Biologging Solutionsが未知の海中音を観測対象へ導くAI枠組み

Biologging Solutionsは、未知の海中音を新たな観測対象へつなげるDGPUフレームワークを提唱しました。
同社の研究成果は、国際学術誌『Scientific Reports』で2026年10月2日にオンライン公開されました。
AIによる音の候補整理と専門家の判定を組み合わせ、水中音響モニタリングの運用に組み込む考え方です。

記事の概要

DGPUは、Detect・Group・Promote・Unionの4段階で未知音を扱うフレームワークです。
AIが未学習の音から候補を抽出し、似た音を集約したうえで、専門家が新たな検出対象にする流れです。
技術面では、海洋音に適応した音響基盤モデルを構築し、未知音候補の抽出や検出器の学習に活用しました。
検出器を実際の監視に組み込む際は、既存の検出器との併用や誤検出の上限を踏まえて運用方法を決めます。
既存の水中録音データを使った評価では、約3分の1のラベル数で、全ラベル使用時の95％に相当する再現率に到達しました。
想定用途には、海洋状況把握、生物多様性の長期モニタリング、洋上風力や港湾開発の環境アセスメントがあります。
研究成果はNEDOのSBIR推進プログラムと、環境省の省庁連結型SBIRに関連する研究開発の一環です。
DGPU関連技術について、Biologging Solutionsは特許を出願済みです。

記事のポイント

1. 未知音を4段階で扱う： 未知音の抽出、類似音の集約、専門家による昇格、監視運用への統合を一つの循環として整理しています。
2. 音響基盤モデルを活用： 海洋音に適応した音響基盤モデルを使い、未知音候補の抽出や少量ラベルからの検出器学習を進めます。
3. 少ないラベルで評価： 既存データを用いた評価では、約3分の1のラベル数で全ラベル使用時の95％相当の再現率に到達しました。

このニュースがもたらす影響

• 導入を検討する企業： 未知音を監視対象に加えるには、モデル導入だけでなく、専門家の判定手順や許容する誤検出上限まで含めた運用設計が必要になりそうです。
• 音響AI提供者： 既知の対象を高精度に検出する機能に加え、未知音の発見から検出器の更新までを継続できる仕組みが、サービスの差別化要素になる可能性があります。
• 研究・行政機関： 約3分の1のラベル数で全ラベル使用時の95％相当の再現率に到達した評価は、蓄積済み録音の再解析や、限られた専門家作業の配分を検討する材料になりそうです。

このニュースの背景

水中の長期録音では、生物音や船舶音など多様な音が記録されますが、音源を人が直接確認しにくく、正解ラベルを大量に用意することも容易ではありません。
従来の音響AIは学習済みの音を検出する設計が中心で、事前に種類を網羅できない海中音には、重要な未知音を見逃す余地がありました。
研究では、海洋音に適応した音響基盤モデルを使い、AIによる候補整理と専門家の判定を組み合わせて、未知音を監視対象へ取り込む流れを整理しています。

関連するニュース

• 合同会社WISDOMとPST株式会社が、音声解析でEQを定量化する法人向け人材育成サービスを開始しました。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

未知の海中音を、新たな観測対象へ――水中音響モニタリングの循環型フレームワーク「DGPU」を提唱

Biologging Solutions株式会社のプレスリリース（2026年10月8日 08時00分）未知の海中音を、新…