غزال زیاری: در ماه می سال ۲۰۲۰ پراتیوشا شارما و گروه تحقیقاتی اش در موسسه فناوری ماساچوست تجزیه وتحلیل دقیق داده هایشان را برای یافتن الگویی متفاوت آغاز کردند.
آنچه آن ها در اختیار داشتند یک مجموعه داده ساده نبود و شامل ساعت ها داده های ارزشمندی بود که در طول یک دهه از صداهای نهنگ های عنبر بود که برای برقراری ارتباط از این صداها استفاده می کردند.
پروژه آن ها CETI مخفف Cetacean Translation Initiative است که درواقع تلاشی برای درک این است که نهنگ ها چه می گویند. هدف آن ها در عین ساده بودن فوق العاده دشوار بود: ترجمه ارتباطات غیرانسانی. شارما و بقیه اعضای تیمش به سراغ متحد غیر انسانشان رفتند: یک برنامه هوش مصنوعی ابتدایی برای کمک به سازمان دهی سرنخ های شنیداری به روش های جدید برای الهام گیری بیشتر از محیط اطراف.
اهداف برنامه CETI
آن ها امیدوارند تا با بهره گیری از CETI بتوانند آنچه در ذهن نهنگ ها و دیگر حیوانات می گذرد را درک کرده و همین احتمالاً گام های حفاظتی بیشتری را به همراه خواهد داشت و اطمینان زیادی هم به کارشان دارند. مثلاً در دهه ۱۹۶۰ زمانی که محققان متوجه شدند که نهنگ های گوژپشت برای یکدیگر آواز می خوانند کمپین موفق Save the Whales و قانون حفاظت از پستانداران دریایی ثمر داد و جمعیت نهنگ های گوژپشت و خاکستری که دهه ها به شدت تهدید می شد رو به بهبود گذاشت.
پروژه CETI هفت سال پیش در مؤسسه رادکلیف دانشگاه هاروارد آغاز شد. وقتی دیوید گروبر زیست شناس دریایی و کاوشگر نشنال جئوگرافیک در دفترش به صدای ضبط شده نهنگ های عنبر گوش می داد شفی گلدواسر دانشمند کامپیوتر با شنیدن این صداها با کنجکاوی از گروبر پرسید که این چه صدایی است و همین انگیزه جدیدی برای آن ها شد. قبل از آن تعدادی از همکاران گلدواسر از یادگیری ماشینی برای بهبود ترجمه زبان انسانی استفاده کرده بودند و آن ها به این فکر افتادند تا رویکرد مشابهی را برای نهنگ ها به کار بگیرند.
طبق گفته گروبر هر صدا تقریباً شبیه یک کد صفر و یک (کد باینری) است که ابتدایی ترین زبان رایانه است. طبق گفته آن ها صدای نهنگ ها برای مدل هوش مصنوعی به راحتی قابل جذب و قابل تجزیه و تحلیل هستند.
گروبر با شین گرو یکی از کاوشگران نشنال جئوگرافیک که ۱۳ سال را صرف مطالعه نهنگ های عنبر کرده بود تماس گرفت. آن ها به بررسی این موضوع پرداختند که آیا می توان برنامه یادگیری ماشینی سفارشی ای طراحی کنند که بتواند دنباله های آشنا را در این تعاملات تشخیص دهد؟ دقیقاً همان طور که انسان ها الگوهای گفتگوی قابل تشخیصی دارند. نتیجه نوع جدیدی از مدل پردازشی بود که می توانست نحوه ارتباط گرفتن نهنگ ها را پیش بینی کند. گروبر می گوید: «دقت این برنامه ۹۹ درصد بود و صدای بعدی را پیش بینی می کرد.»
اعضای این گروه این مدل را برای مطالعه مداوم در پروژه گرو به کار برد. گرو و همکارانش آن زمان مشغول علامت گذاری نهنگ ها و ضبط صداها و حرکاتشان بودند. وقتی نهنگ ها به سطح آب آمدند هواپیماهای بدون سرنشین رفتار آن ها را زیر نظر گرفت؛ داده های مدنظر به دست آمد و اعضای تیم به امید مشاهده ارتباط گروه های متمایز از صداها به نام کدا با رفتارهای آشکار که شواهدی از گوش دادن فعالانه نهنگ ها به یکدیگر و پاسخ دادن است وارد عمل شدند.
تا سال ۲۰۲۰ در گروه اولیه گروبر ۲۰ دانشمند از رشته های یادگیری ماشین زیست شناسان دریایی رمزنگار و یک زبان شناس فعالیت می کردند و با استفاده از هوش مصنوعی هزاران کد مختلف را که از هزاران ساعت ضبط کشف و فهرست بندی کردند.
شارما در ترم دوم رشته علوم کامپیوتر و هوش مصنوعی تحصیل می کرد که به پروژه پیوست. در آغاز پروژه دانشمندان تک تک کدها را به صورت یک سری خط تیره که نشان دهنده تعداد صداهای یک نهنگ در ثانیه بود نشان دادند ولی شارما با کمک همکارانش داده های صوتی را به نوع جدیدی از تجسم تبدیل کرد که به جای نوارهای روی یک محور افقی بیشتر شبیه نت های موسیقی ارکستر بود و کدهای متعددی را نشان می داد و خطوط موازی از نقاط آبشاری صداها را در کنار هم می چید.
این رویکرد تفاوت های ظریفی را در آهنگ هر کدا نشان داد جایی که زمان بین صداها کند یا تند می شد. محققان با الهام از موسیقی کلاسیک این صداها را روباتو نام گذاری کردند. در برخی موارد نهنگ ها یک صدای اضافی به انتهای یک کدا اضافه می کردند که طبق استنباط محققان معنادار بود. تغییرات ظریف در ریتم و تمپوی روباتوها شارما و همکارانش را به یاد واج ها انداخت قطعاتی از صدا که انسان ها آن ها را باهم ترکیب می کنند و به کلمات تبدیل می کنند.
آن ها فکر کردند که شاید این کدها اساس یک زبان پیچیده باشد. تا پیش از آن بسیاری از این تفاوت های ظریف قابل تشخیص نبودند.
جیکوب آندریاس کارشناس پردازش زبان طبیعی و یکی از محققان پروژه می گوید: «یکی از چیزهای جالب پروژه CETI این بود که گروهی از افرادی که خود را دانشمندان رایانه می دانستند در پروژه درک ارتباط حیوانات مشارکت کردند.»
فناوری برای بهبود کیفیت زندگی گاوها
این فعالیت البته به نهنگ ها محدود نمی شود و دانشمندان و محققان سراسر دنیا با بهره گیری از هوش مصنوعی به دنبال درک زندگی داخلی حیوانات و زیست گاه هایشان ازجمله اقیانوس ها جنگل ها و حتی مزارع تجاری هستند. هوش مصنوعی حالا راه ارتباطی انسان با دیگر موجودات زنده و البته راه جدیدی برای تفکر در مورد آینده سیاره را هموار کرده است.
سورش نیتیراجان بر روی نوع دیگری از تعامل حیوانات با رایانه کار می کند. استاد علوم کامپیوتر و کشاورزی بررسی می کند که کشاورزان چطور می توانند از نظارت زمان واقعی برای تفسیر معنای واقعی رفتارهای مختلف استفاده کنند. او در یک مزرعه لبنی در جنوب هند بزرگ شده و شاهد آن بود که زمانی که گاوها تولیدشان را متوقف می کردند آن ها را به کشتارگاه می فرستادند. آن ها روزهای خود را در مزرعه به عنوان تشکر از خدماتشان سپری کردند.
نیتیراجان که گوشت نمی خورد یک دهه پیش شروع به مطالعه زندگی درونی حیوانات مزرعه کرد و می گوید که به عنوان مهندس کشاورزی آموزش دیده کلاسیک و دانشمند حیوانات آموزش دیده متعجب بود که چگونه می توان از فناوری برای بهبود کیفیت زندگی آن ها استفاده کرد.
او در ابتدا با استفاده از حسگرهای زیستی نمونه های خون مدفوع و مو به جمع آوری داده هایی از جمله دمای بدن سطح کورتیزول هورمون ها و تنفس و ضربان قلب پرداخت و آن ها را با فیلم های صوتی و تصویری هماهنگ کرد تا احساسات مختلف مثل زمانی که حیوان غذا دریافت می کند (حس مثبت) یا شنیدن صدای عجیب (حس منفی) را لمس کند. هدف او درک این بود که وقتی حیوانی راحت یا ناخوشایند است چگونه به نظر می رسد.
او هفت سال پیش پردازش داده هایش با هوش مصنوعی را آغاز کرد و به سراغ یک مدل یادگیری عمیق که تشخیص چهره و تجزیه وتحلیل راه رفتن دام را انجام می دهد رفت و مثل شارما و تیمش از ابزارهای پردازش زبان طبیعی برای درک صدای حیوانات بهره برد. طبق گفته او حالا می توان فیلم های ویدئویی از انباری پر از ۵۰۰۰ جوجه را در مدل قرار داد و ظرف چند دقیقه می توان پنج پرنده که به احتمال زیاد بیمار هستند را شناسایی کرد.
او معتقد است که رفاه حیوانات حتی در استفاده های صنعتی هم ارزشمند است. از سوی دیگر شناسایی زودهنگام بیماری هم از رنج حیوان و از ضررهای مالی جلوگیری می کند. نتایج تحقیقات حکایت از آن دارد که حیوان شادتر حیوان مولدتری است.
طبق بررسی او وقتی زیستگاه جوجه ها بیشتر تمیز می شود کمتر صدای ناراحتی تولید می کنند چون راحت تر نفس می کشند.
تحقیقات در آمریکای جنوبی
یورگ مولر سرپرست حفاظت از پارک ملی جنگلی باواریا قدیمی ترین پارک ملی آلمان تحقیقاتش را در آمریکای جنوبی انجام می دهد و درحال توسعه نوع جدیدی از گوشی پزشکی تقویت شده با هوش مصنوعی برای نظارت بر اکوسیستم های استوایی است. بررسی رشد مجدد تاج پوشش جنگل با ماهواره ها و سنجش ازدور آسان است و کار سخت اطلاع از این است که چقدر طول می کشد تا تنوع زیستی بومی بهبود یابد. مولر با آمار دانان حشره شناسان پرنده شناسان و جوامع محلی اکوادور کار می کند تا بفهمد چه سیگنال هایی شواهدی از کارکرد تلاش های احیا را ارائه می کنند.
مولر به سراغ بوریوالووا رفت که روشی برای استفاده از بیوآکوستیک برای تخمین تعداد گونه های مختلف در جنگل ها بر اساس صداهایی که تولید می کردند ابداع کرده بودند. آن ها این رویکرد را با قرار دادن دستگاه های ضبط در ده ها مکان در اطراف منطقه ای به وسعت ۵۰۰۰۰ هکتار از جنگل چوکو در اکوادور به کار بردند و برای دو هفته متوالی داده ها که حدود ۲۰۰۰ ساعت منظره صوتی بود را جمع آوری کردند.
پرندگان جزو بهترین شاخص های سرزندگی کلی اکوسیستم استوایی هستند و طبق گفته مولر اگر پرندگان اوضاع خوبی داشته باشند دیگرگونه های زنجیره غذایی از پلنگ گرفته تا حشرات نیز بهبود می یابند؛ بنابراین مولر از خوان فریل متخصص پرندگان خواست تا صداهای پرندگان را از طریق صدا شناسایی کند. آن ها 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 امیدوارکننده ای رسید. داده ها نشان می داد که یک هوش مصنوعی کاملاً آموزش دیده می تواند به اندازه متخصصان انسانی مؤثر بوده و به دانشمندان کمک کند تا پیشرفت بازیابی جنگل را نظارت کنند. مولر بر اساس شناسایی کارشناسان و هوش مصنوعی پیش بینی می کند که حدود ۵۵ سال طول می کشد تا زمین جنگل های بارانی پس از پاک سازی برای کشاورزی برای بازیابی تنوع زیستی بومی اش مهیا شود.
تلاش برای ترجمه اصوات حیوانات
پروژه CETI در نقطه عطف متفاوتی است و محققان در مرحله جمع آوری اطلاعات هستند. دانشمندان می دانند که نهنگ ها هنگام برقراری ارتباط چه صدایی دارند اما هنوز معنی هیچ یک از آن ها را نمی دانند. گروبر می گوید: «ما مثل بچه نهنگ هایی هستیم که در یک بازه زمانی شروع به یادگیری کرده ایم.»
اگرچه زبان نهنگ ها شاید شباهت هایی با زبان انسان داشته باشد اما به این معنا نیست که ساختار گفتار نهنگ منعکس کننده ساختار ماست: ما نیازهای اکولوژیکی و تکاملی کاملاً متفاوتی داریم. همکاران CETI الگوهای ناوبری را دیده اند که در آن گروهی از نهنگ ها به سمت دومینیکا شنا می کنند سپس ناگهان چرخیده و به سمت دریای آزاد حرکت می کنند؛ در شرایطی که همه آن ها در دید یکدیگر نیستند.
شارما امیدوار است روزی بفهمیم که چگونه زبان از مادر به گوساله منتقل می شود. نهنگ ها مثل انسان ها با زبان متولد نمی شوند بلکه آن را از حضور در اجتماعی می آموزند. حالا این سؤال مطرح است که آیا نهنگ ها مثل فیل ها و دلفین ها صداهایی مشابه نام های یکدیگر دارند؟و آیا می توانند به نهنگ هایی که آنجا حضور ندارند اشاره کنند؟
گروبر امیدوار است که این بینش منجر به بهبود زندگی نهنگ های عنبر شود. اگر می توانستیم آنچه نهنگ های عنبر می گویند را ترجمه کنیم می توانستیم از این نوع پلتفرم برای ارتباط با فرازمینی ها استفاده کنیم. البته این ایده جدیدی نیست و در یک فیلم قدیمی به نام Star Trek شاهدش بودیم.
تفاوت این است که محققان حالا در حال پیشرفت هستند. اگر هوش مصنوعی بتواند به ما کمک کند تا به بخش هایی از جهان طبیعی دسترسی پیدا کنیم که هنوز نمی دانیم شاید روزی دستاوردهای بزرگ تری داشته باشیم.
منبع: nationalgeographic
58321