Bacaan selama 4 minit
Cara muzik mendorong Daniel DeLeon untuk mengkaji lautan dengan pembelajaran mesin
Daniel tidak tahu apa-apa tentang kejuruteraan semasa beliau memulakan pengajian di kolej komuniti. Kini beliau menempa pencapaian cemerlang dengan menggunakan pembelajaran mesin untuk mengesan paus yang terancam.
Apabila ibu Daniel DeLeon, Betty, bertemu ayahnya, Narciso, buat kali pertama dalam lawatan gereja di San Blas, Mexico, Betty tidak boleh berbahasa Sepanyol dan Narciso tidak boleh berbahasa Inggeris, jadi mereka berhubung dengan cara yang berbeza - melalui muzik.
Maka tidak hairanlah Daniel, kini seorang pelajar berusia 24 tahun di California Polytechnic State University, berbakat dalam bidang muzik juga. Ibu bapanya menubuhkan kumpulan trio tradisional Mexico yang dipanggil Trio Guadalupano dan latihan serta persembahan mingguan mereka di quinceañeras, majlis pembaptisan dan pesta tempatan menjadi lagu kenangan bagi zaman kanak-kanaknya.
Dalam kelas fizik, saya belajar tentang cara gelombang bunyi dirambatkan ke telinga kita. Saya amat terkejut. Gelombang itu menghasilkan emosi yang membuat kita gembira dan teruja.
Daniel DeLeon
Cinta Daniel terhadap muzik berubah menjadi kekaguman terhadap sains bunyi ekoran kelas fizik yang diambilnya semasa di kolej komuniti. Latar belakang muziknya yang digandingkan dengan pemahaman baharu tentang akustik membolehkannya mendapat tempat untuk latihan amali yang sangat kompetitif di Institut Penyelidikan Akuarium Monterey Bay (MBARI). Di institut itu, beliau membantu saintis Danelle Cline dan John Ryan mengkaji lautan dengan mendengar panggilan ikan paus.
Ikan paus menggunakan akustik untuk memahami satu sama lain, sama seperti ibu bapa saya ketika mereka pertama kali bertemu. Ini membuatkan saya berfikir tentang muzik mereka dan kepentingan perkara tersebut.
Daniel DeLeon
Dengan menjejaki panggilan ikan paus biru dan sirip yang terancam serta pola penghijrahan haiwan ini yang berubah-ubah, saintis boleh mengetahui banyak perkara tentang kesan yang lebih luas daripada pengaruh manusia terhadap kehidupan marin. Dengan minat Daniel yang mendalam terhadap muzik, John dan Danelle merasakan dia tidak akan keberatan menghabiskan musim panas mendengar bunyi lautan dari hidrofon institut – mikrofon di bawah permukaan air yang terletak 900 meter di bawah lautan. Tetapi tugas yang akan Daniel harungi adalah lebih rumit daripada hanya mendengar.
Lautan meliputi 70 peratus permukaan bumi dan sangat dalam. Akan tetapi jika anda menyelam sedalam 23 meter, 99 peratus daripada cahaya akan hilang. Sebaliknya, bunyi bergerak sejauh beribu-ribu batu. Oleh hal yang demikian, mamalia laut menggunakan bunyi untuk semua aktiviti kehidupan yang penting. Hanya dengan mendengar, kita dapat mempelajari banyak perkara tentang kehidupan haiwan.
John Ryan, Ahli Oseanografi Biologi
Semasa merakam bunyi sepanjang masa, hidrofon menyebabkan saintis mengalami dilema: terlalu banyak data. Masa yang sangat lama diperlukan untuk menganalisis dengan teliti setiap audio yang dirakam. Jadi tugas Daniel adalah menggunakan TensorFlow, iaitu alat pembelajaran mesin sumber terbuka Google, untuk melakukan kerja penghuraian fail audio dan mengenal pasti panggilan ikan paus dalam masa beberapa hari, bukan beberapa tahun.
Semasa Daniel menyertai latihan amalinya, dia tidak pernah menggunakan TensorFlow, tapi dia pandai dalam subjek matematik dan perkara teras bagi semua pembelajaran mesin ialah: siri algoritma yang menganalisis data dan belajar mengecam pola.
Paus biru dan sirip ialah beberapa haiwan yang mengeluarkan bunyi paling kuat di bumi. Panggilan frekuensi rendah haiwan ini boleh dipancarkan merentas lautan yang luas dan menjadikan haiwan ini calon yang sangat sesuai untuk kajian. Hidrofon MBARI boleh mendengar bunyi ikan paus yang berada pada jarak sejauh 500 kilometer.
Gelombang bunyi yang dirakam oleh hidrofon perlu ditukar menjadi data visual dalam bentuk spektrogram, iaitu peta bunyi mengikut masa. Daniel memasukkan spektrogram tersebut ke dalam model TensorFlow untuk mengajar alat tersebut tentang bentuk panggilan paus biru dan sirip. Seperti anak anjing yang dilatih untuk menyesuaikan diri di dalam rumah, model pembelajaran mesin belajar melalui pengulangan. Lebih banyak contoh yang Daniel masukkan, semakin tepat model tersebut. Secara keseluruhannya, Daniel melatih model TensorFlow dengan lebih 18,000 contoh panggilan ikan paus yang diasingkan.
Pembelajaran mesin ialah proses mengajar komputer agar memahami pola.
Daniel DeLeon
Lama-kelamaan, Daniel dapat mengajar TensorFlow mengenal pasti panggilan ikan paus pada ketepatan 98.05 peratus. Model ini boleh membezakan antara paus biru dengan paus sirip, membantu mengesahkan masa setiap panggilan itu berlaku dalam sehari, kelantangan panggilan dan tempoh panggilan itu berlangsung.
Paus Biru
Paus Sirip
Kita berada di titik yang sangat penting dalam sains lautan. Ini juga merupakan masa yang sangat baik bagi pembelajaran mesin kerana kita akhirnya mula menyelesaikan masalah yang kita tidak mampu selesaikan walaupun lima tahun lalu.
Danelle Cline, Jurutera Perisian Kanan
Penyelidikan pembelajaran mesin yang dilakukan oleh Daniel telah membantu John dan Danelle membina asas untuk mengautomasikan pengesanan dan pengelasan panggilan ikan paus. Kini mereka dapat menghabiskan lebih banyak masa menumpukan pada persoalan besar - seperti perubahan pola penghijrahan sejak berkurun lalu bagi makhluk besar ini dan perkara yang mengajar kita tentang kesan yang lebih luas bagi pengaruh manusia di atas air terhadap kehidupan marin di bawah, daripada pencemaran bunyi hinggalah kepada perubahan iklim.
Saya tidak pernah terfikir untuk menjadi saintis. Saya tidak menganggap yang saya mampu melakukannya. Rasa ingin tahu saya tentang dunia, tentang alam semesta secara amnya, menyemarakkan semangat [dalam diri] untuk saya cuba melakukannya.
Daniel DeLeon
Tonton pengembaraan Daniel yang diceritakan dalam filem di bawah.
