AI nhận diện hình ảnh biết ‘lắng nghe’ cá voi

Trong lòng đại dương sâu thẳm tối đen như mực, nhiều thiết bị khoa học liên tục lắng nghe chuyển động của Trái đất. Máy đo địa chấn rải khắp đáy biển được thiết kế để ghi lại sự va chạm giữa các mảng kiến tạo, nhưng bên cạnh đó chúng còn ghi lại tiếng kêu trầm vang của cá voi Bryde, cá voi xanh lẫn cá voi cá voi vây.

Tiếng kêu tần số thấp (10 - 100 Hz) mạnh đến mức làm rung chuyển đáy đại dương. Thay vì báo hiệu động đất, âm thanh này tiết lộ lộ trình di chuyển của một trong số loài động vật to lớn nhất hành tinh.

Giờ đây giới nghiên cứu sử dụng dữ liệu này để nghiên cứu hành vi cá voi với sự trợ giúp từ một công cụ chẳng ngờ tới: mô hình SAM cung cấp bởi Meta.

Vốn dĩ SAM chỉ chuyên nhận dạng vật thể trong ảnh, nhưng nay mô hình lại được sử dụng để “lắng nghe” tiếng cá voi. Bằng cách chuyển đổi bản ghi âm thành biểu đồ trực quan (phổ đồ), trí tuệ nhân tạo này có thể quét chúng như hình ảnh qua đó xác định tiếng kêu – đem đến cho giới nghiên cứu một phương pháp tìm hiểu cá voi mới vô cùng hiệu quả.

Khó huấn luyện AI

Các nhà khoa học hàng hải đang đối mặt với một thách thức vô cùng lớn. Hàng triệu bản ghi âm âm thanh dưới đại dương vẫn chưa được xử lí vì thao tác thủ công tốn quá nhiều thời gian. Trí tuệ nhân tạo truyền thống cũng chẳng giải quyết được vấn đề.

Việc xây dựng mô hình tùy chỉnh đủ sức xử lí đòi hỏi đội ngũ chuyên gia phái dán nhãn thủ công hàng chục nghìn dữ liệu tiếng kêu chỉ để huấn luyện AI phân biệt tiếng cá voi với tiếng ồn xung quanh.

Tuy nhiên, một nghiên cứu mới thực hiện bởi tiến sĩ Tiếu Trác (Đại học Dân tộc Quảng Tây) áp dụng cách tiếp cận khác biệt: chuyển đổi âm thanh thành hình ảnh thay vì huấn luyện trí tuệ nhân tạo nhận biết âm thanh.

Nhóm nghiên cứu sử dụng công cụ toán học tên gọi Biến đổi Fourier thời gian ngắn (STFT), chuyển bản ghi âm liên tục sang dạng phổ đồ biểu thị tần số âm thanh theo thời gian. Bằng cách làm vậy, công tác phát hiện các voi trở thành bài toán phân đoạn hình ảnh chứ không còn là giải mã âm thanh nữa. Nhận dạng hình ảnh chính là sở trường của mô hình SAM.

Vì đã thành thạo trong việc xác định hình dạng và đối tượng trong hình ảnh, SAM dễ dàng phát hiễn mẫu hình ảnh tiếng kêu của cá voi trong phổ đồ mà chẳng cần trải qua huấn luyện trước.

Cách SAM hoạt động

Thành công của SAM không phải vì hiểu cá voi, mà nhờ vào khả năng nhận diện hình dạng. Meta huấn luyện mô hình bằng hơn 11 triệu hình ảnh và 1,1 tỉ đường viền vật thể, qua đó giúp AI xác định cạnh, ranh giới, kết cấu vô cùng chính xác.

Do đó SAM chẳng cần biết cá voi là gì, mà chỉ cần phân tích phổ âm, xác định đường nét đặc biệt và mẫu hình học lặp đi lặp lại do tiếng kêu của cá voi tạo ra, sau đó tách chúng khỏi tiếng ồn môi trường.

Thay vì huấn luyện AI bằng hàng nghìn ví dụ được gắn nhãn, các nhà khoa học chỉ cần gợi ý đơn giản. Họ cung cấp cho SAM tín hiệu trực quan cơ bản chẳng hạn nhấp vào một điểm hoặc vẽ một hình chữ nhật bao quanh hình dạng cụ thể để cho mô hình biết cần phân lập mẫu nào.

Hơn nữa tiếng kêu của cá voi tấm sừng thường ở dải tần số nhất định, tuân theo mô hình nhịp điệu nghiêm ngặt. Nhóm nghiên cứu cũng lọc bớt tiếng ồn từ hoạt động địa chất và môi trường, nên phổ đồ mà SAM cần xem xét rất nhịp nhàng và dễ đoán. Hệ thống qua thử nghiệm đạt độ chính xác lên đến hơn 96% – tương đương mô hình chuyên dụng.

Nhóm nghiên cứu thử nghiệm SAM bằng dữ liệu ở nhiều địa điểm lẫn loại cá voi khác nhau. Họ bắt đầu tại đảo Hạ Dương với cá voi Bryde, rồi đến cá voi vây ngoài khơi bờ biển Ireland và cá voi xanh từ Canada.

Bất chấp khác biệt về chủng loài cùng môi trường, mô hình vẫn duy trì độ chính xác cao mà không cần điều chỉnh lớn. Từ dữ liệu hữu ích, các nhà khoa học có thể nghiên cứu hành vi của cá voi mà không làm phiền chúng.