16. juni 2021

Algoritme afslører narhvalers mystiske madvaner

kunstig intelligens

En algoritme kan forudsige, hvornår narhvaler jager – en indsigt som var tæt på umulig at få før. Det er matematikere og dataloger fra Københavns Universitet, der sammen med havbiologer i Grønland er gået nye veje for at skaffe mere viden om den hemmelighedsfulde arktiske hval i en tid, hvor klimaforandringerne sætter den under pres.

Foto: Getty Images
Foto: Getty Images

Den lille hval kendt for sin lange snoede stødtand er under voksende pres fra klimaforandringerne, som gør vandet varmere og åbner op for mere skibstrafik i Arktis. For bedre at kunne passe på narhvalerne er vi nødt til at blive klogere på deres fødemønster – og hvordan det eventuelt ændrer sig som følge af menneskelige forstyrrelser og den globale opvarmning. Det ved biologerne nemlig næsten intet om. Men fordi narhvalen lever isolerede steder i Arktis og jager på ned til 1.000 meters dybde, er det meget svært – ja, nogle gange umuligt at få indblik i.

Det ser nu ud til, at kunstig intelligens kan være løsningen. Et tværfagligt samarbejde mellem matematikere, dataloger og havbiologer fra Københavns Universitet og Grønlands Naturinstitut demonstrerer, at algoritmer kan bruges til at kortlægge fødemønstret hos den hemmelighedsfulde hval.

”Vi har her vist, at vores algoritme faktisk kan forudsige, hvornår narhvaler udsender de lyde, der indikerer, at de er i gang med at jage et bytte. Og det åbner for helt nye indsigter i narhvalernes liv,” siger Susanne Ditlevsen, professor ved Institut for Matematiske Fag, der i flere år har hjulpet havbiologer i Grønland med at behandle data.

Narhval i Østgrønland tagges med måleudstyr. Foto: Carsten Egevang.
Narhval i Østgrønland tagges med måleudstyr. Foto: Carsten Egevang.

”Det er helt centralt at få mere indsigt i, hvor og hvornår narhvalerne søger føde, nu hvor havisen svinder. Hvis de bliver forstyrret af skibstrafik, har det jo betydning, om det er midt i et vigtigt fødesøgningsområde. Men det er vanvittigt svært at finde ud af. Her ser kunstig intelligens ud til at kunne gøre en kæmpe forskel og i vidt omfang skaffe os viden, vi ikke kan få på andre måder,” siger hvalforsker Mads Peter Heide-Jørgensen, der er professor ved Grønlands Naturinstitut og adjungeret professor ved Københavns Universitet. Han tilføjer:

”I en situation, hvor narhvalerne befinder sig på dybt vand midt i Baffinbugten i december måned, har vi i dag ingen mulighed for at finde ud af, hvor eller hvornår de søger føde. Her lader kunstig intelligens til at være den eneste vej frem.”

Narhvalen er udbredt i de atlantiske dele af Arktis, herunder den grønlandske øst- og vestkyst. Narhvalen er på globalt plan ikke kategoriseret som truet. Lokalt er flere bestande dog i tilbagegang. IUCN anslår, at der på verdensplan findes cirka 123.000 voksne narhvaler.

Algoritme kortlægger klik og summen

Indtil nu har den bedste måde at få oplysninger om narhvalernes jagtmønster været ved at indsamle akustiske data fra måleinstrumenter, som man sætter fast på hvalernes krop. Ligesom flagermus orienterer narvaler sig nemlig efter ekkolokalisering. De laver kliklyde for at orientere sig, som går over i summelyde, når de jager føde. Derfor er summelydene interessante for forskerne, men mange steder er det umuligt at indsamle akustikdata. Derudover er det utrolig datatungt at optage deres lyde og meget tidskrævende at analysere dem manuelt.

Derfor satte forskerne sig for at undersøge, om de med kunstig intelligens kunne finde et mønster i den måde, hvalerne bevæger sig på, og de summelyde, de udstøder. På den måde kan de fremover nøjes med at indsamle målinger af dyrenes bevægelser med et accelerometer, som vi kender fra vores smartphones, og som er simple at bruge.

”Den store udfordring var, at hvalerne har meget komplekse bevægelsesmønstre, som kan være svære at analysere. Når det kunne lade sig gøre, er det fordi vi har brugt deep learning, som både har lært at genkende hvalernes forskellige svømmemønstre og deres summelyde. Derefter har algoritmen fundet frem til sammenhængene mellem de to,” forklarer adjunkt Raghavendra Selvan fra Datalogisk Institut.

Forskerne har trænet algoritmen på store mængder data, der er indsamlet fra fem narhvaler i Scoresby Sund-fjorden i Østgrønland.

Nu håber forskerne, at de kan udvide algoritmen til at kunne karakterisere forskellige typer af summelyde, således at de kan identificere netop de summelyde, der fører til en fangst. Det kan gøres ved at indsamle data, hvor biologerne giver hvalerne en temperaturpille, der registrerer temperaturfald i maven på hvalen, når den spiser en kold fisk eller blæksprutte.

OM STUDIET

  • Forskerne har indsamlet data fra instrumenter, de har sat på ryggen af fem narhvaler i Scoresby Sund-fjorden i Østgrønland.

  • Instrumenterne, som narhvalerne var tagget med, faldt automatisk af hvalernes ryg efter 5-8 dage, hvorefter lokale fiskere sørgede for at hente dem op af vandet.

  • Forskningen blev udført af Mạnh Cường Ngô (førsteforfatter) og Susanne Ditlevsen fra Institut for Matematiske Fag på Københavns Universitet, Raghavendra Selvan fra Datalogisk Institut på Københavns Universitet samt Outi Tervo og Mads Peter Heide-Jørgensen fra Grønlands Naturinstitut.

  • Forskningsresultaterne er publiceret i det videnskabelige tidsskrift Ecological Informatics.

Narhval i Grønland. Foto: Terrie Williams

Kontakt

Susanne Ditlevsen
Professor
Institut for Matematiske Studier
Københavns Universitet
susanne@math.ku.dk
35 32 07 85

Raghavendra Selvan
Adjunkt
Datalogisk Institut
Københavns Universitet
raghav@di.ku.dk

Maria Hornbek
Journalist
Det Natur- og Biovidenskabelige Fakultet
Københavns Universitet
maho@science.ku.dk
22 95 42 83

Læs også