Đọc trong 4 phút
Âm nhạc đã đưa Daniel DeLeon đến với việc nghiên cứu đại dương bằng công nghệ máy học thế nào
Daniel không hề biết kỹ thuật là gì khi anh bắt đầu theo học cao đẳng cộng đồng. Giờ thì anh ấy đang tạo ra những bước đột phá khi sử dụng công nghệ máy học để theo dõi những con cá voi đang bị đe dọa.
Khi mẹ của Daniel DeLeon, Betty, lần đầu tiên gặp cha anh, Narciso, trong một chuyến đi đến nhà thờ ở San Blas, Mexico, bà không nói được tiếng Tây Ban Nha, còn ông không nói được tiếng Anh. Vì vậy họ đã giao tiếp theo một cách khác – bằng âm nhạc.
Không có gì đáng ngạc nhiên khi Daniel, hiện là một sinh viên 24 tuổi tại Đại học Bách khoa bang California, lại rất có thiên hướng âm nhạc. Cha mẹ anh đã thành lập một ban nhạc bộ ba truyền thống của Mexico có tên là Trio Guadalupano, và các buổi tập và biểu diễn mỗi tuần của họ tại quinceañera, lễ rửa tội và các bữa tiệc tại địa phương đã mang âm nhạc đến với thời thơ ấu của anh.
Trong lớp vật lý, tôi đã được học về cách sóng âm truyền vào tai chúng ta. Thật ấn tượng. Những sóng âm đó tạo ra những cảm xúc khiến chúng ta hạnh phúc hoặc phấn khích.
Daniel DeLeon
Trong một lớp học vật lý cao đẳng cộng đồng, tình yêu dành cho âm nhạc của Daniel phát triển thành niềm đam mê với khoa học âm thanh. Kiến thức của anh về âm nhạc kết hợp với sự hiểu biết mới về âm học đã mang đến cho anh một cơ hội thực tập có tính cạnh tranh cao tại Viện nghiên cứu thủy sinh vịnh Monterey (MBARI), nơi anh giúp các nhà khoa học Danelle Cline và John Ryan nghiên cứu về đại dương bằng cách lắng nghe tiếng cá voi.
Cá voi giao tiếp bằng âm thanh, giống như cách bố mẹ tôi làm khi lần đầu gặp nhau. Khi biết về điều này, tôi nghĩ đến âm nhạc của họ và hiểu được tầm quan trọng của âm nhạc đối với họ.
Daniel DeLeon
Bằng cách theo dõi âm thanh của loài cá voi xanh và cá voi vây đang có nguy cơ tuyệt chủng và mô hình di cư đang thay đổi của chúng, các nhà khoa học có thể biết được nhiều điều về những ảnh hưởng sâu rộng của con người đối với sinh vật biển. Với niềm đam mê âm nhạc của Daniel, John và Danelle cho rằng anh sẽ không ngại dành cả một mùa hè để nghe âm thanh đại dương từ một chiếc ống nghe dưới nước của viện, một micro nằm sâu 900 mét dưới lòng đại dương. Nhưng nhiệm vụ phía trước của Daniel phức tạp hơn một chút so với việc chỉ lắng nghe.
Đại dương bao phủ 70% bề mặt trái đất và rất sâu. Nhưng khi bạn lặn xuống độ sâu 23 mét, 99% ánh sáng sẽ biến mất. Ngược lại, âm thanh di chuyển hàng ngàn dặm. Vì vậy, động vật có vú ở biển sử dụng âm thanh cho tất cả các hoạt động sống thiết yếu của mình. Chúng ta học được rất nhiều về cuộc sống của chúng c0hỉ bằng cách lắng nghe.
John Ryan, Nhà hải dương học sinh học
Khi liên tục ghi lại âm thanh, ống nghe dưới nước đã mang lại cho các nhà khoa học một vấn đề nan giải: quá nhiều dữ liệu. Sẽ phải mất đến hàng trăm năm để phân tích kĩ lưỡng từng bit âm thanh được ghi lại. Vì vậy, công việc của Daniel là sử dụng TensorFlow, công cụ máy học nguồn mở của Google, để thực hiện công việc tẻ nhạt là phân tích các tệp âm thanh và xác định tiếng gọi của cá voi trong vòng vài ngày, thay vì nhiều năm.
Khi đến thực tập, Daniel chưa từng sử dụng TensorFlow, nhưng anh rất giỏi toán, và đó cũng là cốt lõi của công nghệ máy học: một loạt các thuật toán phân tích dữ liệu và học cách nhận ra các mẫu.
Cá voi xanh và cá voi vây là hai trong số những loài động vật ồn ào nhất thế giới. Tiếng kêu tần số thấp của chúng có thể đi được những quãng đường rất lớn trong đại dương, và vì vậy, chúng trở thành những ứng viên lí tưởng cho hoạt động nghiên cứu. Ống nghe dưới nước của MBARI có thể nghe thấy tiếng cá voi ở khoảng cách tối đa 500 km.
Các sóng âm thanh mà ống nghe dưới nước ghi lại cần được chuyển đổi thành dữ liệu trực quan dưới dạng quang phổ, một bản đồ âm thanh theo thời gian. Daniel đưa các quang phổ đó vào mô hình TensorFlow để dạy cho TensorFlow biết về tiếng kêu của cả cá voi xanh và cá voi vây. Giống như cách dạy chó con tại nhà, các mô hình máy học học tập thông qua việc lặp lại. Daniel càng đưa vào nhiều ví dụ, mô hình sẽ càng chính xác. Tổng cộng, Daniel đã dùng hơn 18.000 ví dụ về tiếng kêu tách biệt của cá voi để đào tạo mô hình TensorFlow.
Công nghệ máy học đơn giản chỉ là khiến máy tính có thể nhận ra các mẫu.
Daniel DeLeon
Theo thời gian, Daniel đã có thể dạy TensorFlow xác định tiếng gọi của cá voi với độ chính xác 98,05%. Mô hình có thể phân biệt giữa cá voi xanh với cá voi vây, giúp xác nhận thời gian mỗi tiếng kêu xảy ra trong ngày, độ lớn và độ kéo dài của tiếng kêu.
Cá voi xanh
Cá voi lưng xám
Chúng ta đang đứng trước một mốc trọng yếu trong ngành khoa học đại dương. Đây cũng là thời điểm rất thú vị đối với công nghệ máy học, vì cuối cùng chúng ta cũng đã bắt đầu giải quyết được những vấn đề mà chỉ mới 5 năm trước, chúng ta còn chưa thể giải quyết.
Danelle Cline, Kỹ sư phần mềm cao cấp
Nghiên cứu của Daniel về công nghệ máy học đã giúp John và Danelle xây dựng một nền tảng để tự động phát hiện và phân loại tiếng kêu của cá voi. Giờ đây họ đã có thể dành nhiều thời gian hơn cho những câu hỏi quan trọng, ví dụ như cách di cư đã tồn tại ngàn đời của những sinh vật khổng lồ này đang thay đổi thế nào, và sự thay đổi đó có thể giúp chúng ta học được gì về tầm ảnh hưởng của những hoạt động của con người trên mặt nước, từ ô nhiễm tiếng ồn đến biến đổi khí hậu, đối với các sinh vật dưới đại dương.
Tôi chưa từng nghĩ về việc trở thành một nhà khoa học. Tôi không nghĩ mình có khả năng làm việc đó. Sự tò mò đối với thế giới, với vũ trụ nói chung đã nhóm lên ngọn lửa [trong tôi], thôi thúc tôi thử làm việc đó.
Daniel DeLeon
Cùng xem hành trình của Daniel trong đoạn phim dưới đây.
