گفتگو با حیوانات به واقعیت پیوست

در حال حاضر، یک پروژه تحقیقاتی نوآورانه در حال توسعه ابزاری برای درک شیوه‌های ارتباطی نهنگ‌ها و سایر موجودات زنده است.

در ماه مه ۲۰۲۰، پراتیوشا شارما و تیم تحقیقاتی او در مؤسسه فناوری ماساچوست، بررسی‌های دقیق داده‌های خود را آغاز کردند تا الگوهای جدیدی را شناسایی کنند.

مجموعه داده‌ای که در اختیار داشتند، ساده نبود و شامل ساعت‌ها داده‌های با ارزشی بود که به مدت ده سال از صداهای نهنگ‌های عنبر جمع‌آوری شده و برای برقراری ارتباط به کار می‌رفت.

این پروژه، CETI که به معنای Cetacean Translation Initiative است، در واقع تلاشی است برای فهم این مساله که نهنگ‌ها چه چیزهایی را بیان می‌کنند. هدف آن‌ها در عین سادگی، بسیار چالش‌برانگیز بود: ترجمه ارتباطات غیرانسانی. اعضای تیم شارما به یک همکار غیر انسانی روی آوردند: یک سیستم هوش مصنوعی اولیه که به آن‌ها در سازماندهی تازه‌تری از سرنخ‌های شنیداری کمک کند تا از محیط پیرامون الهام بگیرند.

اهداف برنامه CETI

آنان امیدوارند که با استفاده از CETI بتوانند آنچه در دنیای فکری نهنگ‌ها و دیگر حیوانات می‌گذرد را درک کنند و این به احتمال زیاد منجر به اقداماتی حفاظتی مؤثرتری خواهد شد و هم‌چنین از کار خود اطمینان دارند. برای نمونه در دهه ۱۹۶۰، زمانی که محققان دریافتند نهنگ‌های گوژپشت برای یکدیگر آواز می‌خوانند، این کشف منجر به انجام کمپین موفق Save the Whales و همچنین قانون حفاظت از پستانداران دریایی شد و جمعیت نهنگ‌های گوژپشت و خاکستری که در دهه‌های گذشته با تهدیدات جدی مواجه بودند، بهبود یافتند.

جهت‌گیری پروژه CETI از هفت سال پیش در مؤسسه رادکلیف دانشگاه هاروارد صورت گرفت. دیوید گروبر، زیست‌شناس دریایی و کاوشگر نشنال جئوگرافیک، هنگامی که به صدای ضبط‌شده نهنگ‌های عنبر گوش می‌داد، شفی گلدواسر، دانشمند کامپیوتر، با شنیدن این صداها با کنجکاوی از گروبر پرسید این صداها چیست و این امر به انگیزه‌ای جدید برای آنان تبدیل شد. قبل از آن، تعدادی از همکاران گلدواسر از یادگیری ماشین به منظور بهبود ترجمه زبان انسانی استفاده کرده بودند و به این فکر افتادند که از رویکرد مشابهی برای نهنگ‌ها بهره ببرند.

به گفته گروبر، هر صدا تقریباً شبیه به یک کد صفر و یک (کد باینری) است که ابتدایی‌ترین زبان رایانه را تشکیل می‌دهند. آن‌ها اظهار داشتند که صداهای نهنگ‌ها می‌توانند به راحتی به وسیله مدل‌های هوش مصنوعی جذب و تجزیه و تحلیل شوند.

گروبر با شین گرو، یکی از کاوشگران نشنال جئوگرافیک، که ۱۳ سال را به مطالعه نهنگ‌های عنبر اختصاص داده بود، تماس گرفت. آنان بررسی کردند که آیا می‌توان برنامه‌ای سفارشی از یادگیری ماشین طراحی کرد که بتواند الگوهای آشنا در این تعاملات را تشخیص دهد، دقیقاً همانند الگوهای گفتگوی انسانی. نتیجه‌ی این تلاش، نوع جدیدی از مدل پردازشی بود که قادر به پیش‌بینی شیوه‌های ارتباطی نهنگ‌ها بود. گروبر گفت: «دقت این برنامه ۹۹ درصد بود و صدای بعدی را به درستی پیش‌بینی می‌کرد.»

اعضای این گروه از این مدل در تحقیق مداوم در پروژه گرو بهره‌برداری کردند. گرو و همکارانش در آن زمان مشغول علامت‌گذاری نهنگ‌ها و ضبط صداها و حرکات آن‌ها بودند. هنگامی که نهنگ‌ها به سطح آب نزدیک می‌شدند، هواپیماهای بدون سرنشین رفتار آن‌ها را زیر نظر داشتند؛ داده‌های لازم جمع‌آوری شد و اعضای تیم امیدوار بودند که بتوانند تحرکاتی از گروه‌های متمایز به نام کدا را بر اساس صداها به همراه رفتارهایی که شواهدی از شنیدن فعال نهنگ‌ها نسبت به یکدیگر و پاسخ‌گویی بود، شناسایی کنند.

تا سال ۲۰۲۰، در گروه اولیه گروبر، حدود ۲۰ دانشمند از رشته‌های مختلفی چون یادگیری ماشین، زیست‌شناسی دریایی، رمزنگاری و یک زبان‌شناسی فعال بودند و با تأسیس هوش مصنوعی، موفق به کشف و فهرست‌پردازی هزاران کد متنوع از هزاران ساعت ضبط شدند.

شارما که در ترم دوم تحصیل در رشته علوم کامپیوتر و هوش مصنوعی بود، به این پروژه پیوست. در آغاز کار، دانشمندان کدها را به شکل یک سری خط تیره که تعداد صداهای یک نهنگ در هر ثانیه را نمایان می‌کرد، نشان می‌دادند اما شارما با کمک همکارانش، داده‌های صوتی را به صورت جدیدی از تجسم تبدیل کرد که به جای نوارها در یک محور افقی، بیشتر شبیه نت‌های موسیقی ارکستر بودند و کدهای مختلفی را نشان می‌دادند و خطوط موازی از نقاط آبشاری صداها را در کنار یکدیگر قرار می‌دادند.

این رویکرد تفاوت‌های دقیقی در ملودی هر کدا به همراه داشت، جایی که زمان بین صداها کند یا تسریع می‌شد. محققان، این صداها را با الهام از موسیقی کلاسیک، روباتو نامیدند. در برخی موارد، نهنگ‌ها یک صدای اضافی به انتهای یک کدا اضافه می‌کردند که به گفته محققان، این تغییر معنادار بوده است. تغییرات ظریف در ریتم و تمپوی روباتوها، نظرات شارما و همکارانش را به یاد واج‌ها انداخت، صداهای ترکیبی که انسان‌ها آن‌ها را به هم می‌چسبانند و به واژه تبدیل می‌کنند.

آنان گمان کردند که این کدها ممکن است مبنای یک زبان پیچیده باشند. پیش از این، بسیاری از این تفاوت‌های ظریف قابل شناسایی نبودند.

جیکوب آندریاس، کارشناس پردازش زبان طبیعی و یکی از محققان این پروژه، بیان می‌کند: «یکی از نکات جالب پروژه CETI، مشارکت گروهی از افرادی بود که خود را دانشمندان رایانه لقب داده بودند، در تلاش برای درک ارتباطات حیوانات.»

فناوری برای بهبود کیفیت زندگی گاوها

این فعالیت‌ها البته تنها به نهنگ‌ها محدود نمی‌شود و پژوهشگران در سرتاسر جهان از هوش مصنوعی به‌منظور فهم بهتر زندگی داخلی حیوانات و زیستگاه‌های طبیعی آن‌ها مثل اقیانوس‌ها، جنگل‌ها و حتی مزارع تجاری بهره می‌برند. هوش مصنوعی اکنون به‌عنوان یک پل ارتباطی بین انسان و سایر موجودات زنده به شمار می‌آید و همچنین راهی نوین برای تفکر درباره آینده کره زمین را می‌گشاید.

سورش نیتیراجان، بر روی گونه دیگری از تعاملات حیوانات با سیستم‌های رایانه‌ای پژوهش می‌کند. او که استاد علوم کامپیوتر و کشاورزی است، در حال بررسی این موضوع است که چگونه کشاورزان می‌توانند از نظارت در زمان واقعی برای تفسیر رفتارهای مختلف استفاده کنند. نیتیراجان که خود در یک مزرعه لبنی در جنوب هند بزرگ شده، شاهد بوده که گاوها به محض متوقف کردن تولید شیر، به کشتارگاه فرستاده می‌شوند. آنها روزهای پایانی خود را در مزرعه به‌عنوان قدردانی از خدماتشان سپری می‌کنند.

نیتیراجان که خود گوشت‌خوار نیست، یک دهه پیش به توسعه درک زندگی درونی حیوانات مزرعه پرداخته و به عنوان یک مهندس کشاورزی کلاسیک و یک دانشمند حیوانات آموزش‌دیده، به شدت تحت تأثیر قرار گرفت که چگونه می‌توان از فناوری برای بهبود کیفیت زندگی آنان بهره جست.

او در ابتدا با استفاده از حسگرهای زیستی، نمونه‌هایی از خون، مدفوع و مو جمع‌آوری کرده و داده‌هایی شامل دما، سطح کورتیزول، هورمون‌ها و ضربان قلب را ثبت کرده و آن‌ها را با فیلم‌های صوتی و تصویری هماهنگ کرد تا نحوه احساسات گوناگون حیوانات را، مثلاً هنگام دریافت غذا (حس مثبت) یا شنیدن صداهای ناآشنا (حس منفی) تحلیل کند. هدف او بررسی این موضوع بود که رفتار حیوانات در مواقع راحتی یا ناراحتی چگونه است.

او هفت سال پیش پردازش داده‌ها با هوش مصنوعی را آغاز کرده و به سراغ یک مدل یادگیری عمیق رفته که تشخیص چهره و تحلیل رفتار دام‌ها را انجام می‌دهد و همانند شارما و تیمش برای درک صداهای حیوانات از ابزارهای پردازش زبان طبیعی بهره می‌برد. به گفته او، اکنون می‌توان فیلم‌های ویدئویی از انباری پر از ۵۰۰۰ جوجه را در مدل قرار داده و در عرض چند دقیقه، پنج پرنده که احتمالاً بیمار هستند را شناسایی کرد.

نیتیراجان بر این باور است که رفاه حیوانات حتی در غذاهای صنعتی نیز ارزشمند است. از سویی دیگر، تشخیص زودهنگام بیماری از آلام حیوانات و خسارات مالی جلوگیری می‌کند. نتایج تحقیقات حاکی از آن است که حیوانات شادتر، محصولات با کیفیت‌تری تولید می‌کنند.

به گفته او، وقتی شرایط جوجه‌ها در محیط نگهداری بهبود می‌یابد، صداهای ناراحت‌کننده آن‌ها نیز کاهش می‌یابد، زیرا راحت‌تر تنفس می‌کنند.

تحقیقات در آمریکای جنوبی

یورگ مولر، سرپرست حفاظت در قدیمی‌ترین پارک ملی آلمان، یعنی پارک ملی جنگلی باواریا، تحقیقاتش را در آمریکای جنوبی انجام می‌دهد و در حال توسعه نوع جدیدی از گوشی پزشکی مجهز به هوش مصنوعی برای نظارت بر اکوسیستم‌های استوایی است. بررسی مجدد رشد تاج پوشش جنگل با استفاده از ماهواره‌ها و سنجش‌ازراه دور آسان است، اما چالش واقعی مشخص کردن زمان بهبود تنوع زیستی بومی است. مولر با آمار دانان، حشره‌شناسان، پرنده‌شناسان و جوامع محلی اکوادور همکاری می‌کند تا مشخص کند چه نشانه‌هایی نشان‌دهنده کارایی تلاش‌های احیا است.

مولر به سراغ بوریوالووا رفته که روشی برای استفاده از بیوآکوستیک جهت برآورد تعداد گونه‌های مختلف بر اساس صداهای تولید شده در جنگل‌ها استفاده کرده‌اند. آنان این رویکرد را با استفاده از قرار دادن دستگاه‌های ضبط در تعداد زیادی از مکان‌ها در محدوده‌ای به وسعت ۵۰۰۰۰ هکتار از جنگل چوکو در اکوادور به کار بردند و به مدت دو هفته، داده‌هایی به میزان حدود ۲۰۰۰ ساعت جمع‌آوری کردند.

پرندگان به‌عنوان یکی از بهترین شاخص‌های سرزندگی کلی اکوسیستم‌های استوایی محسوب می‌شوند و طبق گزارش مولر، اگر پرندگان در وضعیت خوبی باشند، دیگر موجودات زنجیره غذایی، از جمله پلنگ‌ها و حشرات نیز بهبود می‌یابند؛ به همین دلیل مولر از خوان فریل، متخصص پرنده‌شناسی خواست تا صداهای پرندگان را از طریق مرتب‌سازی صدا شناسایی کند. آن‌ها بیش از ۳۰۰ گونه را ثبت کردند. مولر این صداها را بر روی یک مدل هوش مصنوعی قرار داد که قبلاً برای شناسایی ۷۵ گونه آموزش دیده بود و به نتایج امیدوارکننده‌ای دست یافت. داده‌ها نشان می‌دهد که یک هوش مصنوعی به‌خوبی آموزش دیده می‌تواند به اندازه متخصصان انسانی مؤثر عمل کند و به دانشمندان کمک کند تا پیشرفت در روند بازیابی جنگل را رصد کنند. بر اساس شناسایی‌های انجام شده توسط کارشناسان و هوش مصنوعی، مولر پیش‌بینی کرده است که حدود ۵۵ سال طول خواهد کشید تا تنوع زیستی بومی پس از تخریب برای کشاورزی، به وضعیت بهبود برسد.

تلاش برای ترجمه اصوات حیوانات

پروژه CETI در مرحله جدیدی قرار دارد و محققان در حال جمع‌آوری اطلاعات هستند. دانشمندان می‌دانند که نهنگ‌ها هنگام ارتباط چه صداهایی تولید می‌کنند، اما هنوز معنای هیچ‌یک از این صداها را درک نکرده‌اند. گروبر می‌گوید: «ما مانند بچه نهنگ‌ها در حال یادگیری به سر می‌بریم.»

اگرچه زبان نهنگ‌ها ممکن است شباهت‌هایی به زبان انسان داشته باشد، اما به این معنا نیست که ساختار گفتار نهنگ‌ها منعکس‌کننده ساختار گفتار ما باشد: انسان‌ها نیازهای اکولوژیکی و تکاملی کاملاً متفاوتی دارند. همکاران پروژه CETI الگوهای حرکتی را مشاهده کرده‌اند که در آن گروهی از نهنگ‌ها به سمت دومینیکا شنا می‌کنند و سپس ناگهان به سمت دریاهای آزاد گردش می‌کنند؛ در حالی که هیچ‌یک از آن‌ها در دید یکدیگر نیستند.

شارما امیدوار است که روزی بفهمد چگونه زبان از مادر به گوساله منتقل می‌شود. نهنگ‌ها همانند انسان‌ها با زبان متولد نمی‌شوند، بلکه با حضور در اجتماع آن را می‌آموزند. حال این سئوال مطرح می‌شود که آیا نهنگ‌ها همانند فیل‌ها و دلفین‌ها صداهایی مشابه نام‌های یکدیگر دارند و آیا قادرند به نهنگ‌هایی که در آنجا حضور ندارند، اشاره کنند؟

گروبر امید دارد که این دانش به بهبود زندگی نهنگ‌های عنبر منجر شود. اگر بتوانیم آنچه نهنگ‌های عنبر می‌گویند را ترجمه کنیم، می‌توانیم از این پلتفرم برای برقراری ارتباط با موجودات فرازمینی نیز استفاده کنیم. البته این ایده تازگی ندارد و در یک فیلم قدیمی به نام Star Trek نیز به آن اشاره شده است.

تفاوت در این است که پژوهشگران اکنون در حال پیشرفت هستند. اگر هوش مصنوعی بتواند به ما کمک کند که به ابعاد ناشناخته‌ای از جهان طبیعی دست یابیم که تاکنون نمی‌دانستیم، شاید روزی دستاوردهای بزرگ‌تری را رقم بزنیم.