Dans un note publiée sur le blog de Google, Julie Cattiau, chef de produit, Google AI, a présenté le mois dernier un projet basé sur du machine learning et des réseaux de neurones profonds permettant de protéger la population d’orques de la mer de Salish. Un cas d’usage très intéressant de ces technologies pour le bien commun sur lequel travaillent Google AI, Fisheries and Oceans Canada (DFO) et Rainforest Connection.
Les orques, ou épaulards, sont plus que jamais menacés de disparition du fait notamment de la pollution des océans, des nuisances sonores ou encore de la surpêche. Un constat que font de nombreuses associations et chercheurs, dont DFO. Dans son post, Julie Cattiau, précise :
“Autrefois, des centaines d’orques, ou épaulards, sillonnaient la mer des Salish, qui longe la Colombie-Britannique jusqu’à l’État de Washington, aux États-Unis. Aujourd’hui, la population d’orques résidentes du Sud – un sous-groupe d’épaulards – ne compte plus que 73 individus et lutte pour sa survie.
Dans le cadre de notre travail sur l’intelligence artificielle pour le bien commun, et en association avec Fisheries and Oceans Canada, nous utilisons le machine learning afin de protéger cette population.”
L’organisme Fisheries and Oceans Canada travaille justement à la surveillance des orques et met en cause plusieurs éléments qui nuisent à leur survie : “la rareté des proies (particulièrement le saumon quinnat, leur repas favori), les contaminants, ainsi que les perturbations liées à l’activité humaine et au passage des bateaux”.
Le projet de protection des populations d’orques dans la mer des Salish a donc été lancé en association avec Fisheries and Oceans Canada et Rainforest Connection. Il s’agit comme le précise Julie Cattiau d’utiliser “les réseaux de neurones profonds pour suivre, surveiller et observer le comportement des épaulards dans la mer des Salish et envoyer des alertes aux autorités canadiennes. Grâce à cette information, les spécialistes des mammifères marins peuvent surveiller et traiter les animaux blessés, malades ou en détresse. En cas de déversement de pétrole, le système de détection permet aussi aux experts de localiser les orques et, au moyen d’équipement spécialisé, de modifier leur trajectoire afin de les éloigner du danger”.
Afin d’entraîner leur modèle de machine learning, l’équipe en charge du projet a pu compter sur près de 1800 heures d’enregistrements sous-marins et 68 000 étiquettes identifiant l’origine des chant fournies par Fisheries and Oceans Canada. Ces données ont été fondamentales pour que le modèle puisse reconnaître les chants des orques.
“Le modèle analyse en temps réel les bruits que Pêches et Océans Canada surveille à 12 endroits de l’habitat des orques résidentes du Sud. Lorsque le modèle repère un bruit indiquant la présence d’un épaulard, ce dernier s’affiche sur l’interface Web de Rainforest Connection (un organisme subventionné par Google AI Impact Challenge) et des alertes de localisation sont transmises à Fisheries and Oceans Canada et à d’autres partenaires clés en temps réel au moyen d’une application créée par Rainforest Connection.
Pour la suite du projet, nous tenterons de distinguer les trois sous-populations d’orques – les orques résidentes du Sud, les orques résidentes du Nord et les orques Biggs – afin de mieux surveiller leur santé et de les protéger en temps réel. Nous espérons que les progrès réalisés en technologie bioacoustique fondée sur l’intelligence artificielle nous aideront à protéger la faune”.
Légende : Vidéo de l’interface Web de Rainforest Connection exécutant le modèle de détection d’orques de Google.
