【儀表網 儀表產業】水下監聽系統早屬于海底聲學監聽網絡系統，機器學習可靠的用例之一是在目標模式(例如特定形狀或無線電信號)上訓練模型，然后將其放到大量的聲音數據上，以發現人類可能難以感知的信號。事實證明，這在醫學領域很有用，在那里可以發現嚴重狀況的早期跡象，并且可以及時作出進一步檢測，以發現問題所在。
這種關節炎檢測模型與進行此類工作的醫生一樣，會檢查X射線。但是到了人類可以看到的時候，破壞已經確實產生。一個長期運行的項目跟蹤了成千上萬的人，持續了7年，提供了出色的實驗數據，這使AI模型可以看到幾乎人眼看不到的骨關節炎的早期跡象，該模型預測，三年后它的準確率可以達到78%。
壞消息是，因為沒有有效的治療方法，所以早知道并不一定意味著可以避免。但是，這些知識可以用于其他用途，例如，對潛在療法進行更有效的測試。“與其招募10,000人并跟蹤他們10年，不如招募50名我們知道將要患骨關節炎的人……然后我們可以給他們提供實驗藥物，看看它是否能阻止這種疾病的發展，”作者Kenneth Urish。該研究發表在PNAS上。
使用聲音監控來拯救鯨魚
令人驚奇的是，多部分人都知道船舶會撞擊并殺死大型鯨魚，這是事實。即使自愿降低船舶速度并沒有多大幫助，但是在圣塔芭芭拉(Santa Barbara)頻道中正在使用一種名為Whale Safe的智能多源系統，該系統有望使每個人都能更好地了解這些鯨魚的實時位置，從而避免撞擊。
該系統使用水下聲學監測，對鯨魚可能的覓食區域進行實時預報，通過實際目擊和少量的機器學習(以快速識別鯨魚的呼喚)來預測給定路線上鯨魚的存在。然后，大型集裝箱船可以在幾分鐘之前進行一些小的調整，而不必在后一分鐘緊急躲避。
華盛頓大學領導的Briana Abrahms說：“像這樣的預測模型為的未來我們提供了線索，就像每天的天氣預報一樣。” “我們利用數據來分析了解鯨魚在海洋中的棲息地，因此，隨著分析棲息轉移的規律，得出鯨魚可能出現在何處。”
所有評論僅代表網友意見，與本站立場無關。