閱讀時間約需 4 分鐘

音樂如何促使 Daniel DeLeon 使用機器學習技術研究海洋

Daniel 在就讀社區大學時對工程學一竅不通,但他現在突破自我,運用機器學習技術來追蹤瀕臨絕種的鯨魚。

Daniel DeLeon 的母親 Betty 與父親 Narciso 的初次相遇是在教會所舉辦的墨西哥聖布拉斯旅遊活動。當時 Betty 不會說西班牙文,而 Narciso 也不會說英文,因此語言不通的兩人是透過音樂交流。

Daniel 今年 26 歲,目前就讀加州理工州立大學 (California Polytechnic State University),而他的成長背景使他擁有絕佳音感。Daniel 的父母組了一支傳統墨西哥三重奏樂團「Trio Guadalupeño」,每週都會彩排並在當地的「quinceañeras」(拉丁美洲成人禮)、洗禮儀式和派對演出,Daniel 在耳濡目染下自然愛上充滿音樂的生活。

我在物理課學到聲波如何傳播到我們的耳中,真的很不可思議。這些聲波能夠影響我們的情緒,讓我們感到開心或是亢奮。

Daniel DeLeon

在社區大學接觸到物理課後,Daniel 對音樂的熱愛進一步拓展到了聲音科學。他憑藉著原有的音樂背景加上新掌握到的聲學知識,在激烈的競爭中贏得蒙特里灣水族館研究學會 (Monterey Bay Aquarium Research Institute,MBARI) 的實習機會。他在實習期間負責聆聽鯨魚叫聲,協助 Danelle Cline 和 John Ryan 兩位科學家進行海洋研究。

鯨魚是用聲波互相溝通,就跟我的父母初次相遇時是透過音樂交流一樣。這讓我回想起他們的音樂,並意識到那有多重要。

Daniel DeLeon

Daniel DeLeon 透過耳機聆聽鯨魚叫聲
鯨魚叫聲的波形 Daniel DeLeon 運用機器學習軟體,從海洋音訊動態饋給中辨識出鯨魚叫聲
Daniel 在卡布里歐大學與他的物理學教授合影 Daniel 調高鯨魚叫聲的音量

科學家記錄了瀕危藍鯨和長鬚鯨的叫聲與牠們正在變化的遷徙模式,藉此深入瞭解人類可能對海洋生物造成多麼廣泛的影響。John 和 Danelle 都知道 Daniel 非常熱愛音樂,因此他們認為 Daniel 會很樂意用一整個夏天的時間,聆聽蒙特里灣水族館研究學會 (Monterey Bay Aquarium Research Institute,MBARI) 設置的水中聽音器 (一種放置在海中 900 公尺深的水底麥克風) 在海底錄下的聲音。不過,Daniel 的工作不只是單純地聆聽聲音而已。

海洋佔地球表面 70% 的面積,而且深不見底。一旦下潛 23 公尺,便會隔絕 99% 的光線。相對地,聲音在海裡可以傳遞數千英里遠。因此,海洋哺乳動物在各項日常活動中都會運用聲音。只要細細聆聽,就能推敲出這些動物的生活樣貌。

海洋生物學家 John Ryan

隨著水中聽音器全天候進行錄音,也讓科學家陷入了資料過多的窘境。如果要完整分析所有錄音資料,必須花上好幾輩子的時間。因此,Daniel 的職責便是運用 Google 的開放原始碼機器學習工具 TensorFlow 進行一成不變的音訊檔剖析工作,藉此辨識鯨魚叫聲。透過這個方式,只要短短幾天,就能完成好幾年的工作量。

Daniel 在當實習生之前從未用過 TensorFlow,不過他精通數學,而數學的核心概念正是機器學習技術的精髓所在,也就是一系列用於分析資料及學習辨識模式的演算法。

藍鯨和長鬚鯨是地球上發出聲音最大的其中兩種動物。牠們發出的低頻音能夠在海裡傳播相當長的距離,因此是最佳的研究對象。MBARI 的水中聽音器可偵測到距離 500 公里遠的鯨魚叫聲。

水中聽音器錄下的聲波必須轉換成頻譜形式的視覺資料,將特定時間內的聲音以圖表呈現。Daniel 接著會將這些頻譜匯入 TensorFlow 模型,訓練 TensorFlow 辨識藍鯨和長鬚鯨的叫聲。這跟訓練小狗在定點便溺的方法很類似,機器學習模型也是透過不斷重複的模式學習。Daniel 提供的樣本越多,模型的準確度就越高。Daniel 總共用了超過 18,000 個不同的鯨魚叫聲樣本來訓練 TensorFlow 模型。

機器學習技術的目的就是讓電腦掌握模式。

Daniel DeLeon

經過一段時間後,Daniel 成功訓練了 TensorFlow 辨識鯨魚叫聲,而且準確度高達 98.05%。這個模型可以區分藍鯨和長鬚鯨,協助確認每次叫聲發生的時段、叫聲的音量,以及叫聲的持續時間。

藍鯨

長鬚鯨

目前是海洋科學發展的關鍵時刻,也是機器學習發展的重要階段,這全是因為我們終於有了突破,得以著手解決 5 年前令眾人束手無策的難題。

資深軟體工程師 Danelle Cline

對 John 和 Danelle 來說,Daniel 在機器學習方面的研究為他們奠定了技術基礎,讓他們得以對鯨魚叫聲進行自動偵測與分類。正因為如此,他們現在能有更多時間聚焦在重大問題上,例如這些大型生物長久以來的遷徙模式如何產生變化,並從這些變化省思人類在水平面上的行為 (包括噪音汙染和氣候變化等) 會對海洋生物造成多麼廣泛的影響。

Daniel DeLeon 從蒙特里灣研究機構遠眺海洋 兩隻長鬚鯨浮出水面

我從沒想過要當一名科學家,也不覺得自己有這方面的才華。但我對這個世界乃至於整個宇宙充滿無限的好奇,也因此點燃了我對科學的熱情。

Daniel DeLeon

歡迎觀看下方影片,探索 Daniel 的研究之旅。

whales-video-large
返回頁首