4 मिनट में पढ़ें
किस तरह संगीत की वजह से डेनियल डिलियन मशीन लर्निंग के ज़रिए समुद्र का अध्ययन करने लगे
जब डेनियल ने सामुदायिक कॉलेज में पढ़ना शुरू किया, तो उन्हें नहीं पता था कि इंजीनियरिंग क्या है. अब वह लुप्त हो रही ह्वेलों का पता लगाने के लिए मशीन लर्निंग का इस्तेमाल कर रहे हैं और इसमें कामयाबी भी हासिल कर रहे हैं.
डेनियल डिलियन की मां का नाम बैटी है. बैटी मेक्सिको के सेन ब्लास में एक चर्च यात्रा के दौरान पहली बार डेनियल के पिता नार्सिसो से मिलीं. उस समय बैटी स्पैनिश नहीं बोल पाती थीं और नार्सिसो को अंग्रेज़ी नहीं आती थी. इसलिए, दोनों ने बातचीत करने का एक दूसरा ज़रिया ढूंढा - वह था संगीत.
ऐसे में हैरानी नहीं कि कैलिफ़ोर्निया पॉलिटेक्निक स्टेट यूनिवर्सिटी में पढ़ने वाले 26 साल के डेनियल को हमेशा से संगीत की अच्छी समझ थी. उनके माता-पिता ने Trio Guadalupeño नाम से तीन लोगों का एक पारंपरिक मेक्सिकन बैंड बनाया था. वे हर हफ़्ते संगीत का अभ्यास करते थे और जन्मदिन की पार्टियों, नामकरण के कार्यक्रमों और दूसरी कई पार्टियों में गाते-बजाते थे. इस वजह से डेनियल बचपन में ही संगीत से जुड़ गए.
फ़िजिक्स (भौतिक विज्ञान) की क्लास में मैंने सीखा कि किस तरह ध्वनि तरंगें हमारे कान के अंदर तक जाती हैं. इसे जानना वाकई शानदार था. ये तरंगें ऐसी भावनाएं पैदा करती हैं, जिनसे हमें खुशी मिलती है और हम उत्साहित हो जाते हैं.
डेनियल डिलियन
सामुदायिक कॉलेज में फ़िजिक्स (भौतिक विज्ञान) की एक क्लास के दौरान, डेनियल संगीत से अपने लगाव की वजह से ध्वनि विज्ञान की ओर आकर्षित हुए. उन्हें संगीत की समझ तो थी ही और इसके साथ में वह ध्वनि विज्ञान भी समझने लगे. इसके चलते उन्हें मॉन्टेरे बे एक्वारियम रिसर्च इंस्टिट्यूट (MBARI) में इंटर्नशिप मिल गई, जबकि मुकाबला काफ़ी कड़ा था. इस इंटर्नशिप के लिए बहुत सारे लोग आवेदन करते हैं. यहां उन्होंने ह्वेल की आवाज़ों को सुनकर समुद्र की स्टडी करने में वैज्ञानिक डेनेल क्लाइन और जॉन रायन की मदद की.
ह्वेल एक दूसरे को समझने के लिए ध्वनियों का इस्तेमाल करती हैं. ठीक उसी तरह, जैसे मेरे माता-पिता ने पहली बार मिलने पर किया था. इसने मुझे उनके संगीत के बारे में सोचने पर मजबूर किया और मैं जान पाया कि यह कितना ज़रूरी था.
डेनियल डिलियन
लुप्त होने के कगार पर खड़ी नीली और फ़िन ह्वेल की आवाज़ों और उनके जगह बदलने के पैटर्न पर नज़र रखकर वैज्ञानिकों को काफ़ी मदद मिल सकती है. ऐसा करके, समुद्री जीवन पर इंसानों की गतिविधियों की वजह से पड़ने वाले असर के बारे में बहुत कुछ जाना जा सकता है. संगीत के लिए डेनियल के जुनून को देखकर, जॉन और डेलेन समझ गए कि वह समुद्र के अंदर से आने वाली आवाज़ों को इंस्टिट्यूट के हाइड्रोफ़ोन के ज़रिए सुनने में अपनी गर्मी की छुट्टियां बिता सकते हैं. हाइड्रोफ़ोन पानी में काम करने वाला एक माइक्रोफ़ोन है, जिसे समुद्र में 900 मीटर नीचे लगाया जाता है. मगर डेनियल के लिए यह काम सिर्फ़ आवाज़ों को सुनने से थोड़ा मुश्किल साबित होने वाला था.
पृथ्वी का 70 फ़ीसदी हिस्सा समुद्र से ढका हुआ है और इसकी गहराई भी बहुत ज़्यादा है. जब आप समुद्र में 23 मीटर नीचे जाते हैं, तो 99 फ़ीसदी रोशनी चली जाती है. वहीं इसके उलट, ध्वनि यानी आवाज़ हज़ारों मील का सफ़र तय करती है. इसलिए, समुद्र के सभी स्तनधारी जीव अपने सभी ज़रूरी कामों के लिए आवाज़ का इस्तेमाल करते हैं. हम ध्यान से सुनकर ही उनकी ज़िंदगी के बारे में बहुत कुछ जान सकते हैं.
जॉन रायन, समुद्री जीव विज्ञानी
हर समय आवाज़ों को रिकॉर्ड करने के कारण हाइड्रोफ़ोन वैज्ञानिकों के सामने एक असमंजस पैदा कर देता है: उनके पास बहुत डेटा इकट्ठा हो जाता है. रिकॉर्ड किए गए पूरे ऑडियो की ठीक से जांच-पड़ताल करने में कई जीवन लग जाएंगे. इसलिए, डेनियल को सभी ऑडियो फ़ाइलों के विश्लेषण का मुश्किल काम करना था. इसके लिए उन्होंने Google के ओपन-सोर्स मशीन लर्निंग टूल, TensorFlow का इस्तेमाल किया. इसके ज़रिए वह सालों की बजाय कुछ दिनों में ही ह्वेल की आवाज़ों का पता लगा सकते थे.
डेनियल जब इंटर्नशिप करने पहुंचे, तो उन्होंने TensorFlow का पहले कभी इस्तेमाल नहीं किया था, लेकिन उनका गणित अच्छा था और गणित ही तो मशीन लर्निंग की जान है: असल में मशीन लर्निंग बहुत सारे एल्गोरिद्म की सिरीज़ है, जो डेटा की जांच-पड़ताल करती है और पैटर्न की पहचान करना सीखती है.
ब्लू और फ़िन ह्वेल, पृथ्वी पर मौजूद सबसे ऊंची आवाज़ निकालने वाले कुछ जीवों में शामिल हैं. उनकी कम फ़्रीक्वेंसी वाली आवाज़ें समुद्र में बहुत लंबी दूरी तक जा सकती हैं. इसलिए इनके बारे में जानना सबसे कारगर साबित हो सकता है. MBARI के हाइड्रोफ़ोन 500 किलोमीटर दूर तक मौजूद ह्वेल की आवाज़ सुन सकते हैं.
हाइड्रोफ़ोन के ज़रिए रिकॉर्ड की गई ध्वनि तरंगों को विज़ुअल डेटा में बदलना ज़रूरी था, जिसे स्पेक्ट्रोग्राम कहते हैं. स्पेक्ट्रोग्राम, एक दिए गए समय के दौरान ध्वनि के उतार-चढ़ाव का नक्शा तैयार करता है. डेनियल उन स्पेक्ट्रोग्राम को TensorFlow मॉडल में डालते हैं ताकि वह सीख सके कि ब्लू ह्वेल और फ़िन ह्वेल की आवाज़ें कैसी होती हैं. जैसे किसी पिल्ले को घर में चीज़ें सिखाई जाती हैं, ऐसे ही मशीन लर्निंग के मॉडल को सिखाने के लिए चीज़ें कई बार करनी पड़ती हैं. डेनियल इसमें जितने ज़्यादा उदाहरण डालते हैं, मॉडल उतनी ही सटीक बनता जाता है. कुल मिलाकर, डेनियल ने TensorFlow मॉडल में ह्वेल की अलग-अलग आवाज़ों के 18,000 से ज़्यादा नमूने डाले.
मशीन लर्निंग में कंप्यूटर को पैटर्न समझना सिखाया जाता है.
डेनियल डिलियन
समय के साथ, डेनियल ने TensorFlow को इस हद तक तैयार कर दिया था कि उसके ज़रिए ह्वेल की आवाज़ों की पहचान 98.05 प्रतिशत तक सही होने लगी. यह मॉडल ब्लू ह्वेल और फ़िन ह्वेल में फ़र्क बता सकता है, इस बात की पुष्टि कर सकता है कि कोई आवाज़ दिन के किस समय निकाली गई, यह कितनी ऊंची थी और कितनी देर तक समुद्र में सुनाई दी.
ब्लू ह्वेल
फ़िन ह्वेल
हम समुद्र विज्ञान के बहुत ही अहम मोड़ पर हैं. यह मशीन लर्निंग के लिए भी बहुत दिलचस्प समय है क्योंकि अब हमने उन समस्याओं को हल करना शुरू कर दिया है, जिन्हें हम पांच साल पहले नहीं कर पाते थे.
डेनेल क्लाइन, सीनियर सॉफ़्टवेयर इंजीनियर
मशीन लर्निंग के ज़रिए की गई डेनियल की रिसर्च से, जॉन और डेनेल को ह्वेल की आवाज़ों का पता लगाने और उन्हें अलग-अलग श्रेणियों में बांटने के काम को ऑटोमैटिक रूप देने में मदद मिली. अब वे बड़े सवालों के जवाब ढूंढने पर ज़्यादा ध्यान दे पाते हैं – जैसे इन विशाल जीवों का जगह बदलने का सदियों पुराना पैटर्न कैसे बदल रहा है और धरती पर इंसानों की गतिविधियों (ध्वनि प्रदूषण से लेकर जलवायु परिवर्तन तक) की वजह से समुद्र में रहने वाले जीवों पर क्या असर पड़ रहा है.
मैंने कभी वैज्ञानिक बनने के बारे में सोचा भी नहीं था. मुझे नहीं लगता था कि मैं यह कर सकता हूं. दुनिया या यूं कहें कि पूरे ब्रह्माण्ड को जानने की मेरी जिज्ञासा की वजह से ही [मैं] यह कोशिश कर पाया.
डेनियल डिलियन
नीचे दी गई फ़िल्म में डेनियल का अब तक का सफ़र देखें.
