ใช้เวลาอ่าน 4 นาที
เสียงเพลงทำให้ Daniel DeLeon ได้มาศึกษามหาสมุทรโดยใช้แมชชีนเลิร์นนิงได้อย่างไร
ตอนที่เริ่มเข้าศึกษาที่วิทยาลัยชุมชน Daniel ไม่รู้ด้วยซ้ำว่าวิศวกรรมศาสตร์คืออะไร แต่ตอนนี้เขาสร้างการค้นพบที่ยิ่งใหญ่ด้วยการใช้แมชชีนเลิร์นนิงติดตามวาฬที่ใกล้สูญพันธุ์
ตอนที่ Betty แม่ของ Daniel DeLeon พบกับ Narciso พ่อของเขาเป็นครั้งแรกระหว่างการเดินทางไปเยือนโบสถ์ในเมืองซานบลาส ประเทศเม็กซิโก เธอพูดภาษาสเปนไม่ได้ ส่วนเขาก็พูดภาษาอังกฤษไม่ได้ ทั้งสองจึงใช้เสียงเพลงเป็นเครื่องมือสื่อสารแทนคำพูด
ไม่น่าแปลกใจเลยว่าทำไม Daniel ซึ่งปัจจุบันเป็นนักศึกษาวัย 26 ปีจาก California Polytechnic State University ถึงมีหูที่ดีในการฟังเสียงดนตรี พ่อแม่ของเขาเป็นผู้ก่อตั้งวงทรีโอแนวเม็กซิกันดั้งเดิมชื่อ "Trio Guadalupeño" ทำให้ Daniel เติบโตมากับเสียงเพลงจากการซ้อมและการแสดงของวงตามงาน Quinceañera, พิธีบัพติศมา และงานปาร์ตี้ต่างๆ ในเมือง
ในคาบฟิสิกส์ ผมเรียนรู้ว่าคลื่นเสียงเดินทางมาที่หูของเราได้อย่างไร ซึ่งเป็นเรื่องที่มหัศจรรย์มากสำหรับผม เพราะคลื่นเหล่านี้เองที่ก่อให้เกิดอารมณ์ที่ทำให้เรามีความสุข หรือทำให้เรารู้สึกตื่นเต้น
Daniel DeLeon
ระหว่างคาบฟิสิกส์ตอนเรียนอยู่ที่วิทยาลัยชุมชน Daniel เริ่มหันมาสนใจศาสตร์แห่งเสียง จากความหลงใหลในเสียงดนตรีที่ Daniel มีเป็นทุนเดิมอยู่แล้ว ภูมิหลังด้านดนตรีบวกกับความรู้เกี่ยวกับสวนศาสตร์ที่เขาเพิ่งค้นพบทำให้ Daniel ได้รับคัดเลือกให้ฝึกงานที่ Monterey Bay Aquarium Research Institute (MBARI) ทั้งๆ ที่มีนักศึกษาจำนวนมากสมัครเข้าโครงการนี้ ระหว่างฝึกงาน เขาได้ช่วยนักวิทยาศาสตร์อย่าง Danelle Cline และ John Ryan ในการศึกษามหาสมุทรจากการฟังเสียงเรียกของวาฬ
วาฬสื่อสารกันโดยใช้การส่งเสียงเป็นท่วงทำนอง ตอนที่พ่อแม่ของผมเจอกันครั้งแรก พวกเขาก็ใช้เสียงดนตรีในการทำความรู้จักกันเหมือนกัน ผมเลยนึกถึงเสียงดนตรีของพ่อกับแม่ และตระหนักถึงความสำคัญของเสียงเหล่านั้น
Daniel DeLeon
จากการติดตามเสียงเรียกและพฤติกรรมการย้ายถิ่นที่เปลี่ยนแปลงไปของวาฬสีน้ำเงินและวาฬฟินที่ใกล้สูญพันธุ์ นักวิทยาศาตร์ได้เรียนรู้เกี่ยวกับผลกระทบทางอ้อมที่มนุษย์มีต่อสิ่งมีชีวิตในทะเล เนื่องจาก Daniel รักเสียงดนตรีมาก John และ Danelle จึงคิดว่าเขาน่าจะชอบใช้เวลาช่วงฤดูร้อนไปกับการฟังเสียงทะเลจากไฮโดรโฟนของสถาบัน ซึ่งเป็นไมโครโฟนใต้ท้องทะเลที่ติดตั้งอยู่ลึกลงไป 900 เมตร แต่งานที่ Daniel จะต้องทำนั้นซับซ้อนกว่าการฟังเสียงอยู่เล็กน้อย
มหาสมุทรปกคลุมพื้นผิวของโลกถึง 70 เปอร์เซ็นต์และมีความลึกมาก แต่เมื่อคุณดำลงไปเพียง 23 เมตร แสงสว่าง 99% ก็หายไปแล้ว ในทางกลับกัน เสียงเดินทางได้ไกลหลายพันไมล์ สัตว์เลี้ยงลูกด้วยนมในทะเลจึงใช้เสียงในการทำกิจกรรมที่จำเป็นทั้งหมดในชีวิต แค่การฟังเสียงเหล่านี้จึงทำให้เราได้เรียนรู้อะไรมากมายเกี่ยวกับชีวิตของพวกมัน
John Ryan นักสมุทรศาสตร์ชีวะ
การบันทึกเสียงตลอด 24 ชั่วโมงของไฮโดรโฟนทำให้นักวิทยาศาสตร์ต้องเจอกับปัญหาใหม่ ซึ่งก็คือการมีข้อมูลมากเกินไป คงต้องใช้เวลาหลายชั่วอายุคนกว่าจะวิเคราะห์เสียงที่บันทึกได้ทั้งหมด งานของ Daniel จึงเป็นการใช้ TensorFlow เครื่องมือแมชชีนเลิร์นนิงแบบโอเพนซอร์สของ Google มาทำงานที่ใช้เวลามากอย่างการแยกวิเคราะห์ไฟล์เสียงและระบุประเภทเสียงเรียกของวาฬให้เสร็จภายในไม่กี่วัน แทนที่จะใช้เวลาหลายปี
Daniel เริ่มฝึกงานโดยที่ยังไม่เคยใช้ TensorFlow เลย แต่เขาเก่งคณิตศาสตร์ และที่จริงแล้ว หัวใจของแมชชีนเลิร์นนิงก็คือคณิตศาสตร์ เพราะเป็นชุดอัลกอริทึมที่วิเคราะห์ข้อมูลและเรียนรู้ที่จะจดจำรูปแบบนั่นเอง
วาฬสีน้ำเงินและวาฬฟินติดอันดับสัตว์ที่เสียงดังที่สุดในโลก เสียงเรียกความถี่ต่ำที่พวกมันใช้สามารถเดินทางได้ไกลมากในมหาสมุทร วาฬทั้ง 2 ประเภทจึงเหมาะสมที่จะใช้ในการศึกษาของเรา ไฮโดรโฟนของ MBARI จับเสียงวาฬที่อยู่ห่างออกไปได้ถึง 500 กิโลเมตร
คลื่นเสียงที่ไฮโดรโฟนบันทึกไว้จะถูกแปลงเป็นข้อมูลรูปภาพในรูปแบบสเปกโตรแกรม ซึ่งเป็นแผนที่ของเสียงในช่วงเวลาต่างๆ Daniel ใส่ข้อมูลสเปกโตรแกรมเหล่านั้นลงในโมเดล TensorFlow เพื่อสอนให้โปรแกรมรู้จักลักษณะเสียงเรียกของวาฬสีน้ำเงินและวาฬฟิน โมเดลแมชชีนเลิร์นนิงเรียนรู้จากการทำซ้ำๆ คล้ายๆ กับการฝึกสุนัขที่บ้าน ยิ่ง Daniel ใส่ตัวอย่างเข้าไปมากเท่าใด โมเดลก็จะยิ่งมีความแม่นยำมากขึ้น Daniel ได้ฝึกโมเดล TensorFlow โดยใช้ตัวอย่างเสียงเรียกของวาฬที่คัดแยกไว้ไปทั้งหมดกว่า 18,000 ตัวอย่างด้วยกัน
แมชชีนเลิร์นนิงช่วยให้คอมพิวเตอร์เข้าใจรูปแบบ
Daniel DeLeon
เมื่อเวลาผ่านไป Daniel สอนให้ TensorFlow ระบุเสียงเรียกของวาฬได้โดยมีความแม่นยำถึง 98.05 เปอร์เซ็นต์ โมเดลจะแยกแยะความแตกต่างระหว่างเสียงของวาฬสีน้ำเงินกับวาฬฟิน และช่วยยืนยันว่าเสียงเรียกแต่ละแบบเกิดขึ้นช่วงเวลาใดของวัน พร้อมระบุระดับความดังของเสียง และระยะเวลาที่เกิดเสียงได้ด้วย
วาฬสีน้ำเงิน
วาฬฟิน
ตอนนี้เป็นเวลาที่สำคัญมากสำหรับวิทยาศาสตร์ทางทะเล และเป็นช่วงเวลาที่น่าสนใจสำหรับแมชชีนเลิร์นนิงด้วย เพราะในที่สุดเราก็สามารถเริ่มไขปัญหาที่ยังทำไม่ได้เมื่อ 5 ปีก่อน
Danelle Cline วิศวกรซอฟต์แวร์อาวุโส
การศึกษาของ Daniel โดยใช้แมชชีนเลิร์นนิงได้ช่วยให้ John และ Danelle สามารถสร้างรากฐานสำหรับการตรวจจับและการจัดประเภทเสียงเรียกของวาฬในแบบอัตโนมัติ ตอนนี้พวกเขาจึงใช้เวลากับคำถามที่ใหญ่ขึ้นได้ เช่น รูปแบบการย้ายถิ่นของวาฬที่เป็นแบบเดิมมาเป็นเวลายาวนานกำลังเปลี่ยนแปลงไปอย่างไร และการเปลี่ยนแปลงเหล่านี้บอกอะไรเราเกี่ยวกับผลกระทบทางอ้อมที่มนุษย์บนบกมีต่อสิ่งมีชีวิตในทะเล ไม่ว่าจะเป็นมลภาวะทางเสียงหรือการเปลี่ยนแปลงภูมิอากาศ
ผมไม่เคยคิดจะเป็นนักวิทยาศาสตร์เลย เพราะไม่คิดว่าตัวเองจะทำได้ แต่ความสงสัยทั่วๆ ไปที่ผมมีเกี่ยวกับโลก เกี่ยวกับจักรวาลนี่แหละ ที่ผลักดันให้ผมลองดูสักตั้ง
Daniel DeLeon
ดูการเดินทางของ Daniel ได้ในภาพยนตร์ด้านล่าง
