Okuma süresi: 4 dakika
Daniel DeLeon'un makine öğrenimini kullanarak okyanusu araştırmasında müzik nasıl rol oynadı?
Daniel üniversiteye başladığında mühendislik hakkında hiçbir fikri yoktu. Şimdi ise nesli tükenen balinaları takip etmek için makine öğrenimini kullanarak çığır açan buluşlara imza atıyor.
Daniel DeLeon'un annesi Betty, Meksika'nın San Blas şehrindeki bir kilise gezisinde Daniel'ın babası Narciso ile tanıştığında İspanyolca bilmiyordu. Narcisso da İngilizce bilmediği için farklı bir şekilde, müzikle iletişim kurdular.
Şu anda Kaliforniya Politeknik Eyalet Üniversitesi öğrencisi olan 26 yaşındaki Daniel'de de müzik kulağının olması sürpriz sayılmazdı. Daniel'ın annesiyle babası, Trio Guadalupeño adında geleneksel bir Meksika müzik üçlüsü kurdu. Bu üçlünün her hafta yaptığı provalar ve yerel quinceañera (ergenlik töreni), vaftiz ve partilerde sergiledikleri performanslar Daniel'ın çocukluğunun müziğini oluşturdu.
Fizik dersinde ses dalgalarının kulağımızda nasıl yayıldığını öğrendim. Bu, aklımı başımdan almıştı. Bu dalgalar bizi mutlu eden, moralimizi yükselten duyguların yaratıcısıydı.
Daniel DeLeon
Daniel'ın müzik aşkı, üniversitedeki bir fizik dersi sırasında, ses bilimine duyduğu büyük bir meraka dönüştü. Daniel, müzik altyapısı ve yeni akustik anlayışı sayesinde Monterey Bay Aquarium Research Institute'te (MBARI) son derece rekabetçi bir stajyerlik pozisyonu elde etti. Burada bilim insanları Danelle Cline ve John Ryan'ın balina çağrılarını dinleyerek okyanusu araştırmalarına yardımcı oldu.
Balinalar birbirleriyle anlaşmak için akustik melodiler kullanıyor, tıpkı annemle babamın ilk tanıştıklarında yaptıkları gibi. Bu durum bana annemle babamın müziğini ve bunun ne kadar önemli olduğunu düşündürdü.
Daniel DeLeon
Bilim insanları, nesli tükenmekte olan mavi ve çatal kuyruklu balinaların çağrılarını ve değişen göç trendlerini takip ederek insanoğlunun deniz yaşamı üzerindeki etkisinin daha geniş kapsamlı sonuçları hakkında çok şey öğrenebilirler. Daniel’ın müziğe olan tutkusunu göz önüne alan John ve Danelle, onun yaz boyunca enstitünün hidrofonundan (okyanusun 900 metre derininde bulunan bir su altı mikrofonu) okyanusun seslerini dinlemeyi sorun etmeyeceğini düşündü. Ancak Daniel'ı bekleyen görev, yalnızca sesleri dinlemekten biraz daha karmaşıktı.
Okyanuslar yeryüzünün yüzde 70'ini kaplar ve çok derindir. Ancak 23 metre derine indiğinizde ışığın yüzde 99'u kaybolur. Işığın aksine ses ise suyun içinde binlerce kilometre yol alır. Bu nedenle deniz memelileri tüm temel yaşam aktiviteleri için sesi kullanırlar. Sadece dinleyerek hayatları hakkında çok şey öğrenebiliriz.
John Ryan, Biyolojik Denizbilimci
Gece gündüz ses kaydeden hidrofon, ürettiği büyük miktarda veri sebebiyle bilim insanlarını ikilemde bıraktı. Kaydedilen tüm seslerin analiz edilmesi yıllar sürebilirdi. Bu yüzden Daniel’ın görevi, Google'ın açık kaynak makine öğrenimi aracı olan TensorFlow'u kullanarak, ses dosyalarını ayrıştırma ve balina çağrılarını tanımlama gibi can sıkıcı bir işin yıllar yerine günler içinde yapılmasını sağlamaktı.
Daniel staja başladığında TensorFlow'u hiç kullanmamıştı, ancak matematiği iyiydi. Makine öğrenimi de özünde matematikten ibarettir: Verileri analiz eden ve kalıpları tanımayı öğrenen bir dizi algoritmadır.
Mavi ve çatal kuyruklu balinalar dünyanın en gürültülü hayvanlarındandır. Okyanusta kilometrelerce yol alabilen düşük frekanslı çağrıları nedeniyle bu balinalar araştırma için ideal adaylardır. MBARI’nin hidrofonu balinaların sesini 500 kilometre uzaktan duyabilir.
Hidrofon tarafından kaydedilen ses dalgalarının spektogram (sesin zaman içindeki haritası) biçiminde görsel verilere dönüştürülmesi gerekiyordu. Daniel, TensorFlow modeline hem mavi hem de çatal kuyruklu balinaların çağrılarının nasıl göründüğünü öğretmek için modele bu spektogramları yükledi. Evde eğitim gören yavru köpekler gibi makine öğrenimi modelleri de tekrar yoluyla öğrenir. Daniel modele ne kadar çok örnek yüklerse, model o kadar doğru olur. Daniel, TensorFlow modelini toplamda 18.000'den fazla balina çağrısı örneğiyle eğitti.
Makine öğrenimi, bilgisayarın kalıpları algılayabilmesini sağlamaktır.
Daniel DeLeon
Daniel zaman içinde TensorFlow'a balina çağrılarını yüzde 98,05 doğrulukla tanımlamayı öğretti. Model, mavi balina ile çatal kuyruklu balinayı birbirinden ayırabiliyor, her çağrının günün hangi saatinde meydana geldiğini, çağrıların ne kadar yüksek sesli olduğunu ve ne kadar sürdüğünü saptamaya yardımcı olabiliyor.
Mavi Balina
Çatal Kuyruklu Balina
Okyanus biliminde çok önemli bir noktadayız. Bu aynı zamanda makine öğrenimi için de çok ilginç bir zaman, çünkü beş yıl önce bile çözemediğimiz sorunları nihayet çözmeye başlıyoruz.
Danelle Cline, Kıdemli Yazılım Mühendisi
Daniel’ın makine öğrenimi ile ilgili araştırması, John ve Danelle'in balina çağrılarının otomatik olarak algılanması ve sınıflandırılması için bir temel oluşturmalarına yardımcı oldu. Artık önemli sorulara odaklanmak için daha fazla zaman ayırabiliyorlar: Bu muazzam yaratıkların dünyanın en eski zamanlarından gelen göç trendleri nasıl değişiyor? Bu değişiklik, insanoğlunun suyun üst tarafında yarattığı etkilerin (ses kirliliğinden iklim değişikliğine) su altındaki deniz yaşamını nasıl etkilediği konusunda bize ne öğretiyor?
Bilim insanı olmayı hiç düşünmemiştim. Bunu yapabileceğimi sanmıyordum. Dünyaya ve genel olarak evrene duyduğum merak, bu işi denemem konusunda [içimdeki] ateşi körükledi.
Daniel DeLeon
Aşağıdaki filmde Daniel’ın öyküsünü izleyin.
