Tempo de leitura: 4 minutos
Como a música fez Daniel DeLeon estudar o oceano com o aprendizado de máquina
Quando começou a faculdade comunitária, Daniel não sabia o que era engenharia. Agora, ele faz grandes descobertas usando o aprendizado de máquina para rastrear baleias ameaçadas de extinção.
Quando Betty, a mãe de Daniel DeLeon, conheceu o pai dele, Narciso, em uma excursão da igreja em San Blas, no México, ela não falava espanhol, nem ele inglês. Por isso, os dois usavam uma maneira diferente para se comunicar: a música.
Não é de se estranhar que Daniel, estudante de 26 anos da California Polytechnic State University, tenha desenvolvido um ouvido para a música. Os pais dele faziam parte de uma banda tradicional mexicana chamada Trio Guadalupeño. Os ensaios e as apresentações semanais em festas de 15 anos, batismos e celebrações locais compuseram a trilha sonora da infância de Daniel.
Na aula de física, aprendi como as ondas sonoras se propagam em nossos ouvidos. Foi incrível. Essas ondas criam emoções que nos deixam alegres e cheios de energia.
Daniel DeLeon
Foi durante uma aula de física na faculdade comunitária que a paixão de Daniel pela música virou um fascínio pela ciência dos sons. Com uma formação musical e a recém-descoberta compreensão sobre a acústica, Daniel participou de um estágio muito concorrido no Monterey Bay Aquarium Research Institute (MBARI), onde ajudou os cientistas Danelle Cline e John Ryan a estudar o oceano ouvindo o canto das baleias.
As baleias estão usando a acústica para se comunicar entre si, assim como meus pais fizeram quando se conheceram. Isso me fez pensar sobre a importância da música para eles.
Daniel DeLeon
Com o rastreamento do canto de baleias-azuis e de baleias-comuns ameaçadas de extinção, bem como das mudanças nos padrões migratórios delas, os cientistas aprendem muito sobre os amplos efeitos da intervenção humana na vida marinha. Sabendo da paixão de Daniel pela música, John e Danelle imaginaram que ele não se importaria de passar o verão ouvindo os sons do oceano com o hidrofone do instituto. Esse microfone fica submerso a 900 metros de profundidade. No entanto, a tarefa de Daniel era um pouco mais complexa do que apenas escutar.
O oceano cobre 70% da superfície da Terra e é muito profundo. Apenas 1% de luz consegue chegar a 23 metros de profundidade. Por outro lado, o som viaja milhares de quilômetros. Por isso, os mamíferos marinhos usam os sons para todas as atividades de sobrevivência. Podemos aprender muito sobre a vida deles apenas ouvindo.
John Ryan, oceanógrafo da área biológica
Como o hidrofone grava os sons 24 horas por dia, os cientistas enfrentaram um dilema: o excesso de dados disponíveis. Seriam necessários muitos anos para fazer uma análise completa de todos os trechos de áudio gravados. Assim, Daniel usou o TensorFlow, a ferramenta de aprendizado de máquina de código aberto do Google, para fazer o trabalho maçante de analisar os arquivos de áudio e identificar o canto das baleias em alguns dias, em vez de anos.
Quando Daniel começou o estágio, nunca tinha usado o TensorFlow. Porém, ele era bom em matemática, e essa é basicamente a essência do aprendizado de máquina: uma série de algoritmos que analisam dados e aprendem a reconhecer padrões.
As baleias-azuis e as baleias-comuns são alguns dos animais mais barulhentos do planeta. O canto delas tem baixa frequência e pode percorrer longas distâncias no oceano. Por isso, esses animais são ótimos candidatos aos estudos. Com o hidrofone do MBARI, é possível ouvir baleias a até 500 quilômetros de distância.
As ondas sonoras gravadas pelo hidrofone precisam ser convertidas em dados visuais na forma de espectrograma, um mapa do som ao longo do tempo. Daniel registra esses espectrogramas no modelo do TensorFlow para ensinar o mecanismo a identificar os cantos das baleias-azuis e das baleias-comuns. Como um filhote sendo adestrado, os modelos de aprendizado de máquina aprendem por repetição. Quanto mais exemplos Daniel registrar nesses modelos, mais precisos eles serão. Assim, o pesquisador treinou o modelo do TensorFlow com mais de 18 mil exemplos de cantos específicos de baleias.
Basicamente, o aprendizado de máquina faz com que o computador identifique padrões.
Daniel DeLeon
Com o tempo, Daniel conseguiu ensinar o TensorFlow a identificar o canto das baleias com uma precisão de 98,05%. O modelo distingue as baleias-azuis das comuns e ajuda a confirmar o volume, a duração e o horário do dia em que cada canto aconteceu.
Baleia-azul
Baleia-comum
Chegamos a um ponto crucial dos estudos sobre o oceano. É um momento muito importante também para o aprendizado de máquina porque finalmente começamos a resolver problemas que não conseguíamos solucionar cinco anos atrás.
Danelle Cline, engenheira de software sênior
A pesquisa de Daniel com o aprendizado de máquina ajudou John e Danelle a automatizar a detecção e a classificação do canto das baleias. Agora, eles podem dedicar mais tempo a questões importantes, como a mudança nos antigos padrões migratórios dessas enormes criaturas e o amplo impacto da intervenção humana na vida marinha, que vai da poluição sonora às mudanças climáticas.
Nunca pensei em ser cientista. Não achava que tinha capacidade pra isso. Foi minha curiosidade pelo mundo, pelo universo de modo geral, que despertou essa vontade [em mim] de tentar.
Daniel DeLeon
Conheça a história de Daniel no filme abaixo.
