Suoni di masticazione rivelano la dieta degli animali grazie all’IA, secondo uno studio recente.
Pubblicato il da Luigi Salemi - Green
Un’innovativa intelligenza artificiale per studiare le abitudini alimentari
Scienziati hanno sviluppato un modello di intelligenza artificiale in grado di analizzare i suoni della masticazione dei predatori per identificare le prede di cui si nutrono. Questo strumento è stato addestrato utilizzando registrazioni audio di razze aquiline maculate mentre schiacciano i gusci dei molluschi di cui si cibano. Comprendere l’interazione predatore-preda è fondamentale per studiare le risorse di cui un predatore ha bisogno e l’impatto che esercita sulle prede.
La ricerca è stata pubblicata sulla rivista Ecological Informatics e ha dimostrato che il modello può anche distinguere le diverse prede in base ai suoni delle conchiglie che vengono schiacciate. Matt Ajemian, professore associato di ricerca presso l’Harbor Branch Oceanographic Institute della Florida Atlantic University, spiega come molti animali marini abbiano la capacità unica di rompere i gusci, ma che ad oggi si conosce poco riguardo a ciò che mangiano e alla quantità che consumano.
Raccogliere dati sulle interazioni predatorie
Monitorare le interazioni tra predatori e prede è fondamentale, in particolare quando gli habitat marini stanno cambiando rapidamente. È importante tenere traccia di cosa e quanto mangiano i grandi predatori per comprendere le risorse di cui hanno bisogno e pianificare azioni di conservazione efficaci.
Inoltre, è essenziale avere dati sulla pressione esercitata sulle popolazioni di molluschi che fungono da prede. Ajemian sottolinea l’importanza di conoscere quanto prede vengano rimosse da un predatore in un anno, ad esempio in una lettiera di vongole o in un letto di erba marina.
Tuttavia, raccogliere questi dati risulta complesso. Il monitoraggio dei predatori sott’acqua è una sfida, e anche con l’utilizzo di sensori e telecamere, è difficile osservare ciò che mangiano, soprattutto quando scavano nella sabbia. Gli scienziati in passato hanno anche catturato animali per analizzare il contenuto dello stomaco, ma questo metodo è intrusivo e non sempre fornisce risultati accurati.
L’esperimento e i risultati ottenuti
Ajemian e il suo team hanno condotto un esperimento in un ambiente controllato, focalizzandosi sulle razze aquiline maculate, note per la loro abilità di schiacciare le conchiglie. Hanno somministrato prede di dimensioni e quantità conosciute e registrato i suoni corrispondenti. Per validare la loro ricerca, hanno poi trasferito l’esperimento nell’oceano al largo della costa della Florida, posizionando vongole e lumache di fronte a una telecamera e a un registratore audio.
Analizzando i dati, il team ha dimostrato di poter distinguere le prede in base ai suoni e al tempo impiegato dal predatore per elaborare il cibo. Per esempio, un’raza aquilina impiega più tempo a schiacciare e mangiare una vongola rispetto a una lumaca, dove il punto di attacco al guscio è unico e rende più semplice l’estrazione della carne.
Gli scienziati hanno anche attaccato biologger per registrare i suoni e monitorare il comportamento degli animali mentre mangiavano. Il modello è stato poi addestrato a riconoscere i suoni di schiacciamento delle conchiglie, filtrando i rumori oceanici circostanti.
Prospettive future della ricerca
Un aspetto interessante emerso dalla ricerca è che non era necessaria un’AI avanzata per effettuare queste rilevazioni. Ajemian ha osservato che i metodi che richiedevano più potenza di calcolo non erano necessariamente quelli più efficaci. Esistono alternative che utilizzano una frazione della potenza e ottengono risultati simili. Questo suggerisce che lo strumento potrebbe essere reso accessibile a un numero maggiore di scienziati e utilizzato in modo meno intensivo in termini di risorse.
Guardando al futuro, Ajemian e il suo team intendono estendere la loro ricerca oltre le razze aquiline maculate, addestrando il modello per considerare altri predatori, come i granchi. Hanno in programma di utilizzare questa metodologia per analizzare i dati raccolti da dispositivi indossati dagli animali.
“Abbiamo registrazioni a lungo termine in stazioni posizionate in habitat per mesi,” afferma Ajemian. “Vogliamo estrapolare queste informazioni per scoprire dove e quando i molluschi vengono schiacciati.”
Riferimenti e ulteriori letture
Se sei interessato a finalità scientifiche e alla conservazione delle risorse marine, consulta l’articolo originale: Ibrahim, A., Cherubin, L., Hampton, C., DeGroot, B., Zhuang, H., & Ajemian, M. (2026). Evaluation of a signal processing and machine learning framework to detect and classify shell-crushing predation events. Ecological Informatics, 103795. doi:10.2139/ssrn.5547167.
Il lavoro di ricerca rappresenta un passo avanti significativo nella comprensione delle dinamiche predatorie e delle risorse marine, aprendo nuove strade per la conservazione e lo studio degli ecosistemi marini.
Non perderti tutte le notizie di green su Blog.it