閱讀時間:4 分鐘
音樂如何引領 Daniel DeLeon 透過機器學習研究海洋
當 Daniel 開始社區大學的課程時,他對工程學一無所知。現在他有了極大突破,利用機器學習追蹤瀕臨絕種鯨魚的動向。
Daniel DeLeon 的母親 Betty 在一次前往墨西哥聖布拉斯的教會旅行中邂逅了丈夫 Narciso;那時候 Betty 不會西班牙語,而 Narciso 也不懂英語,於是他們用與別不同的方式溝通-那就是音樂。
24 歲的 Daniel 現時是加州理工州立大學的學生,在父母自幼薰陶下也成為了一名音樂愛好者。他的父母組成了一隊名為 Trio Guadalupano 的傳統墨西哥三人樂隊,每星期都會進行練習綵排,而在本地的 quinceañeras 活動 (西班牙或拉丁裔女孩在 15 歲時的傳統慶祝)、浸禮和派對中的演出,更成為了他童年的配樂。
我在物理課中學會了聲音怎樣傳播到我們的耳中,對我來說非常震撼。那些聲波激發令人快樂的情感,讓我們充滿力量。
Daniel DeLeon
Daniel 在社區學院上物理課期間,對音樂的熱愛令他開始迷上聲音科學。他本身的音樂背景加上新獲得的聲學知識,讓他在激烈競爭中脫穎而出,爭取到蒙特利灣水族館研究中心 (MBARI) 的實習機會,透過聆聽鯨魚叫聲,協助科學家 Danelle Cline 和 John Ryan 研究海洋。
鯨魚正利用聲音來溝通,就像我的父母第一次見面時那樣。這讓我想起他們的音樂,以及這些音樂有多重要。
Daniel DeLeon
科學家可追蹤瀕臨絕種藍鯨和長鬚鯨的呼叫聲及其不斷變化的遷徙模式,從而深入瞭解人類對海洋生態的影響。John 和 Danelle 知道 Daniel 熱愛音樂,因此並不介意花上整個夏天,利用研究中心的水下聽音器聆聽海洋聲音。這個水下聽音器是一個放置在海洋 900 米深處的水底麥克風。然而,Daniel 不單要聆聽海洋聲音,而要完成稍微複雜的任務。
海洋覆蓋了 70% 的地球表面,而且非常深。但當您潛入海底 23 米後,99% 的光線都會消失。相比之下,聲音可以傳播數千英里。因此海洋哺乳類動物會利用聲音,進行所有必須的生命活動。只需透過聆聽,我們就可以認識牠們的生活。
John Ryan,生物海洋學家
水下聽音器會無時無刻記錄聲音,所以為科學家帶來了兩難:記錄的數據太多。要仔細分析每個記錄的音訊,可能幾輩子也做不完。因此 Daniel 的工作是利用 TensorFlow 這個 Google 開放原始碼機器學習工具,進行剖析音訊檔的繁複工作,在數天內就可以識別出鯨魚的叫聲。
Daniel 最初來實習的時候從未用過 TensorFlow,但他有很好的數學基礎。事實上機器學習的核心就是數學:當中包括一連串用以分析數據和學習識別模式的演算法。
藍鯨和長鬚鯨是地球上叫聲最響亮的動物之一。牠們的低頻叫聲可以長距離地穿越海洋,因此牠們是研究的理想對象。MBARI 的水下聽音器可以聽到遠達 500 公里以外的鯨魚叫聲。
由水下聽音器記錄的聲波需要轉化成視覺數據,即隨時間變化的聲譜圖。Daniel 會把聲譜圖輸入至 TensorFlow 模型,讓機器學習藍鯨和長鬚鯨的叫聲。就像小狗受訓練一樣,機器學習模型透過不斷重複來學習。Daniel 所輸入的聲音樣本越多,模型就會變得越準確。最終 Daniel 以超過 18,000 個獨立的鯨魚叫聲樣本來訓練 TensorFlow 模型。
機器學習只是叫電腦辨識事物的模式。
Daniel DeLeon
一段時間後,Daniel 就可以教 TensorFlow 識別鯨魚叫聲,而準確度更達至 98.05%。這個模型可以分辨藍鯨和長鬚鯨,幫助確認每次出現叫聲的時間、聲音大小以及持續時間。
藍鯨
長鬚鯨
我們踏進了海洋科學一個非常關鍵的時刻。從機器學習的角度來看,這同樣是個十分有趣的階段,因為我們終於可以開始解決五年前一直束手無策的問題。
Danelle Cline,高級軟件工程師
Daniel 在機器學習方面的研究為 John 和 Danelle 自動偵測和分辨鯨魚叫聲的工作奠定基礎。正因如此,他們現在能有更多時間專心解決重大問題,例如這些大型生物長久以來的遷徙模式如何產生變化,並從這些變化反思人類在水平面上的行為 (包括噪音污染和氣候變化等) 會為海洋生物帶來的廣泛影響。
我從未想過成為科學家,也不曾認為自己有這方面的能力。但我對世界、以至整個宇宙充滿好奇,因此有滿腔熱誠去放手一搏。
Daniel DeLeon