Para Peneliti Gunakan Pembelajaran Mesin untuk Menguping Suara Ikan

JAKARTA - Sebuah penelitian terbaru menunjukkan bagaimana pembelajaran mesin dapat membuat manusia menguping suara ikan dan mengungkap bagaimana lingkungan memengaruhi mereka.

Seorang peneliti, Jill Munger pertama kali mendengar tentang ikan yang mengeluarkan suara saat dia masih mahasiswa.

"Saya bisa memata-matai makhluk di laut, tanpa mengganggu mereka. Ketika Anda seorang penyelam, Anda mengganggu satwa liar saat Anda berenang, jadi Anda tidak bisa menyaksikan apa yang saat Anda tidak ada di sana" ungkap Munger, yang saat ini menjadi peneliti ekologi laut di Oregon State University.

Munger diberi hard drive dengan 18.000 jam suara dari area hidrofon 12 stasiun yang dikelola oleh NOAA dan National Park Service di Samoa Amerika. Sejumlah data yang tampaknya mustahil untuk disortir.

"Ini seperti jika seseorang memberi Anda mixtape selama seminggu, Anda tidak akan pernah mendengarkan semuanya," ujar Munger.

Kemudian, dia menggunakan perangkat lunak yang menciptakan spektogram, yakni pembacaan visual dari kebisingan. Beberapa suara mudah diidentifikasi, seperti panggilan paus. Tapi ada suara lain yang sama sekali asing.

"Ini benar-benar hampir seperti teka-teki untuk mencari tahu apa suara yang berbeda itu," kata Munger.

Beberapa bagian berisik, seperti angin, dan yang lain seperti rekaman tua yang didominasi oleh suara gertakan udang. Akhirnya, dia memutuskan bahwa itu berasal dari ikan.

Dia bisa memilih waktu ketika ikan berkumpul bersama dan melakukan panggilan, yaitu pagi dan malam, seperti paduan suara. Ada satu suara yang membuat Munger bersemangat. Panggilan ikan damselfish mengingatkannya seperti kucing mendengkur.

"Bagi saya, (panggilan ikan) sangat berbeda dan penuh kepribadian," kata Munger. Dia menambahkan bahwa damselfish membuat suara khusus ini dengan menyatukan gigi faring mereka dan meningkatkan suara melalui kantung udara mereka.

Munger Tak Sendiri, Dia Bersama Seseorang Membantu Penelitiannya.

Melansir ABC News, Senin, 24 Januari, terlepas dari semua suara yang menarik di hard drive, Munger tahu dia tidak akan pernah bisa menyaring semua data sendiri. Jadi, dia meminta bantuan kakaknya, Daniel Herrera, seorang insinyur pembelajaran mesin.

Herrera menulis kode dan bersama-sama mereka melatih modelnya. Temuan keduanya ini telah diterbitkan dalam jurnal Marine Ecology Progress Series.

Sampel pembelajaran mesin atau data pelatihan mencakup 400 hingga 500 panggilan damselfish. Dengan permulaan itu, Herrera membangun model pembelajaran mesin yang secara akurat mengidentifikasi 94 persen panggilan damselfish.

Penelitian bisa tertunda lantaran sulit untuk menganalisis data dalam jumlah besar secara efisien, tetapi sistem seperti ini dapat menjadi pengubah permainan.

Selain Munger dan sang kakak, seorang peneliti di Cooperative Institute for Research in Environmental Sciences di University of Colorado Boulder, yang tidak terlibat dalam makalah baru, Carrie Bell juga melakukan penelitian serupa menggunakan pembelajaran mesin.

"Ketika Anda mulai memperkenalkan algoritme dan pendekatan seperti pembelajaran mesin dan kecerdasan buatan dan pembelajaran mendalam ini, Anda dapat membangun sesuatu yang lebih cerdas dan jauh lebih efisien untuk melewati sejumlah besar data," jelas Bell.

Di luar identifikasi sederhana, Bell menyatakan metode ini dapat mengungkap petunjuk tentang kesehatan ekosistem. Karena panggilan ikan berubah dengan kondisi lingkungan seperti kecepatan angin, suhu air, amplitudo pasang surut, dan tingkat tekanan suara, kebisingan itu sendiri dapat menjadi indikator bagaimana ekosistem berjalan, terutama di lautan yang mengalami perubahan iklim dengan cepat.

Pendekatan pembelajaran mesin ini telah digunakan dalam menganalisis panggilan paus bungkuk, tetapi belum di dunia ikan. Selain dengkuran yang disukai Munger, Bell mengatakan dalam penelitiannya bahwa dia mendengar ikan, tetapi dia masih tidak yakin spesies mana yang membuat suara mooing, dan suara misterius lainnya yang mengingatkannya pada jet ski

"Yang tidak diketahui adalah yang paling menarik bagi saya, karena menakjubkan bahwa di sinilah kita, pada tahun 2022, dan kita telah mampu memahami lingkungan selama beberapa dekade, tetapi masih ada begitu banyak hal yang bahkan belum kita jelaskan," tutur Bell.