Исследователи из Великобритании и Танзании разработали инновационный метод автоматической классификации львиных вокализаций с использованием технологий машинного обучения. Этот подход не только позволил уточнить структуру львиного рева, выявив ранее неизвестный элемент, но и значительно повысил точность идентификации отдельных особей — до 87%. Кроме того, выяснилось, что львы из разных регионов Африки «разговаривают» по-разному.

Уникальность львиного рева

Каждый лев обладает уникальным ревом, который служит для защиты территории и коммуникации внутри прайда. Биологи используют записи рева для оценки численности популяций. Ранее для анализа таких данных специалистам приходилось вручную прослушивать часы записей, чтобы выделить индивидуальные фрагменты для каждого животного. Этот процесс был трудоемким и зависел от квалификации экспертов, которые могли ошибаться или по-разному интерпретировать одни и те же звуки.

Машинное обучение в анализе вокализаций

Авторы исследования, опубликованного в журнале Ecology and Evolution, автоматизировали процесс с помощью машинного обучения. Ранее считалось, что львиный рев состоит из трех частей: стонов в начале, громкого рыка и заключительного ворчания. Однако анализ звуковых паттернов показал, что структура сложнее: в громком рыке выделен дополнительный элемент — промежуточный рык (intermediary roar).

Для сортировки звуков был применен метод кластеризации K-средних. Алгоритм, ориентируясь всего на два параметра — длительность звука и его максимальную частоту, научился различать типы вокализаций без участия человека. Точность классификации достигла 95,4%.

Повышение точности идентификации

Самой ценной частью записи для биологов является громкий рык, в котором зашифрована индивидуальность животного. Ручной анализ часто приводил к путанице между настоящим ревом и похожими звуками, что снижало точность идентификации. Алгоритм справился с этой задачей лучше экспертов: использование данных, отобранных нейросетью, повысило точность распознавания конкретных львов с 80% (при ручной разметке) до 87%. Программа применяет единые критерии оценки и не подвержена усталости, что исключает человеческий фактор.

Географические особенности и «акценты»

В ходе работы ученые обнаружили интересные детали экологии львов. Сравнив 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 звучат по-разному. Такая особенность может затруднить создание универсальной программы для всей Африки — нейросеть, обученная на «танзанийском диалекте», потребует дополнительного обучения для работы в Зимбабве.

Причины появления акцентов могут быть связаны с передачей навыков рычания от взрослых к молодым особям, а также с влиянием рельефа и растительности, которые определяют распространение звука. Львы, возможно, неосознанно подстраивают свой рык под местные условия, чтобы быть услышанными на максимальном расстоянии.

Социальный контекст и мониторинг

Исследование также подтвердило, что акустический мониторинг сильно зависит от социального контекста. В Танзании микрофоны не зафиксировали ни одного рыка от самок — у местных львиц в период исследования были маленькие детеныши, поэтому матери сохраняли молчание, чтобы не привлекать внимание конкурентов и других хищников.

Перспективы для охраны природы

Новый метод превращает пассивный акустический мониторинг в доступный и эффективный инструмент для охраны природы. Размещение автономных микрофонов в саванне проще и дешевле, чем проведение экспедиций или обслуживание сети фотоловушек. Передача обработки данных алгоритмам позволит биологам точнее оценивать численность хищников на обширных и труднодоступных территориях.