För att skydda korallreven och alla deras invånare är det viktigt att lära sig så mycket som möjligt. Nu skapar ett team forskare från University of Exeter en algoritm för att analysera korallrevens sång och därmed få en bild av revens hälsa.

Ett korallrev är ett komplext kollektiv med en ljudbild som kommer från en mångfald av fiskar och andra varelser som omger reven. Tidigare har det varit mycket svårt att fånga och tolka ljudbilden på grund av den noggranna analys av inspelade ljud som krävs för detta.

Genom att använda olika inspelningar från Mars Coral Reef Restoration Project (som återställer hårt skadade korallrev i Indonesien) har ett innovativt AI-program tränats för att känna igen skillnaden mellan skadade och friska rev.

– Korallrev står inför flera hot, inklusive klimatförändringar, så att övervaka deras hälsa och hur bevarandeprojekt fungerar är helt avgörande. En stor svårighet i detta är att visuella och akustiska undersökningar av rev vanligtvis är beroende av arbetsintensiva metoder, säger huvudförfattaren Ben Williams till University of Exeter.

– Vår lösning på det problemet var att använda maskininlärning - för att se om en dator kunde lära sig ett revs sång. Våra resultat visar att en dator kan uppfatta mönster som inte är upptäckbara för det mänskliga örat. Denna metod kan berätta snabbare, och mer exakt, hur det går för revet, tillägger Williams.

Tack vare denna metod kan korallrevens hälsa identifieras 92% snabbare än tidigare. Detta hjälper till att förbättra övervakningen av korallrevets hälsa. Dessutom kan åtgärder inom bevarandeprojekt sättas in snabbare.

– Det här är en riktigt spännande utveckling. Ljudinspelning och AI skulle kunna användas runt om i världen för att övervaka revens hälsa och upptäcka huruvida försök att skydda och återställa dem fungerar eller inte. I många fall är det enklare och billigare att placera ut en undervattenshydrofon på ett rev, och lämna den där, än att låta dykare besöka revet upprepade gånger för att undersöka det - särskilt på avlägsna platser, säger medförfattaren Dr Tim Lamont också till University of Exeter.

Om du vill läsa hela studien kan du göra det här: Ecological Indicators – Enhancing automated analysis of marine soundscapes using machine learning to combine ecoacoustic indices