Les algorithmes d’IA d’apprentissage en profondeur deviennent la technologie clé dans certains des cas d’utilisation les plus complexes au monde. Alors que les outils d’IA et d’apprentissage automatique continuent d’améliorer la plupart des processus humains de base, l’apprentissage en profondeur permet la publicité.
Apprentissage profond vs apprentissage automatique : pourquoi la différence est importante
Dans le domaine de la santé, l’IA d’apprentissage en profondeur est déjà utilisée pour alléger la charge de travail des médecins grâce à ses capacités de diagnostic permettant de fournir des résultats et des recommandations précis en temps réel. Divers domaines de la santé voient déjà plus de cas d’utilisation de l’apprentissage en profondeur mis en œuvre, en particulier dans des domaines spécialisés comme la détection du cancer.
Alors que l’industrie de la santé bénéficie de l’apprentissage en profondeur, étonnamment, les chercheurs mettent également en œuvre l’IA pour comprendre et communiquer avec les baleines. Les baleines sont étudiées depuis très longtemps et continuent d’étonner les chercheurs avec de nouvelles découvertes, notamment en termes de communication.
En fait, les sous-marins utilisent la même forme d’écholocation que les baleines pour communiquer sous l’eau. Il y a même eu des rapports de scientifiques chinois recherchant des moyens de camoufler des signaux sous-marins en utilisant les impulsions sonores émises par les cachalots.
Apprentissage approfondi et communication avec les baleines
Des chercheurs du Harbour Branch Oceanographic Institute de la Florida Atlantic University (FAU) et du College of Engineering and Computer Science utilisent des méthodes d’IA et d’apprentissage automatique pour développer une nouvelle méthode plus précise de détection des appels de baleines. À l’aide d’algorithmes d’apprentissage en profondeur multimodaux (MMDL), les chercheurs évaluent les enregistrements acoustiques et prennent des décisions sur la présence d’appels.
En se concentrant sur la baleine noire de l’Atlantique Nord, les chercheurs espèrent que les nouveaux outils d’apprentissage en profondeur aideront à réduire les faux positifs qui ont souvent été détectés grâce à la technologie acoustique passive. La baleine noire communique en vocalisant une variété de sons à basse fréquence tels que des gémissements, des gémissements, des pouls et des éructations.
(Photo par Renaud Dupuy de la Grandrive / AFP)
Selon les les résultats de l’étude publiés dans le Dans le Journal of the Acoustical Society of America, la détection MMDL a surpassé les méthodes d’apprentissage automatique conventionnelles. Il a également démontré sa supériorité en termes de taux de détection d’appels entrants, de taux de détection de non-appels entrants et de taux de fausses alarmes. Les chercheurs pensent que l’autonomie du détecteur MMDL sera en mesure de surveiller et de protéger efficacement la baleine noire en danger critique d’extinction.
« Notre algorithme d’apprentissage en profondeur est une avancée significative par rapport aux méthodes d’apprentissage automatique conventionnelles. Les taux de faux positifs, de faux négatifs et de fausses alarmes proches de zéro indiquent que ce nouveau détecteur MMDL pourrait être un outil puissant pour la détection et la surveillance de la baleine noire de l’Atlantique Nord, en voie de disparition, à faible densité, en particulier dans les environnements à fort masquage acoustique. », a déclaré Laurent M. Chérubin, Ph.D., auteur principal du rapport de l’université et professeur de recherche à la FAU Harbour Branch.
