ข้ามไปที่เนื้อหา

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

Daniel DeLeon ฟังเสียงของวาฬผ่านหูฟัง
คลื่นเสียงของเสียงวาฬ Daniel DeLeon ใช้ซอฟต์แวร์แมชชีนเลิร์นนิงเพื่อจำแนกเสียงวาฬจากฟีดเสียงของมหาสมุทร
Daniel ร่วมกับศาสตราจารย์ผู้สอนฟิสิกส์จากวิทยาลัยคาบริลโล Daniel เร่งเสียงวาฬให้ดังขึ้น

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

Daniel DeLeon จากสถาบันวิจัย Monterey Bay กำลังมองไปยังมหาสมุทร วาฬฟินสองตัวอยู่เหนือน้ำ

ผมไม่เคยคิดจะเป็นนักวิทยาศาสตร์เลย เพราะไม่คิดว่าตัวเองจะทำได้ แต่ความสงสัยทั่วๆ ไปที่ผมมีเกี่ยวกับโลก เกี่ยวกับจักรวาลนี่แหละ ที่ผลักดันให้ผมลองดูสักตั้ง

Daniel DeLeon

ดูการเดินทางของ Daniel ได้ในภาพยนตร์ด้านล่าง

whales-video-large

เรื่องราวที่เกี่ยวข้อง

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

พบกับทีมที่ใช้แมชชีนเลิร์นนิงเพื่อช่วยกอบกู้เหล่าผึ้งตัวน้อยของโลก

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่ Jason Barnes และคนอื่นๆ บุกเบิกเส้นทางไปสู่โลกที่เปิดกว้างมากขึ้น

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

วิธีที่หญิงสาว 6 คนใช้เทคโนโลยีเพื่อจัดการน้ำดื่มที่ไม่ปลอดภัย

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

นักวิทยาศาสตร์และซูเปอร์คอมพิวเตอร์จะทำให้น้ำทะเลเป็นน้ำดื่มได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

AI ช่วยแจ้งเตือนล่วงหน้าในสถานการณ์ฉุกเฉินได้อย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

TensorFlow AI ช่วยอนุรักษ์วัฒนธรรมญี่ปุ่นอย่างไร

กลับไปด้านบน