrationen ved så lange kedelige opgaver som at lede efter dyrekald i en optagelse.
Jeg har selv lige brugt AI til at gå igennem optagelser af de sjældne hawaiianske munkesæler. På den måde kunne vi analysere fire års optagelser i løbet af tre dage.
Det ville have taget år, hvis vi skulle have haft en person til at gå dem igennem manuelt. Ikke nok med at det ville have kostet en masse penge til løn, men resultaterne ville også været kommet meget senere. Tiden er vigtig, fordi der er kun 1.600 tilbage af dem i hele verden, så det haster med bedre at beskytte dem.
\ Vi lytter også under vandet
Gennem en række år har forskere benyttet sig af undervandsmikrofoner til at optage dyrelyde og forbinde dem med specifikke arter og typer af adfærd.
En meget stor del af den forskning har handlet om hvaler. Tandhvalerne producerer lyde både i det hørbare område mellem 20 og 20.000 Hz og i det ultrasoniske område.
Marsvinet, tandhvalen, der lever i de Danske farvande, bruger kliklyde til at finde deres bytte. De lyde ligger omkring 130.000 Hz, meget højere end de højeste frekvenser på 20.000 Hz, vi mennesker kan høre.
De høje frekvenser gør, at de ikke forplanter sig så langt i vand, så skal vi undersøge marsvin via deres lyde, skal vi have hydrofonen ret tæt på dem
De store bardehvaler som blåhvaler og finhvaler ligger i den helt anden ende af frekvensspektrummet.
De laver meget dybe lyde, så langt nede, at nogle af dem er for dybe for os mennesker at høre. De lyde kan nå utrolig langt i vand - nogle eksperter mener faktisk, at en blåhval ud for Afrikas kyst vil kunne høre, hvad en blåhval ud for Amerikas kyst siger, tusindvis af kilometer væk.
Den egenskab gør, at vi bedre kan lytte til, hvad bardehvalerne siger og dermed få en masse ny viden om, hvor de befinder sig, hvordan de hvert år migrerer enorme afstande, og hvordan det går med bestandene.
Kan vi tale med dyrene i fremtiden?
Det er ikke kun dyrebestandene, vi kan udforske med kombinationen af kunstig intelligens og bioakustik. Metoden kan også bruges til bedre at forstå, hvad der sker inde i hovedet på dyrene.
På det seneste har canadiske forskeres projekt med at bruge AI til at tolke, hvad høns siger, fået ret stor medieomtale. Forskerne udsætter høns for forskellige stimuli via billeder og lyde og bruger AI til at klassificere hønsenes lyde, alt efter om de blev stresset af den stimulus.
Studiet er spændende, fordi det bruger AI til at 'forstå dyresprog'. Kan det blive starten på, at vi kan tale med dyrene? Kan man forestille sig en ny Google Translate-app, så vi forstår, hvad vores kæledyr prøver at fortælle os?
Nok ikke i lige så høj grad som appen til os mennesker.
Hvor vi mennesker kan kommunikere kun via vores stemme (ret praktisk, når vi taler i telefon), så er kommunikationen mellem dyr oftest fordelt over flere sanser. Det er ikke kun lyden, der skal tages i betragtning, for at forstå hvad de siger. Kropssproget indeholder ofte en meget stor del af den information, der sendes.
Det gør det lidt svært at lave sådan en app.
\ Læs også
Hvad grisene fortæller os
Forskningen, som de canadiske forskere er startet på med at bruge AI til at forstå dyrene, er ikke et helt nyt felt, og Danmark er godt med i feltet.
I 2022 publicerede forskere fra blandt andet Københavns universitet (inklusiv mig selv) et meget lignende studie, hvor vi dog kiggede på svin, ikke høns.
Vi havde en meget stor database med lyde fra en lang række forskellige situationer fra grisenes liv.
Både positive situationer, som at blive genforenet med sine flokfæller eller at spise, men også negative situationer som isolation og endda lyde fra et slagteri.
Vi brugte en speciel type AI, et såkaldt convolutional neural networks (CNN), til at klassificere disse lyde. CNN er rigtig god til at klassificere billeder, så vi transformerede griselydene til såkaldte spektrogrammer.
Et spektogram er en visuel repræsentation af lyde med frekvens op ad y-aksen og tid ud ad x-aksen, som du kan se et eksempel på nedenfor.
Det var på den måde muligt at kategorisere lydene med 92 procent nøjagtighed, om hvorvidt det var en positiv eller negativ situation, grisen befandt sig i da den producerede lyden.
DR har for et par måneder siden vist en dokumentar, der bygger på det studie. Instruktøren Miki Mistrati satte mikrofoner op på traditionelle svinefarme, økologiske farme og hos fritgående grise.
Vi undersøgte så lydene på to måder: Vi trænede et neuralt netværk til at se, om de var glade eller stressede, og vi undersøgte lydene på en mere traditionel måde.
Lydenes længde og frekvens sladrer om dyrets tilstand
Vi har længe vidst, at frekvenserne af lyde generelt hænger sammen med, hvordan dyret har det.
Højfrekvente lyde er oftest forbundet med en ubehagelig situation, og lavfrekvente lyde er oftest forbundet med noget rart. Vi ser desuden ofte, at korte lyde er positive, og lange lyde er negative.
Både det neurale netværk og lydenes frekvenser og længde viste et klart billede af, at grisene, der gik frit, var absolut mest tilfredse.
Det kommer nok ikke som den store overraskelse for de fleste af os, men det her var en undersøgelse set fra grisenes synspunkt, ikke fra vores synspunkt, og det er et skift fra tidligere beslutninger taget ved et skrivebord eller i folketingssalen.
Denne form for klassificering af dyrelyde i positive og negative situationer kan hjælpe med at forbedre dyrevelfærden.
Ved bedre at forstå hvordan dyrene føler i specifikke situationer, kan vi forbedre de forhold, de lever under.
Der er allerede metoder til at anskueliggørelse af stress hos dyr som for eksempel måling af stresshormoner i blodet og adfærdsanalyser.
Denne nye kombination adskiller sig fra de tidligere, ved at det kan automatiseres, kan give umiddelbare resultater og har ingen nævneværdig indflydelse har på dyrene.
AI og bioakustik kan også drive grundforskningen i dyrs mulige bevidsthed fremad. Der er en voksende bevægelse blandt forskere om at intensivere studiet af bevidstheden hos en bred vifte af dyrearter.
Der er stærke videnskabelige beviser på, at pattedyr og fugle har bevidsthed, og empiriske data tyder på, at der er en realistisk chance for, at alle hvirveldyr og visse invertebrater (hvirvelløse dyr, red.) kan have subjektive bevidste oplevelser.
AI kan give os evner til at bedre udforske de komplekse signaler, disse dyr sender, og derved bedre forstå det overraskende rige indre liv, de har.
\ Læs også
Det handler om opmærksomhed
Vi finder allerede nu hele tiden nye måder at udnytte AI til at lære om den verden, vi lever i. Men de nyere, store sprogmodeller, som ChatGPT også bygger på, har virkelig et stort potentiale.
Disse netværk ser mere holistisk på data, end de typer AI man indtil videre har benyttet sig af. Den bagvedliggende algoritme bygger på et 'transformer'-netværk, først beskrevet i en videnskabelig artikel med titlen 'Attention is all you need'.
Den titel beskriver ret præcist virkemåden;
At netværket lærer, hvordan de forskellige dele af data hænger sammen. Lige præcis den type af analyse er yderst relevant for biologiske data, så vi har store forhåbninger til, hvad vi kan finde i fremtiden.
Bill Gates påstod for nogle år siden, at ingen nogensinde ville have brug for mere hukommelse i deres computer end 64 kilobytes.
Jeg bruger en maskine, der har 1,5 millioner gange mere hukommelse til at træne mine neurale netværk.
Så at spå, hvad AI kan bidrage til biologien om i fremtiden, tør jeg slet ikke gætte på - jeg vil med garanti tage fejl, som Bill også gjorde.
Læs om brug og viderebringelse af Videnskab.dk's artikler.
