Daniel DeLeon은 음악을 향한 열정 덕분에 머신러닝으로 바다를 연구하게 되었습니다.

음파 탐지기를 통해 밤낮으로 소리를 녹음하면서 과학자들은 데이터가 너무 많다는 문제에 직면했습니다. 녹음된 오디오를 모두 면밀히 분석하려면 천 년이 넘는 시간이 걸리기 때문입니다. 그러나 Daniel은 Google의 오픈소스 머신러닝 도구인 텐서플로우를 사용하여 오디오 파일을 분석하고 고래 울음소리를 구분하는 지루한 작업을 몇 년이 아닌 단 며칠 만에 완료할 수 있었습니다.

Daniel이 인턴십을 시작할 때는 텐서플로우를 사용해 본 적도 없었습니다. 하지만 머신러닝에서 제일 중요한 수학에는 능통했습니다. 머신러닝의 핵심은 데이터를 분석하고 패턴을 인식하도록 학습하는 일련의 알고리즘입니다.

대왕고래와 큰고래는 지구상에서 소리가 가장 큰 동물에 속합니다. 이 고래들이 내는 저주파 울음소리는 바닷속에서 아주 먼 곳까지 전달되기 때문에 연구하기에 아주 좋습니다. MBARI의 음파 탐지기를 사용하면 최대 500km 떨어진 고래의 울음소리를 들을 수 있습니다.

음파 탐지기가 녹음한 음파는 시간 경과에 따른 소리의 지도인 스펙트로그램이라는 시각 데이터로 변환되어야 합니다. Daniel은 이러한 스펙트로그램을 텐서플로우 모델에 입력하여 대왕고래와 큰고래의 울음소리가 어떤 형태로 되어 있는지 학습시킵니다. 배변 훈련을 하는 강아지처럼, 머신러닝 모델은 반복을 통해 학습합니다. Daniel이 텐서플로우에 더 많은 예를 입력할수록 모델은 더욱 정확해집니다. 이렇게 18,000개가 넘는 개별 고래 울음소리 예로 텐서플로우 모델을 학습시켰습니다.

머신러닝이란 단순히 컴퓨터에 패턴을 학습시키는 것입니다.

Daniel DeLeon

Daniel은 텐서플로우가 98.05%의 정확도로 고래의 울음소리를 구분해 내도록 시간을 두고 학습시켰습니다. 이제 텐서플로우 모델을 사용하여 대왕고래와 큰고래의 울음소리를 구분할 수 있습니다. 또한 고래가 하루 중 언제, 얼마나 큰 소리로, 얼마나 오랫동안 울음소리를 내는지 확인할 수 있게 되었습니다.

대왕고래

큰고래