Perch és un model d’intel·ligència artificial (IA) de codi obert de Google DeepMind que es va llançar el 2023 amb l’objectiu de monitorar aus i determinar aquelles que estan en perill d’extinció. Tal com han explicat a través d’un comunicat, aquesta plataforma s’ha actualitzat per ajudar els conservacionistes a analitzar dades bioacústiques de diferents ecosistemes per dotar-les de sentit i facilitar la feina de protecció.

Com a punt de partida, els científics usen micròfons i hidròfons submarins per recopilar àudios de vocalització d’animals, com peixos, aus i insectes; per tal de tenir una imatge més àmplia dels animals presents en una zona concreta i de la salut de l’ecosistema. Amb tota la informació obtinguda i amb l’actualització del model, es poden donar sentit a aquestes dades i analitzar més animals i hàbitats, ja que ha estat entrenat amb soroll antropogènic, produït pels éssers humans.

Concretament, Perch disposa ara d’una major capacitat de predicció sobre espècies d’aus i s’adapta millor als entorns submarins, com els esculls de coral. Així doncs, ajuda a predir les espècies animals que apareixen a l’enregistrament per classificar-los i monitorar-los, especialment en aquells casos que hi ha pocs registres.

D'ençà que el model d’IA es fa llançar ara fa dos anys, s’ha descarregat més de 250.000 vegades i les solucions, que estan en obert, han servit com a eines de treball per als biòlegs, com el cas de BirdLife Austràlia o l’Observatori Acústic d’Austràlia per classificar una sèrie d’espècies úniques australianes. També l’ha usat el Laboratori de Bioacústica LOHE de la Universitat de Hawaii, per monitorar i protegir els cyanerpes, un tipus d’ocell en perill d’extinció per la malària aviària i molt important per la seva mitologia.

El model Perch, que prediu quines espècies estan presents en un enregistrament, en estar en codi obert, permet construir ràpidament nous classificadors a partir d’un exemple i monitorar espècies per a les quals hi ha escasses dades per l’entrenament o sons molt específics. El seu funcionament es basa en la cerca vectorial, que sobresurt de sons més similars en un conjunt de dades, i en l’aprenentatge actiu a partir d’un expert, que pot marcar els resultats com a rellevants o irrellevants per entrenar el classificador.