Her finn kunstig intelligens stimar av tobis på ekkoloddbilda

ekkogramtolkning

Eksempel på ekkogram (øvst), manuelle tolkingar i midten der dei grønne stimane er annan fisk, og kva nettverket kjenner igjen som stimar av tobis (nedst). (Illustrasjon frå den vitskaplege artikkelen)

Viss vår mann Ronald får 10 av 10 poeng, får den nye «lærlingen» hans 9.

Ekkoloddet sender lyd ned i vatnet, og lyttar etter ekko. 

Ulike fiskeslag har unike ekko-signaturar, eller frekvens-respons, som gjer at forskarane kan tolke kva fisk dei ser på bilda.

Det forskarane ser blir til kvoteråd

På tokt seglar forskarane faste ruter og «tel» fisk med ekkoloddet. Så kan dei berekne kor mykje fisk det er i havet og gi råd for kor mykje det er forsvarleg å fiske.

Tolkinga er einsarta og tidkrevjande, men no har forskarar frå HI og Norsk regnesentral forsøkt å gi jobben til ein kunstig intelligens (AI). Resultata er publiserte i ein ny artikkel.

Mata inn årevis med tobistokt-data

– Vi har trent den opp med ekkoloddbilde frå 5 av 11 år frå det årlege tobistoktet vårt. Eit menneske, nærmare bestemt vår kollega Ronald Pedersen, har frå før av sett namn på kva bilda viser, forklarar havforskar Nils Olav Handegard.

– Så sparte vi 6 år med ekkoloddbilde som den kunstige intelligensen fekk lov å sette namn på sjølv. Eller «gå opp til eksamen».

Senioringeniør Ronald Pedersen har tolka ekkogramma på tobistoktet kvart år. Her på årets tokt i Nordsjøen. (Foto: Åse Husebø / HI)

Nesten fullgod Ronald-kopi

På ein skala frå 0-10, greidde den kunstige intelligensen å skilje tobis andre fiskeslag, tomt hav og havbotn med ein score på 8,7. Det i forhold til «fasiten» tolka av Ronald (full score).

Den kunstige intelligensen verkar ved at den omset ekkoloddata til formar og fargar i fleire omgangar. Til slutt står den igjen med meir abstrakt informasjon om kva den ser på bilda.

Tobistokta var godt utgangspunkt

I dette tilfellet var oppgåva å identifisere kategoriane tobis, tomt hav eller fisk som ikkje er tobis.

– Data frå tobistokta er eit veldig godt utgangspunkt for dette. Dei er godt kategoriserte av ein og same tolkar, som har sett etter ein spesifikk art, forklarar Handegard.

– Ved å trene den kunstige intelligensen på dette, har vi på ein måte fått koda kunnskapen til Ronald elektronisk.

AI er «med» på årets tokt

23. april drog havforskarane på nytt ut på akustisk tobis-tokt. I år skal den kunstige intelligensen analysere ekkoloddata parallelt med Ronald.

– Målet er ikkje å erstatte alle menneske, men å utvikle ein tilnærma like god kunstig intelligens som kan ta ein del av byrden. Særleg når vi i framtida skalerer opp ressursovervakinga med sjølvgåande farkostar.

Forskingsteknikar Eirik Odland og fiskar Ronny Petersen sorterer fangsten om bord på "Eros", som er innleigd til tobistoktet. (Foto: Åse Husebø / HI)

Kan la dronar overvake havet i sanntid

HI har drive uttesting av sjølvgåande segldronar på nettopp tobistoktet.

– Ei slik løysing er definitivt del av morgongdagens datainnsamling. Det er billig, miljøvenleg og skalerbart, seier han.

– Rådata er for store for å sende heime via satellitt. Men om farkostane får med seg kunstig intelligens som kan tolke kva dei ser, kan dei sende resultata heim i sanntid, seier han.

Læring utan fasit

Forskarane vil fortsette å forbetre den kunstige tobis-tolkaren, og jobbar vidare med fleire artar og tokt.

– Vi håpar også å kunne ta i bruk såkalla læring utan rettleiing. Det vil seie at vi ikkje definerer ein fasit som den kunstige intelligensen skal prøve å bli like god som, men at vi gir den ein haug med data som den får finne ut av sjølv. Då kan den bli endå betre enn oss. Men det blir neste steg, seier Handegard.

Referanse

Brautaset, Olav, Anders Ueland Waldeland, Espen Johnsen, Ketil Malde, Line Eikvil, Arnt-Børre Salberg, and Nils Olav Handegard. "Acoustic classification in multifrequency echosounder data using deep convolutional neural networks." ICES Journal of Marine Science (2020). Lenke: https://doi.org/10.1093/icesjms/fsz235