直接前往內容

閱讀時間約需 4 分鐘

音樂如何促使 Daniel DeLeon 使用機器學習技術研究海洋

Daniel 在就讀社區大學時對工程學一竅不通,但他現在突破自我,運用機器學習技術來追蹤瀕臨絕種的鯨魚。

Daniel DeLeon 的母親 Betty 與父親 Narciso 的初次相遇是在教會所舉辦的墨西哥聖布拉斯旅遊活動。當時 Betty 不會說西班牙文,而 Narciso 也不會說英文,因此語言不通的兩人是透過音樂交流。

Daniel 今年 26 歲,目前就讀加州理工州立大學 (California Polytechnic State University),而他的成長背景使他擁有絕佳音感。Daniel 的父母組了一支傳統墨西哥三重奏樂團「Trio Guadalupeño」,每週都會彩排並在當地的「quinceañeras」(拉丁美洲成人禮)、洗禮儀式和派對演出,Daniel 在耳濡目染下自然愛上充滿音樂的生活。

我在物理課學到聲波如何傳播到我們的耳中,真的很不可思議。這些聲波能夠影響我們的情緒,讓我們感到開心或是亢奮。

Daniel DeLeon

在社區大學接觸到物理課後,Daniel 對音樂的熱愛進一步拓展到了聲音科學。他憑藉著原有的音樂背景加上新掌握到的聲學知識,在激烈的競爭中贏得蒙特里灣水族館研究學會 (Monterey Bay Aquarium Research Institute,MBARI) 的實習機會。他在實習期間負責聆聽鯨魚叫聲,協助 Danelle Cline 和 John Ryan 兩位科學家進行海洋研究。

鯨魚是用聲波互相溝通,就跟我的父母初次相遇時是透過音樂交流一樣。這讓我回想起他們的音樂,並意識到那有多重要。

Daniel DeLeon

Daniel DeLeon 透過耳機聆聽鯨魚叫聲
鯨魚叫聲的波形 Daniel DeLeon 運用機器學習軟體,從海洋音訊動態饋給中辨識出鯨魚叫聲
Daniel 在卡布里歐大學與他的物理學教授合影 Daniel 調高鯨魚叫聲的音量

科學家記錄了瀕危藍鯨和長鬚鯨的叫聲與牠們正在變化的遷徙模式,藉此深入瞭解人類可能對海洋生物造成多麼廣泛的影響。John 和 Danelle 都知道 Daniel 非常熱愛音樂,因此他們認為 Daniel 會很樂意用一整個夏天的時間,聆聽蒙特里灣水族館研究學會 (Monterey Bay Aquarium Research Institute,MBARI) 設置的水中聽音器 (一種放置在海中 900 公尺深的水底麥克風) 在海底錄下的聲音。不過,Daniel 的工作不只是單純地聆聽聲音而已。

海洋佔地球表面 70% 的面積,而且深不見底。一旦下潛 23 公尺,便會隔絕 99% 的光線。相對地,聲音在海裡可以傳遞數千英里遠。因此,海洋哺乳動物在各項日常活動中都會運用聲音。只要細細聆聽,就能推敲出這些動物的生活樣貌。

海洋生物學家 John Ryan

隨著水中聽音器全天候進行錄音,也讓科學家陷入了資料過多的窘境。如果要完整分析所有錄音資料,必須花上好幾輩子的時間。因此,Daniel 的職責便是運用 Google 的開放原始碼機器學習工具 TensorFlow 進行一成不變的音訊檔剖析工作,藉此辨識鯨魚叫聲。透過這個方式,只要短短幾天,就能完成好幾年的工作量。

Daniel 在當實習生之前從未用過 TensorFlow,不過他精通數學,而數學的核心概念正是機器學習技術的精髓所在,也就是一系列用於分析資料及學習辨識模式的演算法。

藍鯨和長鬚鯨是地球上發出聲音最大的其中兩種動物。牠們發出的低頻音能夠在海裡傳播相當長的距離,因此是最佳的研究對象。MBARI 的水中聽音器可偵測到距離 500 公里遠的鯨魚叫聲。

水中聽音器錄下的聲波必須轉換成頻譜形式的視覺資料,將特定時間內的聲音以圖表呈現。Daniel 接著會將這些頻譜匯入 TensorFlow 模型,訓練 TensorFlow 辨識藍鯨和長鬚鯨的叫聲。這跟訓練小狗在定點便溺的方法很類似,機器學習模型也是透過不斷重複的模式學習。Daniel 提供的樣本越多,模型的準確度就越高。Daniel 總共用了超過 18,000 個不同的鯨魚叫聲樣本來訓練 TensorFlow 模型。

機器學習技術的目的就是讓電腦掌握模式。

Daniel DeLeon

經過一段時間後,Daniel 成功訓練了 TensorFlow 辨識鯨魚叫聲,而且準確度高達 98.05%。這個模型可以區分藍鯨和長鬚鯨,協助確認每次叫聲發生的時段、叫聲的音量,以及叫聲的持續時間。

藍鯨

長鬚鯨

目前是海洋科學發展的關鍵時刻,也是機器學習發展的重要階段,這全是因為我們終於有了突破,得以著手解決 5 年前令眾人束手無策的難題。

資深軟體工程師 Danelle Cline

對 John 和 Danelle 來說,Daniel 在機器學習方面的研究為他們奠定了技術基礎,讓他們得以對鯨魚叫聲進行自動偵測與分類。正因為如此,他們現在能有更多時間聚焦在重大問題上,例如這些大型生物長久以來的遷徙模式如何產生變化,並從這些變化省思人類在水平面上的行為 (包括噪音汙染和氣候變化等) 會對海洋生物造成多麼廣泛的影響。

Daniel DeLeon 從蒙特里灣研究機構遠眺海洋 兩隻長鬚鯨浮出水面

我從沒想過要當一名科學家,也不覺得自己有這方面的才華。但我對這個世界乃至於整個宇宙充滿無限的好奇,也因此點燃了我對科學的熱情。

Daniel DeLeon

歡迎觀看下方影片,探索 Daniel 的研究之旅。

whales-video-large

相關報導

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

六位年輕女性如何運用科技解決飲用水危機

六位年輕女性如何運用科技解決飲用水危機

AI 技術如何協助針對緊急情況提供預警

AI 技術如何協助針對緊急情況提供預警

運用 AI 技術和動作感應攝影機辨識野生動物

運用 AI 技術和動作感應攝影機辨識野生動物

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

六位年輕女性如何運用科技解決飲用水危機

六位年輕女性如何運用科技解決飲用水危機

AI 技術如何協助針對緊急情況提供預警

AI 技術如何協助針對緊急情況提供預警

運用 AI 技術和動作感應攝影機辨識野生動物

運用 AI 技術和動作感應攝影機辨識野生動物

認識運用機器學習技術拯救全球蜜蜂的團隊

認識運用機器學習技術拯救全球蜜蜂的團隊

六位年輕女性如何運用科技解決飲用水危機

六位年輕女性如何運用科技解決飲用水危機

AI 技術如何協助針對緊急情況提供預警

AI 技術如何協助針對緊急情況提供預警

運用 AI 技術和動作感應攝影機辨識野生動物

運用 AI 技術和動作感應攝影機辨識野生動物

返回頁首