Open WL Archief (OWA)

Passieve Akoestische Monitoring (PAM) is een krachtige methode voor het bestuderen van mariene omgevingen, maar de enorme hoeveelheid gegenereerde data maakt handmatige analyse onpraktisch. Huidige geautomatiseerde methoden bevinden zich nog in de vroege ontwikkelingsfasen en missen robuustheid en schaalbaarheid voor diverse ecosystemen. Om het volledige potentieel van PAM voor te benutten, zijn innovatieve tools nodig.
Dit project gaat deze uitdaging aan door gebruik te maken van de recente ontwikkelingen in grote taalmodellen (LLMs), een veelbelovend gebied om te verkennen voor soundscape-analyse, omdat het experts toelaat op een meer kwalitatieve en beschrijvende manier met de data te werken. Door contrastieve taal-audio-modellen te trainen, streeft dit project ernaar een systeem te ontwikkelen dat een informatieve embeddingsruimte kan creëren die beoordelingen van de gezondheid van ecosystemen kan ondersteunen. Deze ruimte zou robuuste karakterisering van soundscape-dynamiek in onderwaterecosystemen ondersteunen, waardoor monitoring van ecosystemen mogelijk wordt.
Bovendien is het, om snel te kunnen reageren op een gedetecteerde verandering, noodzakelijk om toegang te hebben tot near-real-time gegevens. Om deze reden wordt het ontwikkelde model ingebed, zodat het op locatie kan worden gebruikt om embeddings te berekenen en deze via satelliet te verzenden. Hierdoor wordt real-time PAM-monitoring mogelijk gemaakt, zonder afhankelijk te zijn van dure bekabelde observatoria.