
Vi lyssnar på sillgrisslor med AI för att bättre förstå biologisk mångfald
08 oktober 2025, 15:59
Auk Lab på Stora Karlsö är ingen vanlig forskningsstation. Byggd som en konstgjord klippa återskapar den de dramatiska avsatser där tusentals sillgrisslor häckar varje sommar. I laboratorium kan forskare studera sjöfåglar på nära håll — och nu, med hjälp av AI-forskare från RISE, kan de lyssna på dem också. Det öppnar upp för nya möjligheter att förstå biologisk mångfald och djurliv.
I mer än ett decennium har Auk Lab varit en unik knutpunkt för forskning kring sjöfåglar i Östersjön. Utrustad med kameror, mätinstrument och sensorer har stationen avslöjat hur stormar, värmeböljor, rovdjur och mänskligt skapade stressfaktorer påverkar fåglarnas hälsa och deras chanser att överleva. Nyligen, med stöd av forskare från RISE, har stationen också ”mickats upp”: 18 mikrofoner fångar nu kolonins ständiga brus — från lockrop till varningsläten.
Genom att kombinera ljud med video och annan sensordata får forskarna en rikare, multisensorisk bild av sillgrisslornas liv. Det gör det möjligt att på helt nya sätt studera hur miljöförändringar påverkar en av Östersjöns mest ikoniska sjöfåglar. Som toppredator, och med förmågan att dyka ner till 200 meters djup, speglar sillgrisslans hela liv havets hälsa. Vilken fisk den äter och hur väl den lyckas föda upp sina ungar ger oss viktiga ledtrådar om den dolda världen under ytan — från fiskbeståndens status till klimatförändringarnas effekter.
AI gör ljud till insikter
Utmaningen med ljuddata är omfattningen av den: tusentals timmar av inspelningar är helt enkelt omöjligt för människor att analysera manuellt. Här gör AI skillnad.
Forskare vid RISE har utvecklat en ny metod kallad Adaptive Change-Point Detection (A-CPD), som kan identifiera exakt när fågelläten uppträder i långa inspelningar. Genom att lära sig av mänsklig feedback anpassar och förbättrar sig systemet, vilket hjälper experter att fokusera på de mest relevanta ljuden. Resultatet blir en snabbare och mer precis analys av omfattande ljuddatamängder — och mönster kan upptäckas som annars hade förblivit dolda.
Arbetet har letts av John Martinsson, med bidrag från kollegan Delia Fano Yela och handledaren Olof Mogren, alla vid RISE.
För läsare med djupare tekniskt intresse: A-CPD fungerar genom att analysera sannolikhetskurvor från en maskininlärningsmodell tränad på akustiska data. Istället för att använda fasta segment av ljud identifierar metoden förändringspunkter i sannolikheten för att ett visst ljud inträffar. Dessa punkter definierar kandidatsnuttar som presenteras för en mänsklig annotatör för validering. Varje ny annotering stärker modellen, som sedan förfinar sina framtida förutsägelser i en aktiv inlärningsloop. I experiment krävde A-CPD färre frågor och producerade mer precisa tidsangivelser än jämförbara metoder, vilket gör den särskilt lämpad för storskalig bioakustisk övervakning.
”Den här tekniken gör inte bara att vi kan analysera timmar av ljud mycket snabbare, den gör det också möjligt för oss att upptäcka mönster i djurlivets beteende som tidigare varit osynliga,” säger Olof Mogren.
Med synkroniserade ljud-, video- och sensordata hoppas forskarna nu kunna utforska helt nya frågor: använder fåglarna sina läten för att identifiera varandra, finns det särskilda läten som signalerar stress eller fara, och vad är det egentligen som pågår under den utordningsbaserade “dialog” som sker mellan mamman och ungen precis innan den ska ge sig ut på sin första flygtur? Alla komponenter i det nya ljudsystemet utvecklas som öppen källkod och görs tillgängliga för biodiversitetsövervakning världen över. Arbetet på Stora Karlsö visar hur RISE, tillsammans med partners, banar väg för användningen av AI inom miljöforskning — och hjälper oss att bättre förstå och skydda sårbara ekosystem.
Ett samarbete mellan ekologer och AI-forskare
RISE bidrar med expertis inom insamling av ljuddata och maskininlärningsbaserad ljudanalys till Baltic Seabird Project, en stor forskningssatsning ledd av Sveriges lantbruksuniversitet och Stockholms universitet, finansierad av Marcus och Marianne Wallenbergs stiftelse.
Mer information:
Länkar:
• Läs hela forskningsartikeln om Adaptive Change-Point Detection
• AI för klimatet: Utvalda projekt på Climate AI Nordics
• The AukLab
• http://www.balticseabird.com/
2025-10-08
2025-10-08
2025-06-18
2025-04-09
2024-12-10
2024-11-26
2024-10-29
2024-09-09
2024-09-03
2024-09-02
2024-08-06
2024-04-30
2024-04-29
2024-03-19
2024-02-06
2023-11-15
2023-10-02
2023-09-12
2023-08-23
2023-06-19
2023-06-19
2023-06-02
2023-05-17
2023-05-09
2023-04-27
2023-04-05
2023-04-04
2023-04-04
2023-03-29
2023-03-16
2023-01-31
2023-01-30
2022-12-06
2022-11-15
2022-10-24
2022-10-21
2022-10-20
2022-10-19