Passare ai contenuti

Lettura di 4 minuti

Come la musica ha portato Daniel DeLeon a studiare l'oceano con il machine learning

Quando iniziò il suo percorso universitario, Daniel non aveva idea di cosa fosse l'ingegneria. Paradossalmente, invece, ora sta segnando una svolta nel campo dell'intelligenza artificiale grazie al suo utilizzo del machine learning per il tracciamento delle specie di balene a rischio di estinzione.

Quando durante un pellegrinaggio a San Blas, in Messico, la madre di Daniel DeLeon, Betty, incontrò per la prima volta suo padre, Narciso, lei non conosceva nemmeno una parola di spagnolo e lui non parlava inglese, perciò comunicarono in un altro modo: con la musica.

Non è un caso quindi che Daniel, ora uno studente di 26 anni dell'Università Politecnica della California, abbia un certo orecchio per i suoni. I suoi genitori hanno creato un tradizionale trio musicale messicano, chiamato Trio Guadalupeño. Di conseguenza, le loro prove settimanali e le esibizioni durante i quinceañeras (feste per i quindici anni), i battesimi e gli eventi hanno costituito la colonna sonora della sua infanzia.

Durante le lezioni di fisica ho appreso in che modo le onde sonore si propagano e raggiungono il nostro sistema uditivo. È stato illuminante. Queste onde creano emozioni che ci rendono felici, che ci entusiasmano.

Daniel DeLeon

È stato durante una lezione di fisica all'università che la passione di Daniel per la musica ha fatto nascere in lui un fortissimo interesse per lo studio del suono. Il suo background musicale e le nozioni scientifiche apprese nel campo dell'acustica lo hanno portato a vivere un'esperienza di tirocinio molto competitiva all'interno dell'Istituto Oceanografico MBARI (Monterey Bay Aquarium Research Institute). Qui ha aiutato gli scienziati Danelle Cline e John Ryan nell'ambito dello studio dell'oceano attraverso il canto delle balene.

Le balene utilizzano i suoni per comunicare tra di loro, un po' come fecero i miei genitori quando si conobbero. Questo mi ha fatto riflettere sull'importanza del loro canto.

Daniel DeLeon

Daniel DeLeon che ascolta i richiami delle balene tramite cuffie
Una forma d'onda del richiamo di una balena Daniel DeLeon che usa il software di machine learning per identificare i richiami delle balene dal feed audio dell'oceano
Daniel al Cabrillo College con il suo professore di fisica Daniel che alza il volume del richiamo di una balena

Grazie al tracciamento dei richiami delle balenottere azzurre e comuni in via di estinzione, nonché del cambiamento dei loro percorsi migratori, gli studiosi possono scoprire parecchio riguardo all'impatto umano a vari livelli sulla vita marina. Considerata la passione di Daniel per la musica, John e Danelle hanno ritenuto che fosse la persona più adatta a trascorrere l'estate in ascolto dei suoni dell'oceano, raccolti dall'idrofono dell'Istituto e dai microfoni sottomarini posizionati a 900 metri di profondità. Il compito di Daniel, naturalmente, si è rivelato decisamente più complesso del semplice ascolto.

L'oceano occupa il 70% della superficie terrestre ed è molto profondo. Giunti a 23 metri di profondità, però, la luce è ridotta del 99%. Il suono invece viaggia per migliaia di chilometri. Ecco perché i mammiferi marini utilizzano il suono per tutte le attività essenziali della loro vita. È proprio ascoltandoli, infatti, che possiamo scoprire molti aspetti della loro esistenza.

John Ryan, Oceanografo biologico

La registrazione dei suoni ventiquattr'ore su ventiquattro mette gli scienziati di fronte a un problema, ossia l'eccessiva quantità di dati: non basterebbero dieci vite per analizzare a fondo ciascuna porzione di audio registrata. Così il compito di Daniel è stato utilizzare TensorFlow, cioè lo strumento open source di Google per il machine learning, per analizzare i file audio e identificare i richiami delle balene in modo da ridimensionare il lavoro a una questione di giorni e non di anni.

Daniel ha iniziato il suo tirocinio senza aver mai usato prima TensorFlow, ma è sempre stato portato per la matematica e in fondo è questo ciò su cui si basa il machine learning: una serie di algoritmi che analizzano i dati e imparano così a riconoscere degli schemi.

La balenottera azzurra e la balenottera comune sono tra gli animali che emettono i suoni più potenti del pianeta. I loro richiami a bassa frequenza possono attraversare tratti di oceano molto estesi e risultano quindi un interessante argomento di studio. L'idrofono dell'Istituto Oceanografico MBARI (Monterey Bay Aquarium Research Institute) può captare le balene fino a una distanza di 500 chilometri.

Le onde sonore registrate dall'idrofono devono essere convertite in una rappresentazione grafica tramite lo spettrogramma, ovvero una mappa del suono nel tempo. Daniel fornisce questi spettrogrammi al modello TensorFlow per insegnargli a distinguere i richiami della balenottera azzurra da quelli della balenottera comune. Esattamente come un cucciolo che viene addestrato, anche i modelli di machine learning apprendono per ripetizioni. Più esempi Daniel dà, maggiore sarà la precisione del modello. Complessivamente, Daniel ha addestrato il modello TensorFlow con oltre 18.000 esempi di singoli richiami di balene.

Il machine learning sta insegnando ai computer a estrarre degli schemi.

Daniel DeLeon

Nel tempo, Daniel è riuscito a far in modo che TensorFlow identificasse i richiami delle balene con una precisione del 98,05 percento. Il sistema è in grado di distinguere una balenottera azzurra da una comune, contribuisce a stabilire il momento del giorno in cui c'è stato il richiamo, la sua durata e l'intensità sonora.

Balenottera azzurra

Balenottera comune

Gli studi oceanografici sono giunti a un punto cruciale. Anche il machine learning sta segnando una svolta, poiché stiamo finalmente iniziando a risolvere problemi che cinque anni fa non potevamo neanche immaginare di affrontare.

Danelle Cline, Senior Software Engineer

La ricerca di Daniel con il machine learning ha aiutato John e Danelle a gettare le basi per automatizzare il rilevamento e la classificazione dei richiami delle balene. Ora possono dedicare più tempo alle questioni di primaria importanza, come ad esempio il modo in cui stanno cambiando i secolari flussi migratori di queste imponenti creature e ciò che questi cambiamenti indicano a livello dell'impatto umano sulla vita marina, dall'inquinamento acustico fino ai cambiamenti climatici.

Daniel DeLeon al Monterey Bay Research Institute che guarda l'oceano Due balenottere in superficie

Non ho mai pensato di diventare uno scienziato. Non credevo di esserne in grado. Ciò che mi ha permesso di riuscirci è stata la tenace curiosità nei confronti del mondo e dell'universo in generale.

Daniel DeLeon

Guarda il viaggio di Daniel alla scoperta del mondo sottomarino.

whales-video-large

Storie correlate

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

Scopri il team che usa il machine learning per contribuire a salvare le api in tutto il mondo

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

La storia di come Jason Barnes e altre persone lavorano in prima linea per creare un mondo più accessibile

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Scopri come un gruppo di sei giovani donne usa la tecnologia per affrontare il problema dell'acqua potabile non sicura

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come scienziati e supercomputer possono rendere potabile l'acqua degli oceani

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Come l'intelligenza artificiale aiuta a fornire avvisi di pre-allarme in situazioni di emergenza

Torna all'inizio