تکنولوژی

هوش مصنوعی در راه فهمیدن زبان نهنگ‌ها و نظارت بر رفاه حیوانات

<p dir="rtl"در ماه می سال ۲۰۲۰، پراتیوشا شارما و تیم تحقیقاتی او در موسسه فناوری ماساچوست، تجزیه‌وتحلیل دقیق داده‌های خود را برای یافتن الگویی جدید آغاز کردند.

<p dir="rtl"داده‌های در اختیار آن‌ها یک مجموعه ساده نبوده و شامل ساعت‌های اطلاعات ارزشمندی می‌بود که در طول یک دهه از صداهای نهنگ‌های عنبر جمع‌آوری شده بود؛ صداهایی که این موجودات برای برقراری ارتباط از آن‌ها بهره می‌برند.

<p dir="rtl"پروژه CETI که مخفف Cetacean Translation Initiative است، تلاشی برای درک این است که نهنگ‌ها چه می‌گویند. هدف نهایی، ترجمه ارتباطات غیرانسانی می‌باشد. شارما و اعضای تیمش برای سازمان‌دهی سرنخ‌های شنیداری، از یک برنامه هوش مصنوعی ابتدایی به عنوان متحد غیرانسانی خود استفاده کردند.

<h2 dir="rtl"اهداف برنامه CETI

<p dir="rtl"اعضای این پروژه امیدوارند با بهره‌گیری از CETI بتوانند آنچه در ذهن نهنگ‌ها و دیگر حیوانات می‌گذرد را درک کنند و این امر گمان می‌رود گام‌های حفاظتی بیشتری را به همراه داشته باشد. بسیاری از محققان نیز به این کار ایمان دارند. برای مثال در دهه ۱۹۶۰، وقتی محققان متوجه شدند نهنگ‌های گوژپشت برای یکدیگر آواز می‌خوانند، کمپین موفق Save the Whales و قانون حفاظت از پستانداران دریایی ثمر داد و جمعیت نهنگ‌های گوژپشت و خاکستری که دهه‌ها به شدت تهدید می‌شدند، رو به بهبود گذاشت.

<p dir="rtl"پروژه CETI هفت سال پیش در مؤسسه رادکلیف دانشگاه هاروارد آغاز شد. دیوید گروبر، زیست‌شناس دریایی و کاوشگر نشنال جئوگرافیک، در دفترش به صدای ضبط‌شده نهنگ‌های عنبر گوش می‌داد که شفی گلدواسر، دانشمند کامپیوتر، با شنیدن این صداها با کنجکاوی ازGruper پرسید این چه صدایی است و همین انگیزه جدیدی برای آن‌ها شد. پیش از آن تعدادی از همکاران گلدواسر از یادگیری ماشین برای بهبود ترجمه زبان انسانی بهره برده بودند و آن‌ها فکر کردند رویکرد مشابهی را برای نهنگ‌ها به کار گیرند.

<p dir="rtl"به گفته گروبر، هر صدا تقریبا همانند یک کد صفر و یک (کد باینری) است که ابتدایی‌ترین زبان رایانه محسوب می‌شود. آن‌ها معتقدند صدای نهنگ‌ها برای مدل هوش مصنوعی به‌راحتی قابل‌جذب و قابل‌تجزیه‌وتحلیل است.

<p dir="rtl"گروبر با شین گرو، یکی از کاوشگران نشنال جئوگرافیک که ۱۳ سال را صرف مطالعه نهنگ‌های عنبر کرده بود، تماس گرفت. آن‌ها بررسی کردند آیا می‌توان برنامه یادگیری ماشینی سفارشی‌ای طراحی کرد که بتواند دنباله‌های آشنا را در این تعامل‌ها تشخیص دهد، دقیقا همان‌گونه که انسان‌ها الگوهای گفتگوی قابل‌تشخیصی دارند. نتیجه، نوع جدیدی از مدل پردازشی بود که می‌توانست نحوه برقراری ارتباط نهنگ‌ها را پیش‌بینی کند. گروبر می‌گوید: دقت این برنامه ۹۹ درصد بود و صدای بعدی را پیش‌بینی می‌کرد."

<p dir="rtl"اعضای گروه این مدل را برای مطالعه مداوم در پروژه گرو به کار بردند. گرو و همکارانش در آن زمان مشغول علامت‌گذاری نهنگ‌ها و ضبط صداها و حرکات آن‌ها بودند. وقتی نهنگ‌ها به سطح آب می‌آمدند، هواپیماهای بدون سرنشین حرکات آن‌ها را زیر نظر می‌گرفتند؛ داده‌های مورد نظر به دست آمد و اعضای تیم با امید به مشاهده ارتباط گروه‌های نزدیک از صداها به نام کدا با رفتارهای آشکار، که شواهدی از گوش دادن فعالانه نهنگ‌ها به یکدیگر و جواب دادن است، در عمل گام برداشتند.

<p dir="rtl"تا سال ۲۰۲۰، در گروه اولیه گروبر ۲۰ دانشمند از رشته‌های یادگیری ماشین، زیست‌شناسان دریایی، رمزنگار و یک زبان‌شناس فعالیت می‌کردند و با بهره‌گیری از هوش مصنوعی، هزاران کد گوناگون را که از هزاران ساعت ضبط کشف شده بودند، فهرست‌بندی کردند.

<p dir="rtl"شارما در ترم دوم رشته علوم کامپیوتر و هوش مصنوعی تحصیل می‌کرد که به پروژه پیوست. در آغاز پروژه، دانشمندان تک‌تک کدها را به‌صورت یک سری خط تیره که نشان‌دهنده تعداد صداهای یک نهنگ در ثانیه بود، نمایش دادند اما شارما با پشتیبانی همکارانش، داده‌های صوتی را به نوع جدیدی از تجسم تبدیل کرد که به‌جای نوارهای روی یک محور افقی، بیشتر همانند نت‌های موسیقی ارکستر می‌بود و کدهای بسیاری را نشان می‌داد و خطوط موازی از نقاط آبشاری صداها را در کنار هم می‌چید.

<p dir="rtl"این رویکرد تفاوت‌های ظریفی را در آهنگ هر کدا نشان داد، جایی که زمان بین صداها کند یا تند می‌شد. محققان با الهام از موسیقی کلاسیک، این صداها را روباتو نام‌گذاری کردند. در برخی موارد، نهنگ‌ها یک صدا اضافه به انتهای یک کدا می‌افزودند که بر اساس استنباط محققان، معنادار بود. تغییرات ظریف در ریتم و تمپوی روباتوها، شارما و همکارانش را به یاد واج‌ها انداخت، قطعاتی از صدا که انسان‌ها آن‌ها را باهم ترکیب کرده و به کلمات تبدیل می‌کنند.

<p dir="rtl"آن‌ها فکر کردند احتمالا این کدها مبنای یک زبان پیچیده باشند. تا پیش از آن، تعداد زیادی از این تفاوت‌های ظریف قابل‌تشخیص نبودند.

<p dir="rtl"جیکوب آندریاس، کارشناس پردازش زبان طبیعی و یکی از محققان پروژه، می‌گوید: یکی از چیزهای دلنشین پروژه CETI، این بود که گروهی از افرادی که خود را دانشمندان رایانه می‌دانستند، در پروژه درک ارتباط حیوانات مشارکت کردند."

<h2 dir="rtl"فناوری برای بهبود کیفیت زندگی گاوها

<p dir="rtl"این فعالیت قطعا به نهنگ‌ها محدود نمی‌شود و دانشمندان و محققان سراسر جهان با بهره‌گیری از هوش مصنوعی به جستجوی درک زندگی درونی حیوانات و زیست‌گاه‌های آن‌ها از جمله اقیانوس‌ها، جنگل‌ها و حتی مزارع تجاری می‌پردازند. هوش مصنوعی اکنون راه ارتباطی انسان با دیگر موجودات زنده و قطعا راه جدیدی برای تفکر در رابطه با آینده سیاره را هموار کرده است.

<p dir="rtl"سورش نیتیراجان، بر روی نوع دیگری از تعامل حیوانات با رایانه کار می‌کند. او بررسی می‌کند که کشاورزان چگونه می‌توانند از نظارت زمان واقعی برای تفسیر معنی واقعی رفتارهای گوناگون بهره ببرند. او در یک مزرعه لبنی در جنوب هند بزرگ شده و شاهد بود که وقتی گاوها تولید شیر خود را متوقف می‌کردند، آن‌ها را به کشتارگاه می‌فرستادند. آن‌ها روزهای خود را در مزرعه به‌گفتن سپاس از خدماتشان سپری می‌کردند.

حرف زدن با حیوانات ممکن شد

<p dir="rtl"نیتیراجان که گوشت نمی‌خورد، یک دهه پیش آغاز به مطالعه زندگی درونی حیوانات مزرعه کرد و می‌گوید که به عنوان یک مهندس کشاورزی کلاسیک و دانشمند حیوانات، متعجب بود که چگونه می‌توان از فناوری برای بهبود کیفیت زندگی آن‌ها بهره برد.

<p dir="rtl"او در ابتدا با بهره‌گیری از حسگرهای زیستی، نمونه‌های خون، مدفوع و مو به جمع‌آوری داده‌هایی از جمله دمای بدن، سطح کورتیزول، هورمون‌ها و تنفس و ضربان قلب پرداخت و آن‌ها را با فیلم‌های صوتی و تصویری هماهنگ کرد تا احساسات گوناگون همانند وقتی که حیوان غذا دریافت می‌کند (حس مثبت) یا شنیدن صدای شگفت‌انگیز (حس منفی) را درک کند. هدف او درک این بود که وقتی حیوانی راحت یا ناخوشایند است، چگونه به نظر می‌رسد.

<p dir="rtl"او هفت سال پیش پردازش داده‌هایش با هوش مصنوعی را آغاز کرد و به سراغ یک مدل یادگیری عمیق رفت که تشخیص چهره و تجزیه‌وتحلیل راه رفتن دام را انجام می‌دهد و همانند شارما و تیمش از ابزارهای پردازش زبان طبیعی برای درک صدای حیوانات بهره برد. به گفته او اکنون می‌توان فیلم‌های ویدئویی از انباری پر از ۵۰۰۰ جوجه را در مدل وارد کرد و ظرف چند دقیقه می‌توان پنج پرنده‌ای که به احتمال زیاد بیمار هستند را شناسایی کرد.

<p dir="rtl"او معتقد است که رفاه حیوانات حتی در بهره‌برداری‌های صنعتی نیز مورد ارزشی است. از نظر دیگر، شناسایی زودهنگام بیماری هم از رنج حیوان و هم از ضررهای مالی جلوگیری می‌کند. نتایج تحقیقات حاکی از آن است که حیوان شادتر، حیوان مولدتری است.

<p dir="rtl"به نظر او وقتی زیستگاه جوجه‌ها بیشتر تمیز می‌شود، کمتر صدای ناراحتی تشکیل می‌دهند، چون راحت‌تر نفس می‌کشند.

<h2 dir="rtl"تحقیقات در آمریکای جنوبی

<p dir="rtl"یورگ مولر، سرپرست حفاظت از پارک ملی جنگلی باواریا، قدیمی‌ترین پارک ملی آلمان، تحقیقاتش را در آمریکای جنوبی انجام می‌دهد و در حال گسترش نوع جدیدی از گوشی پزشکی تقویت‌شده با هوش مصنوعی برای نظارت بر اکوسیستم‌های استوایی است. به گفته مولر، بازدید رشد مجدد تاج پوشش جنگل با ماهواره‌ها و سنجش از دور آسان است و کار سخت خبر از این است که چه مقدار طول می‌کشد تا تنوع زیستی بومی بهبود یابد. مولر با آماردانان، حشره‌شناسان، پرنده‌شناسان و جوامع محلی اکوادور کار می‌کند تا بفهمد چه سیگنال‌هایی شواهدی از کارکرد تلاش‌های احیا را ارائه می‌دهند.

<p dir="rtl"مولر به سراغ بوریوالووا رفت که روشی برای بهره‌گیری از بیوآکوستیک برای تخمین تعداد گونه‌های گوناگون در جنگل‌ها بر پایه صداهایی که تولید می‌کردند، ابداع کرده بودند. آن‌ها این رویکرد را با قرار دادن دستگاه‌های ضبط در ده‌ها مکان در اطراف منطقه‌ای به وسعت ۵۰۰۰۰ هکتار از جنگل چوکو در اکوادور به کار بردند و برای دو هفته متوالی، داده‌هایی که نزدیک به ۲۰۰۰ ساعت منظره صوتی بود را جمع‌آوری کردند.

حرف زدن با حیوانات ممکن شد

<p dir="rtl"پرندگان جزو بهترین شاخص‌های سرزندگی کلی اکوسیستم استوایی هستند و به گفته مولر، اگر پرندگان اوضاع خوبی داشته باشند، دیگر گونه‌های زنجیره غذایی، از پلنگ گرفته تا حشرات، نیز بهبود می‌یابند؛ به همین دلیل مولر از خوان فریل، متخصص پرندگان خواست تا صداهای پرندگان را از طریق صدا شناسایی کند. آن‌ها بیش از ۳۰۰ گونه را ثبت کردند. مولر صداها را بر روی یک مدل هوش مصنوعی موجود که برای تشخیص ۷۵ گونه آموزش دیده بود اجرا کرد و به نتایج امیدوارکننده‌ای رسید. داده‌ها نشان می‌داد که یک هوش مصنوعی کاملا آموزش دیده می‌تواند به‌اندازه متخصصان انسانی مؤثر بوده و به دانشمندان کمک کند تا پیشرفت بازیابی جنگل را نظارت کنند. مولر بر پایه شناسایی کارشناسان و هوش مصنوعی، پیش‌بینی می‌کند که نزدیک به ۵۵ سال طول می‌کشد تا زمین جنگل‌های بارانی بعد از پاک‌سازی برای کشاورزی برای بازیابی تنوع زیستی بومی‌اش، مهیا شود.

<h2 dir="rtl"تلاش برای ترجمه اصوات حیوانات

<p dir="rtl"پروژه CETI در نقطه عطفی متغیر قرار دارد و محققان در مرحله جمع‌آوری اطلاعات هستند. دانشمندان می‌دانند که نهنگ‌ها در زمان برقراری ارتباط چه صدایی دارند، اما تا این لحظه معنی هیچ‌کدام از آن‌ها را نمی‌دانند. گروبر می‌گوید: ما همانند بچه نهنگ‌هایی هستیم که در یک بازه زمانی آغاز به یادگیری کرده‌ایم."

<p dir="rtl"اگرچه زبان نهنگ‌ها احتمالا شباهت‌هایی با زبان انسان داشته باشد، اما به این معنی نیست که ساختار گفتار نهنگ منعکس‌کننده ساختار ما باشد: ما نیازهای اکولوژیکی و تکاملی کاملا متفاوتی داریم. همکاران CETI الگوهای ناوبری را دیده‌اند که در آن گروهی از نهنگ‌ها به سمت دومینیکا شنا می‌کنند، سپس یک دفعه چرخیده و به سمت دریای آزاد حرکت می‌کنند؛ در شرایطی که همه آن‌ها در دید یکدیگر نیستند.

حرف زدن با حیوانات ممکن شد

<p dir="rtl"شارما امیدوار است روزی بفهمیم که چگونه زبان از مادر به گوساله منتقل می‌شود. نهنگ‌ها همانند انسان‌ها با زبان متولد نمی‌شوند، بلکه آن را از وجود در جامعه می‌آموزند. اکنون این سوال مطرح است که آیا نهنگ‌ها همانند فیل‌ها و دلفین‌ها صداهایی شبیه نام‌های یکدیگر دارند؟ و آیا می‌توانند به نهنگ‌هایی که آنجا وجود ندارند، اشاره کنند؟

<p dir="rtl"گروبر امیدوار است که این بینش باعث بهبود زندگی نهنگ‌های عنبر شود. اگر بتوانیم آنچه نهنگ‌های عنبر می‌گویند را ترجمه کنیم، می‌توانیم از این نوع پلتفرم برای ارتباط با فرازمینی‌ها بهره ببریم. قطعا این ایده جدیدی نیست و در یک فیلم قدیمی به نام Star Trek شاهدش بودیم.

<p dir="rtl"تفاوت این است که محققان اکنون در حال پیشرفت هستند. اگر هوش مصنوعی بتواند به ما کمک کند تا به بخش‌هایی از جهان طبیعی دسترسی پیدا کنیم که تا این لحظه نمی‌دانیم، احتمالا روزی دستاوردهای بزرگ‌تری خواهیم داشت.