Investigadores han desarrollado un nuevo método de aprendizaje automático inspirado en el sistema auditivo humano para mejorar la identificación de buques. Este enfoque utiliza una red de atención cruzada que integra información espectral y de modulación de las señales acústicas, permitiendo una caracterización más robusta de las firmas sonoras de diferentes tipos de embarcaciones. La clave reside en cómo el modelo procesa simultáneamente las características de frecuencia y los patrones temporales de las señales, imitando la forma en que el oído humano descompone y recombina sonidos complejos para su interpretación.

El sistema auditivo biológico es excepcionalmente hábil para discernir sonidos en entornos ruidosos, extrayendo tanto el contenido espectral (qué frecuencias están presentes) como las modulaciones temporales (cómo cambian esas frecuencias y amplitudes a lo largo del tiempo). Este nuevo modelo de aprendizaje automático replica esta capacidad al emplear módulos de atención que ponderan la importancia de diferentes características en ambos dominios. Al combinar estas perspectivas, el algoritmo puede identificar patrones sutiles y distintivos que son cruciales para diferenciar entre buques, incluso en condiciones acústicas desafiantes.

Este avance tiene implicaciones significativas para aplicaciones de vigilancia marítima, seguridad portuaria y monitoreo ambiental. La capacidad de reconocer buques de forma fiable a partir de sus firmas acústicas puede mejorar la detección de actividades ilícitas, la gestión del tráfico marítimo y la protección de ecosistemas marinos sensibles. Además, el éxito de este enfoque bioinspirado subraya el potencial de trasladar principios de procesamiento sensorial biológico a algoritmos de inteligencia artificial para resolver problemas complejos en diversos campos.