سخن زدن با حیوانات ممکن شد_صبح سریع

در ماه می سال ۲۰۲۰ پراتیوشا شارما و گروه تحقیقاتی‌اش در موسسه فناوری ماساچوست، تجزیه‌وتحلیل دقیق داده‌هایشان را برای یافتن الگویی متفاوت اغاز کردند.

آنچه آن‌ها در اختیار داشتند، یک مجموعه داده ساده نبوده است و شامل ساعت‌ها داده‌های ارزشمندی می بود که در طول یک دهه از صداهای نهنگ‌های عنبر می بود که برای برقراری ربط از این صداها منفعت گیری می‌کردند.

پروژه آن‌ها، CETI مخفف Cetacean Translation Initiative است که درواقع تلاشی برای فهمیدن این است که نهنگ‌ها چه می‌گویند. مقصد آن‌ها در عین ساده بودن، بسیار دشوار می بود: ترجمه ارتباطات غیرانسانی. شارما و بقیه اعضای تیمش، به سراغ متحد غیر انسانشان رفتند: یک برنامه هوش مصنوعی ابتدایی برای پشتیبانی به سازمان‌دهی سرنخ‌های شنیداری به راه حلهای تازه برای الهام‌گیری زیاد تر از محیط اطراف.

اهداف برنامه CETI

آن‌ها امیدوارند تا با منفعت‌گیری از CETI بتوانند آنچه در ذهن نهنگ‌ها و دیگر حیوانات می‌گذرد را فهمیدن کرده و همین به گمان زیادً قدم‌های حفاظتی بیشتری را به همراه خواهد داشت و مطمعن بسیاری هم به کارشان دارند. برای مثالً در دهه ۱۹۶۰ وقتی که محققان فهمید شدند که 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 به‌شدت تهدید می‌شد، رو به بهبود گذاشت.

پروژه CETI هفت سال پیش در مؤسسه رادکلیف دانشگاه هاروارد اغاز شد. هنگامی دیوید گروبر، زیست‌شناس دریایی و کاوشگر نشنال جئوگرافیک، در دفترش به صدای ضبط‌شده نهنگ‌های عنبر گوش می‌داد، شفی گلدواسر، دانشمند کامپیوتر، با شنیدن این صداها، با کنجکاوی از گروبر سوال کرد که این چه صدایی است و همین انگیزه جدیدی برای آن‌ها شد. قبل از آن تعدادی از همکاران گلدواسر از یادگیری ماشینی برای بهبود ترجمه زبان انسانی منفعت گیری کرده بودند و آن‌ها به این فکر افتادند تا رویکرد شبیهی را برای نهنگ‌ها به کار بگیرند.

مطابق حرف های گروبر هر صدا، تقریباً همانند یک کد صفر و یک (کد باینری) است که ابتدایی‌ترین زبان رایانه است. مطابق حرف های آن‌ها، صدای نهنگ‌ها برای مدل هوش مصنوعی به‌راحتی قابل‌جذب و قابل‌تجزیه و تحلیل می باشند.

گروبر با شین گرو، یکی از کاوشگران نشنال جئوگرافیک که ۱۳ سال را صرف مطالعه نهنگ‌های عنبر کرده می بود، تماس گرفت. آن‌ها به بازدید این نوشته پرداختند که آیا می‌توان برنامه یادگیری ماشینی سفارشی‌ای طراحی کنند که بتواند دنباله‌های آشنا را در این تعامل های تشخیص دهد؟ دقیقاً همان گونه که انسان‌ها الگوهای گفتگوی قابل‌تشخیصی دارند. نتیجه، نوع جدیدی از مدل پردازشی می بود که می‌توانست نحوه ربط گرفتن نهنگ‌ها را پیش‌بینی کند. گروبر می‌گوید: «دقت این برنامه ۹۹ درصد می بود و صدای بعدی را پیش‌بینی می‌کرد.»

اعضای این گروه این مدل را برای مطالعه مداوم در پروژه گرو به کار برد. گرو و همکارانش آن زمان مشغول علامت‌گذاری نهنگ‌ها و ضبط صداها و حرکاتشان بودند. هنگامی نهنگ‌ها به سطح آب آمدند، هواپیماهای بدون سرنشین حرکت آن‌ها را زیر نظر گرفت؛ داده‌های مورد نظر به دست آمد و اعضای تیم به امید مشاهده ربط گروه‌های نزدیک از صداها به نام کدا با رفتارهای آشکار که شواهدی از گوش دادن فعالانه نهنگ‌ها به یکدیگر و جواب دادن است، داخل عمل شدند.

تا سال ۲۰۲۰، در گروه اولیه گروبر ۲۰ دانشمند از رشته‌های یادگیری ماشین، زیست‌شناسان دریایی، رمزنگار و یک زبان‌شناس فعالیت می‌کردند و با منفعت گیری از هوش مصنوعی، هزاران کد گوناگون را که از هزاران ساعت ضبط، کشف و فهرست‌بندی کردند.

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

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 یک‌صدای اضافی به انتهای یک کدا اضافه می‌کردند که مطابق استنباط محققان، معنادار می 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 می‌کنند و به کلمات تبدیل می‌کنند.

آن‌ها فکر کردند که احتمالا این کدها مبنا یک‌زبان پیچیده باشد. تا پیش از آن، تعداد بسیاری از این تفاوت‌های ظریف قابل‌تشخیص نبودند.

جیکوب آندریاس، کارشناس پردازش زبان طبیعی و یکی از محققان پروژه، می‌گوید: «یکی از چیزهای دلنشین پروژه CETI، این می بود که گروهی از افرادی که خود را دانشمندان رایانه می‌دانستند، در پروژه فهمیدن ربط حیوانات شراکت کردند.»

فناوری برای بهبود کیفیت زندگی گاوها

این فعالیت یقیناً به نهنگ‌ها محدود نمی‌شود و دانشمندان و محققان سراسر دنیا با منفعت‌گیری از هوش مصنوعی به جستوجو فهمیدن زندگی داخلی حیوانات و زیست‌گاه‌هایشان ازجمله اقیانوس‌ها، جنگل‌ها و حتی مزارع تجاری می باشند. هوش مصنوعی اکنون راه ارتباطی انسان با دیگر موجودات زنده و یقیناً راه جدیدی برای تفکر در رابطه آینده سیاره را هموار کرده است.

سورش نیتیراجان، بر روی نوع فرد دیگر از تعامل حیوانات با رایانه کار می‌کند. استاد علوم کامپیوتر و کشاورزی بازدید می‌کند که کشاورزان چطور می‌توانند از نظارت زمان واقعی برای تفسیر معنی واقعی رفتارهای گوناگون منفعت گیری کنند. او در یک مزرعه لبنی در جنوب هند بزرگ‌شده و ناظر آن می بود که وقتی که گاوها تولیدشان را متوقف می‌کردند، آن‌ها را به کشتارگاه می‌فرستادند. آن‌ها روزهای خود را در مزرعه به‌گفتن سپاس از خدماتشان سپری کردند.

نیتیراجان که گوشت نمی‌خورد، یک دهه پیش اغاز به مطالعه زندگی درونی حیوانات مزرعه کرد و می‌گوید که به‌گفتن مهندس کشاورزی آموزش‌دیده کلاسیک و دانشمند حیوانات آموزش‌دیده، متعجب می بود که چطور می‌توان از فناوری برای بهبود کیفیت زندگی آن‌ها منفعت گیری کرد.

او در ابتدا با منفعت گیری از حسگرهای زیستی، مثالهای 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 شگفت (حس منفی) را لمس کند. مقصد او فهمیدن این می بود که هنگامی حیوانی راحت یا ناخوشایند است چطور به نظر می‌رسد.

او هفت سال پیش پردازش داده‌هایش با هوش مصنوعی را اغاز کرد و به سراغ یک مدل یادگیری عمیق که تشخیص چهره و تجزیه‌وتحلیل راه رفتن دام را انجام می‌دهد رفت و همانند شارما و تیمش از ابزارهای پردازش زبان طبیعی برای فهمیدن صدای حیوانات منفعت برد. مطابق حرف های او اکنون می‌توان فیلم‌های ویدئویی از انباری پر از ۵۰۰۰ جوجه را در مدل قرار داد و ظرف چند دقیقه می‌توان پنج پرنده که به‌گمان‌زیاد بیمار می باشند را شناسایی کرد.

او معتقد است که رفاه حیوانات حتی در منفعت گیری‌های صنعتی هم مورد قیمت است. از نظر دیگر شناسایی زودهنگام بیماری هم از رنج حیوان و از ضررهای مالی جلوگیری می‌کند. نتایج تحقیقات حکایت از آن دارد که حیوان شادتر، حیوان مولدتری است.

مطابق بازدید او هنگامی زیستگاه جوجه‌ها زیاد تر تمیز می‌شود، کمتر صدای ناراحتی تشکیل می‌کنند، چون راحت‌تر نفس می‌کشند.

تحقیقات در آمریکای جنوبی

یورگ مولر سرپرست حفاظت از پارک ملی جنگلی باواریا، قدیمی‌ترین پارک ملی آلمان، تحقیقاتش را در آمریکای جنوبی انجام می‌دهد و درحال‌گسترش نوع جدیدی از گوشی پزشکی تحکیم‌شده با هوش مصنوعی برای نظارت بر اکوسیستم‌های استوایی است. بازدید رشد مجدد تاج پوشش جنگل با ماهواره‌ها و سنجش‌ازدور آسان است و کار سخت خبر از این است که چه مقدار طول می‌کشد تا تنوع زیستی بومی بهبود یابد. مولر با آمار دانان، حشره شناسان، پرنده شناسان و جوامع محلی اکوادور کار می‌کند تا بفهمد چه سیگنال‌هایی شواهدی از کارکرد کوششهای احیا را اراعه می‌کنند.

مولر به سراغ بوریوالووا رفت که روشی برای منفعت گیری از بیوآکوستیک برای تخمین تعداد گونه‌های گوناگون در جنگل‌ها بر پایه صداهایی که تشکیل می‌کردند، ابداع کرده بودند. آن‌ها این رویکرد را با قرار دادن دستگاه‌های ضبط در ده ها مکان در اطراف منطقه‌ای به وسعت ۵۰۰۰۰ هکتار از جنگل چوکو در اکوادور به کار بردند و برای دو هفته متوالی، داده‌ها که نزدیک به ۲۰۰۰ ساعت منظره صوتی می بود را جمع‌آوری کردند.

پرندگان جزو بهترین شاخص‌های سرزندگی کلی اکوسیستم استوایی می باشند و مطابق حرف های مولر، اگر پرندگان اوضاع خوبی داشته باشند، دیگرگونه‌های زنجیره غذایی، از پلنگ گرفته تا حشرات، نیز بهبود می‌یابند؛ به این علت مولر از خوان فریل، متخصص پرندگان خواست تا صداهای پرندگان را از طریق صدا شناسایی کند. آن‌ها بیشتر از ۳۰۰ گونه را ثبت کردند. مولر صداها را بر روی یک مدل هوش مصنوعی حاضر که برای تشخیص ۷۵ گونه آموزش‌دیده می بود اجرا کرد و به نتایج امیدوارکننده‌ای رسید. داده‌ها نشان می‌داد که یک هوش مصنوعی کاملاً آموزش‌دیده می‌تواند به‌اندازه متخصصان انسانی مؤثر بوده و به دانشمندان پشتیبانی 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.

تلاش برای ترجمه اصوات حیوانات

پروژه CETI در نقطه عطف متغیری است و محققان در مرحله جمع‌آوری اطلاعات می باشند. دانشمندان می‌دانند که نهنگ‌ها زمان برقراری ربط چه صدایی دارند، اما تا این مدت معنی هیچ‌یک از آن‌ها را نمی‌دانند. گروبر می‌گوید: «ما همانند بچه نهنگ‌هایی هستیم که در یک بازه وقتی اغاز به یادگیری کرده‌ایم.»

اگرچه زبان نهنگ‌ها احتمالا شباهت‌هایی با زبان انسان داشته باشد، اما به این معنی نیست که ساختار گفتار نهنگ منعکس‌کننده ساختار ماست: ما نیازهای اکولوژیکی و تکاملی کاملاً متغیری 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.

شارما امیدوار است روزی بفهمیم که چطور زبان از مادر به گوساله منتقل می‌شود. نهنگ‌ها همانند انسان‌ها با زبان متولد نمی‌شوند، بلکه آن را از وجود در اجتماعی می‌آموزند. اکنون این سوال نقل است که آیا نهنگ‌ها همانند فیل‌ها و دلفین‌ها صداهایی شبیه نام‌های یکدیگر دارند؟و آیا می‌توانند به نهنگ‌هایی که آنجا وجود ندارند، اشاره کنند؟

گروبر امیدوار است که این بینش تبدیل بهبود زندگی نهنگ‌های عنبر شود. اگر می‌توانستیم آنچه نهنگ‌های عنبر می‌گویند را ترجمه کنیم، می‌توانستیم از این نوع پلتفرم برای ربط با فرازمینی‌ها منفعت گیری کنیم. یقیناً این ایده جدیدی نیست و در یک فیلم قدیمی به نام Star Trek شاهدش بودیم.

تفاوت این است که محققان اکنون در حال پیشرفت می باشند. اگر هوش مصنوعی بتواند به ما پشتیبانی کند تا به قسمت‌هایی از جهان طبیعی دسترسی اشکار کنیم که تا این مدت نمی‌دانیم، احتمالا روزی دستاوردهای بزرگ‌تری داشته باشیم.