یک مربی دلفین با دست‌هایش علامت «باهم» و سپس «ایجاد کنید» را نشان می‌دهد. دو دلفین آموزش‌دیده زیر آب ناپدید می‌شوند، صداهایی را ردوبدل می‌کنند و سپس ظاهر می‌شوند و حرکت را انجام می‌دهند. آن‌ها را اختراع کرده‌اند و همان‌طور که آن‌ها خواسته‌اند، پشت سر هم اجرا می‌کنند. آزا راسکین، می‌گوید: «این ثابت نمی‌کند که زبانی وجود دارد. اما منطقی است که اگر به روش ارتباطی غنی و نمادینی دسترسی داشته باشید، این کار را بسیار راحت تر می‌شود.»

راسکین یکی از بنیانگذاران و رئیس پروژه گونه های زمین (ESP) است. این گروه غیرانتفاعی هدف بلندپروازانه‌های دارد: رمزگشایی از ارتباطات غیرانسانی با استفاده از شکلی از هوش مصنوعی که ماشین‌های نامیده می‌شود و انتشار عمومی داده‌ها به‌طوری‌که با همکاری پژوهشگران دیگر ارتباط ما با انواع مختلف ارتباطات غیرانسانی می‌شود و از آن‌ها کمک می‌کند، محافظت شود. آلبوم موسیقی «آوازهای نهنگ‌گوژپشت» در سال ۱۹۷۰ باعث ایجاد جنبشی شد که ممنوعیت صید نهنگ‌ها را در پی داشت. حال کنید، ابزاری که برای سلسله جانوران مانند مترجم گوگل عمل می‌کند، چه چیزهایی می‌توانند به ارمغان بیاورد؟

پروژه‌های زمین که در سال ۲۰۱۷ به کمک‌کنندگان مانند رید هافمن، هم‌بنیان‌گذار لینکدین راه‌اندازی شد، دسامبر گذشته اولین مقاله علمی خود را منتشر کرد. هدف سازمان این است که در طول زندگی ما با ارتباطات حیوانات را رمزگشایی کند. راسکین می‌گوید: «هدف ما این است که بتوانیم حیوانات را رمزگشایی کنیم و زبان غیرانسانی را کشف کنیم. در طول این مسیر فناوری‌هایی توسعه پیدا می‌کند که از زیست‌شناسان و حفاظت از آنها خواهد شد.»

درک صداهای جانوران مدت‌ها موردتوجه انسان‌ها بوده است. نخست‌سانان صداهای هشداری مختلف را تولید می‌کنند که برحسب شکارچی می‌تواند متفاوت باشد. دلفین‌ها را با صداهای سوت خاص خطاب قرار می‌دهند و برخی از پرندگان آوازخوان می‌توانند عناصری از صداهای خود را بردارند و ترتیب آن‌ها را تغییر دهند تا پیام‌های متفاوتی به هم منتقل شوند. اما بیشتر از اینکه این موارد را زبان بنامند، خودداری کنند؛ زیرا هیچ‌یک از حیوانات حیوانات تمام کیفیت‌های زبان را ندارند.

مقالات مرتبط:

تا این، ارتباطات رمزگشایی، بیشتر روی مشاهداتی متکی بود که به‌سختی به دست می‌آمد. اما پژوهشگران با استفاده از ماشین برای کارکردن با حجم عظیمی از داده‌ها که اکنون می‌توان به کمک حسگرهای مرتبط با حیوانات، جمع‌آوری شود، افزایش پیدا کند.

الودی بریفر، دانشیار دانشگاه کپنهاگ که ارتباطات آوایی را در پستانداران و پرندگان مطالعه می‌کند، می‌گوید، برخی از پژوهشگران حوزه شروع به استفاده از ماشین‌ها کرده‌اند. اما هنوز نمی‌دانیم که تا چه حد می‌توان به ما کمک کرد.

بریفر و همکارانش الگوریتمی را توسعه دادند که صدای خوک‌ها را تجزیه‌وتحلیل می‌کند تا بگوید که آیا حیوان دارای احساسات مثبت یا منفی را می‌کند. اوایل سال جاری، بریفر و همکارانش مطالعه‌ای درباره احساسات خوک‌ها صداهای آن‌ها منتشر کردند. ۷۴۱۴ صدا از ۴۱۱ خوک در شرایط مختلف جمع آوری شده بود.

الگوریتم دیگری به نام DeepSqueak قرار صداهای التراسونیک (مافوق صوت) جوندگان قضاوت می‌کند که آیا تحت فشار قرار دارند. ابتکار دیگری به نام CETI قصد دارد از پروژه ماشین برای ترجمه نهنگهای عنبر استفاده کند. دارای ESP می‌گوید متفاوتی دارد. زیرا روی گشایی از ارتباطات یک گونه رمز، بلکه همه گونه‌ها را هدف قرار می‌دهد.

راسکین اذعان می‌کند احتمال وجود ارتباطات نمادین غنی در حیوانات اجتماعی بیشتر است. هدف آن‌ها توسعه ابزارهایی است که در کل سلسله جانوران استفاده می‌شود. راسکین می‌گوید: «مدل ما مستقل از گونه عمل می‌کند. ابزارهایی که ما توسعه می‌دهیم، می‌توان در تمام زیست‌شناسی از کرم‌ها تا نهنگ‌ها کار کرد.»

راسکین می‌گوید مطالعه‌ای که نشان می‌دهد ماشین‌ها را می‌توان بدون نیاز به دانش قبلی برای ترجمه زبان‌های مختلف و مکان‌های دور انسانی به کار، انگیزه‌بخش انجام پروژه جدید بود.

ترسیم نقشه کلمات برای ترجمه بین زبان های مختلف / language

برنامه ریزی با توسعه الگوریتمی برای نمایش کلمات در فضای طراحی شروع می شود. در این نمایش هندسی چندبعدی، فاصله و جهت بین نقاط (کلمات) نشان می‌دهد که آن‌ها از نظر معنی چقدر با هم ارتباط دارند. برای مثال، واژه «شاه» با واژه «مرد» دارای ارتباطی با همان فاصله و جهت است که واژه «زن» با واژه «ملکه» دارد. (نقشه‌برداری با دانستن معنی کلمات انجام نمی‌شود، بلکه برای مثال با نگاه‌کردن به تعداد دفعاتی که واژه‌های موردنظر در کنار هم ظاهر می‌شوند، انجام می‌شود).

بررسی پژوهشگران نشان داد که این اشکال برای زبان‌های مختلف مشابه است. سپس در سال ۲۰۱۷، دو گروه از پژوهشگرانی که به‌طور مستقل کار می‌کردند، روشی را پیدا کردند که در کنار هم قرار دادن اشکال مشابه، امکان دستیابی به ترجمه را ممکن می‌سازد. برای رسیدن به انگلیسی به اردو، شکل‌های آن‌ها را با هم مطابقت دهید و نقطه‌های آن را در اردو پیدا کنید که به نقطه‌ای در انگلیسی نزدیک‌تر است. راسکین می‌گوید به این روش می‌توانید کلمات را بهتر ترجمه کنید.

هدف ESP این است که این نوع بازنمایی‌ها از حیوانات را ایجاد کند (با کار روی گونه‌های فردی و چند گونه به صورت هم‌زمان) و سپس به بررسی سوالاتی مانند این موارد بپردازد که آیا اشکال ارتباطی حیوانی با اشکال انسانی همپوشانی دارد. راسکین می‌گوید نمی‌دانیم که حیوانات چگونه جهان را تجربه می‌کنند. اما به نظر می‌‌

دلفین / دلفین

دلفین‌ها از صداهای مختلف برای ارتباط برقرار کردن با هم استفاده می‌کنند. اما آنها چه می‌گویند؟

راسکین اضافه می‌کند، حیوانات فقط به شکل صوتی با هم ارتباط نمی‌گیرند. برای مثال، زنبورها به کمک حرکاتی که رقص نامیده می‌شود، درمورد مکان گل‌ها به هم خبر می‌دهند. بنابراین، لازم است روشهای مختلف ارتباطی را بتوانیم ترجمه کنیم. راسکین تصدیق می‌کند که این هدف شبیه رفتن به ماه است. اما قرار نیست که یکباره به هدف برسیم. درعوض، برنامه کاری ESP حل مسائل کوچکتر برای رسیدن به تصویری بزرگتر است. این کار با توسعه ابزارهای عمومی همراه باشد که باید به پژوهشگران کمک کند تا از هوش مصنوعی برای رمزگشایی اسرار کل انواع مطالعه مورد استفاده استفاده کنند.

برای مثال، ESP اخیراً مقاله‌ای را درمورد «مشکل مهمان شبانه» در ارتباط با حیوانات منتشر می‌کند که در آن در محیطی پرسروصدا تشخیص داده می‌شود که کدامیک از حیوانات یک گروه درحال ایجاد صدا، ایجاد می‌کند. مدل هوش مصنوعی توسعه‌یافته توسط ESP روی صدای دلفین‌ها، ماکاک‌ها و خفاش‌ها آزمایش می‌شوند و زمانی که صداها به کار می‌آیند که مدل‌هایی را که می‌توان آن‌ها را دید، بهترین عملکرد را داشت. اما با مجموعه داده‌های بزرگ‌تر می‌توانم مخلوطی از صداهای حیوانات را که در گروه آموزش حضور نداشتند، تفکیک کنند.

پروژه دیگر شامل استفاده از هوش مصنوعی برای تولید صداهای جدید است. در این پروژه ابتدا نهنگ گوژپشت مورد آزمایش قرار می‌گیرد. صداهای جدید که با تفکیک صداها به اجزای کوچکتر و استفاده از مدل زبانی برای ایجاد صداهایی شبیه صدای نهنگ‌ها ساخته می‌شوند، می‌توانند برای پخش حیوانات و واکنش آن‌ها بررسی شوند. راسکین توضیح می‌دهد اگر هوش مصنوعی متفاوتی را از تغییر معنادار تمایز می‌دهد، به ارتباطات معنادار نزدیک‌تر می‌شود.

کلاغ هاوایی / کلاغ هاوایی

کلاغهای هاوایی به دلیل استفاده از ابزار معروف هستند. اما ممکن است این باور وجود داشته باشد که دارای مجموعه های پیچیده ای از صداها هستند.

هدف پروژه دیگر الگوریتمی است که با استفاده از جان ماشین های خودنظارتان، به برچسب های داده شده توسط متخصصان انسانی نیازی ندارد، مشخص می کند که یک نوع چند نوع صدا دارد.

در آزمایش های آزمایشی، الگوریتم این صداهای ضبط شده توسط گروهی از پژوهشگران به سرپرستی کریستین روتز، استاد زیست شناسی دانشگاه سنت روز را کاوش خواهد کرد تا فهرستی از مجموعه صداهای کلاغ های هاوایی را ایجاد کند. روتز کرده است که این گونه کلاغ کشف می کند و از ابزاری برای پیدا کردن غذا استفاده می کند. این باور وجود دارد که کلاغ هاوایی نسبت به سایر گونه‌های کلاغ، مجموعه پیچیده‌تری از صداها را دارد.

روتز ویژه درمورد ارزش ارزشی پروژه هیجان‌زده است. کلاغ هاوایی در بحران انقراض قرار دارد و فقط در اسارت وجود دارد. پژوهشگران درحال پرورش و تکثیر این گونه در اسارت هستند تا آن را به حیات وحش برگردانند.

پژوهشگران امیدوار که با استفاده از صداهایی که در زمان‌های مختلف ضبط می‌شوند، بررسی می‌کنند که آیا خزانه آوایی این گونه است که در تحلیل رفته است. این امر می‌تواند پیامدهایی برای معرفی مجدد گونه‌ها داشته باشد. روتز می‌گوید: «این موضوع می‌تواند تغییر چشمگیری را برای کمک به بازگشت به پرندگان از آستانه انقراض ایجاد کند.» اگر او می‌گوید شناسایی و طبقه‌بندی دستی صداها کاری پرزحمت و مستعد خطا است.

در همین حین، پروژه دیگری به‌دنبال درک خودکار معانی کاربردی صداها است. این پروژه در آزمایشگاه آری فریدلندر، استاد اقیانوسی علوم در دانشگاه کالیفرنیا در بابا نوئل دنبال می‌شود. آزمایشگاه فریدلندر نحوه رفتار پستانداران دریایی وحشی را که به طور مستقیم آن‌ها را مشاهده می‌کند، در زیر آب مطالعه می‌کند و یکی از بزرگ‌ترین برنامه‌های برچسب‌گذاری در جهان را اجرا می‌کند. دستگاه‌های الکترونیکی کوچک به حیوانات، موقعیت، نوع حرکت و حتی آنچه که حیوانات می‌بینند، ثبت می‌کنند.

هدف ESP این است که ماشین‌های خود را بر اساس برچسب‌ها به دست می‌آورد تا به طور خودکار چیزی را که حیوانی را انجام می‌دهد می‌دهد (برای مثال درحال غذا خوردن است، زندگی می‌کند، حرکت می‌کند یا با حیوانات دیگر معاشرت دارد) را تجزیه و تحلیل می‌کند. و سپس داده‌های صوتی را به این اطلاعات اضافه کنید تا ببیند که آیا می‌توانم صداها را با رفتارها ارتباط داد. (آزمایش‌های پخش مجدد همراه با صداهایی که قبلاً رمزگشایی شده است، می‌توان برای بررسی‌ها مورد استفاده قرار گیرد). این تکنیک ابتدا برای داده‌های نهنگ گوژپشت به کار می‌رود.

همه‌ی تحقیقات درمورد قابلیت هوش مصنوعی برای دستیابی به چنین اهداف بزرگی خوش‌بین هستند. رابرت سیفرت، استاد بازنشسته روانشناسی در دانشگاه پنسیلوانیا بیش از 40 سال رفتار اجتماعی و ارتباطات صوتی نخستی‌سانان را در زیستگاه طبیعی آن‌ها مطالعه کرده است. او معتقد است که ماشین می‌تواند برای برخی از مسائل غیرقابل تشخیص خزانه آوایی حیوانات مفید باشد، که در زمینه‌های دیگری ازجمله کشف معنا و عملکرد صداها بسیار مفید باشد.

سیفرت توضیح می دهد که این مشکل این است که انسان ها بیشتر از حیواناتی که می توانند ترکیبات مختلفی داشته باشند، نسبت به مجموعه های بسیار کوچک از صداها دارند. نتیجه این است که صدای یکسانی می‌تواند در شرایط مختلف معانی متفاوتی باشد و فقط با مطالعه آن شرایط (مثلا اینکه حیوان با چه کسی چه کسی را دارد یا کجای سلسله قرار دارد) این است که می‌توان امیدوار بود که معنی را کشف کند. سیفرت می‌گوید: «فکر می‌کنم این مدل‌های هوش مصنوعی کافی نباشند. باید به آنجا مراجعه کنید و حیوانات را مشاهده کنید.»

رقص زنبورها / waggle dance

تهیه نقشه‌های ارتباطات حیوانی نیاز به افزودن پدیده‌های غیرصوتی مانند رقص زنبورهای عسل نیز دارد.

درمورد خود مفهوم نیز مشکلاتی وجود دارد؛ این شکل ارتباطات حیوانات به روش معناداری با شکل ارتباطات انسانی همپوشانی داشته باشد. سیفرت می‌گوید به کارگیری تجزیه و تحلیل‌های مبتنی بر کامپیوتر بر زبان انسان که به‌شدت با آن آشناست، یک موضوع است. اما این کار درمورد گونه‌های دیگر موضوعات بسیار متفاوتی است. کوین کافی، دانشگاه عصب‌شناس اعلام کرد که یکی از توسعه‌دهندگان الگوریتم DeepSqueak است، می‌گوید: «این ایده‌انگیز اما بسیار مهم است.»

راسکین اذعان می‌کند که هوش مصنوعی می‌تواند به تنهایی برای کشف چگونگی ارتباط برقرار کردن‌کردن ما با انواع دیگر کافی نباشد. اما او به پژوهش‌هایی اشاره می‌کند که به روش‌های بسیار پیچیده‌تر از آن چه انسان را می‌کند، با هم ارتباطی که می‌کند، می‌توان از گونه‌های مختلف نام برد.

از آنچه در گذشته سر راه چنین پژوهش هایی وجود داشته است، جمع آوری داده های کافی و تجزیه و تحلیل داده ها در بزرگی و همچنین ادراک محدود ما بوده است. او می‌گوید: «این‌ها ابزارهایی هستند که به ما اجازه می‌دهند از دیدگاه انسانی، سیستم‌های ارتباطی را درک کنند.»

اگر دوست داشتی امتیاز دادن یادت نره!