ニューサウスウェールズ大学（UNSW Sydney）の研究者らが、たった一つの録音のみでトレーニングされた人工知能モデルを開発し、何十年にもわたる海洋の音響記録からシャチなどの絶滅危惧種の鳴き声を高精度で検出することに成功しました。この研究成果は「Scientific Reports」に掲載され、生態学分野における長期的なデータ分析のパラダイムシフトをもたらす可能性があります。 従来の機械学習モデルでは、対象とする動物の鳴き声を数千件含む大規模なトレーニングデータが必要とされていました。しかし、シャチのような稀な種や深海に生息する動物については、十分な録音データを収集するのが極めて困難です。研究を主導したベン・ヤンコビッチ氏らは、人間の音声認識用に既存のシステムを改良し、シャチの鳴き声を検出するアルゴリズムを構築しました。彼らの画期的な手法は、元の録音一つを複製し、ピッチの変化や再生速度の調整、環境ノイズの付加といったデータ拡張処理を施すことで、数千件の疑似トレーニングデータを作成するものです。このプロセスにより、自然な鳴き声のバリエーションや海中での音の伝播特性をシミュレーションしています。 この方法で訓練された検出器は、実際の録音データにおいて従来の大規模データ訓練モデルに匹敵する性能を発揮しました。特にヒゲクジラの一つであるワケイロジロクジラの個体群では、鳴き声の検出精度が 99.4％に達しています。この成功は、同じ群れに属する個体が極めて類似した鳴き声を出す「定型化された音」を持つ種の特性を利用したものです。一方、個体ごとに声帯が異なるイルカなどでは適用が難しいという限界もあります。 この技術の大きな利点は、計算資源の消費量が極めて少ないことです。大規模な深層学習モデルのトレーニングには通常、大量の電力と時間を要しますが、このモデルは通常のノートパソコンで数時間で訓練が可能であり、環境負荷も低減されます。これにより、世界中の海洋調査局や研究者が、過去に収集された膨大なアクイック記録（パッシブアコースティックモニタリング）を、高価な計算資源や専門的なデータなしで解析できるようになります。 今後は、インド洋中部の 25 年間にわたるデータセットにこの手法を適用し、クジラの鳴き声の長期的な変化や、個体間の学習を通じた文化の継承などの生態学的な洞察を得る予定です。また、この技術は鳥類や昆虫など、繰り返し可能な音声を発する他の希少種のモニタリングにも応用可能であり、人間がほとんど耳にしたことのない生物の研究を加速させることが期待されています。