Львы из разных регионов Африки рычат с уникальными особенностями — исследование учёных
Краткое резюме
Учёные из Великобритании и Танзании разработали методику автоматической классификации звуков львов с помощью машинного обучения. Это позволило выявить уникальные особенности рычания львов из разных регионов Африки и повысить точность идентификации животных до 87%.
Учёные выявили региональные различия в рычании львов
Специалисты из Великобритании и Танзании создали методику для автоматической классификации звуков, которые издают львы, используя технологии машинного обучения. Этот подход позволил уточнить структуру львиного рева, выявив в нём новый элемент, а также улучшить точность идентификации отдельных животных до 87%. В ходе исследования выяснилось, что львы из различных регионов Африки имеют уникальные особенности в своих вокализациях.
Каждый лев обладает уникальным рычанием, которое он использует для защиты территории и общения с сородичами в прайде. Биологи записывают эти звуки для оценки численности популяций. Ранее учёным приходилось вручную анализировать длительные записи, чтобы выделить индивидуальные особенности каждого животного. Этот процесс был трудоёмким и зависел от квалификации эксперта, так как люди могли ошибаться или по-разному интерпретировать одни и те же звуки.
Авторы исследования, результаты которого опубликованы в журнале Ecology and Evolution, автоматизировали этот процесс с помощью машинного обучения. Ранее учёные полагали, что львиный рев состоит из трёх частей: начального стона, громкого рыка и заключительного ворчания. Однако новый анализ звуковых паттернов показал, что структура рева сложнее. Исследователи выделили дополнительный элемент — промежуточный рык.
Для анализа звуков учёные применили метод кластеризации K-средних. Алгоритм самостоятельно научился различать типы звуков, опираясь всего на два параметра: длительность и максимальную частоту. Точность классификации достигла 95,4%.
Наиболее важной частью записи для биологов является громкий рык, в котором зашифрована личность животного. Главная трудность ручного анализа заключалась в том, что люди часто путали настоящий рык с похожими звуками, что снижало точность идентификации. Алгоритм справился с этой задачей лучше экспертов, повысив точность определения конкретных львов с 80% (при ручной разметке) до 87%. Программа использует единые критерии оценки и не подвержена усталости, что исключает человеческий фактор.
В процессе работы учёные обнаружили интересные особенности экологии львов. Сравнивая записи из Танзании и Зимбабве, они заметили различия в частотных характеристиках и длительности звуков. Это указывает на существование географических «акцентов»: популяции из разных частей континента имеют уникальные особенности в своём рычании. Эта особенность может усложнить создание универсальной программы для всей Африки, так как нейросеть, обученную на «танзанийском диалекте», придётся дообучать для работы в Зимбабве.
Причины существования таких «акцентов» у львов могут быть разными. Возможно, молодые особи учатся рычать у взрослых, и с каждым поколением происходят небольшие случайные изменения, которые различаются по районам. Также это может быть связано с рельефом и растительностью, влияющими на распространение звука. Львы неосознанно подстраивают своё рычание под местные условия, чтобы оно было слышно как можно дальше.