به گزارش وب سایت توژال، در ماه می ۲۰۲۰، پراتیوشا شارما و تیم تحقیقاتی او در MIT تجزیه و تحلیل دقیق داده های خود را برای یافتن الگوی متفاوتی آغاز کردند.

چیزی که آنها داشتند فقط یک مجموعه داده ساده نبود، بلکه ساعت ها داده های ارزشمندی بود که شامل یک دهه صداهایی بود که نهنگ های گوژپشت برای برقراری ارتباط از آنها استفاده می کردند.

پروژه آنها، CETI مخفف Cetacean Translation Initiative است و در واقع تلاشی است برای درک آنچه نهنگ ها می گویند. هدف آنها ساده اما بسیار دشوار بود: ترجمه ارتباطات غیرانسانی. شارما و بقیه تیمش به متحد غیر انسانی خود روی آوردند: یک برنامه هوش مصنوعی بدوی برای کمک به سازماندهی سیگنال های شنیداری به روش های جدید و الهام گرفتن بیشتر از محیط اطرافشان.

اهداف برنامه CETI

آنها امیدوارند که با استفاده از CETI بتوانند آنچه را که در ذهن نهنگ ها و سایر حیوانات می گذرد درک کنند و این امر به طور بالقوه منجر به گام های بعدی حفاظتی می شود و به کار خود بسیار مطمئن هستند. به عنوان مثال، در دهه 1960، زمانی که محققان متوجه شدند که نهنگ‌های گوژپشت برای یکدیگر آواز می‌خوانند، یک کمپین موفق نجات نهنگ و قانون حفاظت از پستانداران دریایی به ثمر نشست و جمعیت نهنگ‌های گوژپشت و خاکستری که دهه‌ها به شدت در معرض تهدید قرار داشتند، شروع به فعالیت کردند. برگشت برای بهبودی.

پروژه CETI هفت سال پیش در موسسه رادکلیف در دانشگاه هاروارد آغاز شد. زمانی که دیوید گروبر، زیست شناس دریایی و کاوشگر نشنال جئوگرافیک، در حال گوش دادن به ضبط نهنگ های گوژپشت در دفتر خود بود، دانشمند کامپیوتر شفی گلدواسر صداها را شنید و با کنجکاوی از گروبر پرسید که این صداها چیست و این انگیزه جدیدی برای آنها شد. پیش از آن، تعدادی از همکاران گلدواسر از یادگیری ماشینی برای بهبود ترجمه زبان انسانی استفاده کرده و رویکرد مشابهی را برای نهنگ ها در نظر گرفته اند.

به گفته گروبر، هر صدا تقریباً شبیه کد صفر و یک (کد باینری) است که زبان اصلی رایانه است. به گفته آنها، صداهای نهنگ به راحتی توسط مدل هوش مصنوعی جذب و تجزیه و تحلیل می شود.

گروبر با شین گروف، کاشف نشنال جئوگرافیک که 13 سال را صرف مطالعه نهنگ های اسپرم کرده است، تماس گرفت. آنها بررسی کردند که آیا می توان یک برنامه یادگیری ماشین سفارشی طراحی کرد که بتواند دنباله های آشنا را در این تعاملات تشخیص دهد یا خیر. همانطور که انسان ها الگوهای گفتگوی قابل تشخیصی دارند. نتیجه نوع جدیدی از مدل پردازش است که می تواند نحوه ارتباط نهنگ ها را پیش بینی کند. گروبر می گوید: «نرم افزار در پیش بینی صدای بعدی 99 درصد دقیق بود.

اعضای این گروه از این مدل برای مطالعه مداوم در پروژه Grove استفاده کرده اند. در آن زمان گرو و همکارانش مشغول مشاهده نهنگ ها و ضبط صداها و حرکات آنها بودند. هنگامی که نهنگ ها ظاهر شدند، هواپیماهای بدون سرنشین رفتار آنها را زیر نظر گرفتند. داده‌ها جمع‌آوری شد و اعضای تیم تصمیم گرفتند ببینند چگونه گروه‌های مختلف صداها که کدا نامیده می‌شوند، با رفتارهای آشکار مرتبط می‌شوند که نشان می‌دهد نهنگ‌ها به حرف‌های یکدیگر گوش می‌دهند و پاسخ می‌دهند.

تا سال 2020، گروه اصلی گروبر متشکل از 20 دانشمند یادگیری ماشین، زیست شناسان دریایی، یک رمزنگار و یک زبان شناس بود که با استفاده از هوش مصنوعی، هزاران کد مختلف را از هزاران ساعت ضبط کشف و نمایه کرده بودند.

شارما در ترم دوم تحصیلی خود در رشته علوم کامپیوتر و هوش مصنوعی تحصیل می کرد که به پروژه پیوست. در ابتدای پروژه، دانشمندان هر نماد را به صورت یک سری خط تیره نشان دادند که نشان دهنده تعداد صداهایی است که یک نهنگ در ثانیه تولید می کند، اما شارما با کمک همکارانش داده های صوتی را به نوع جدیدی از تجسم تبدیل کرد که به جای میله‌های روی یک محور افقی، مانند آهنگ‌هایی به نظر می‌رسند که نمادهای متعددی را نشان می‌دهند و خطوط موازی نقاط متوالی را به هم متصل می‌کنند.

این رویکرد تفاوت‌های ظریفی را در زیر و بم هر نت آشکار کرد، زیرا زمان بین نت‌ها کاهش یا سرعت می‌گرفت. محققان با الهام از موسیقی کلاسیک، این صداها را روباتو نامیدند. در برخی موارد، نهنگ ها صدای اضافی را به انتهای هجای پایانی اضافه کردند که محققان به این نتیجه رسیدند که معنی دار است. تغییرات ظریف در سرعت و ریتم ربات‌ها، شارما و همکارانش را به یاد واج‌ها می‌اندازد، واج‌هایی که تکه‌هایی از صدا هستند که انسان‌ها در قالب کلمات در کنار هم قرار می‌دهند.

آنها معتقد بودند که این نمادها ممکن است اساس یک زبان پیچیده باشند. حتی در آن زمان، بسیاری از این تفاوت های ظریف قابل تشخیص نبودند.

جاکوب آندریاس، کارشناس پردازش زبان طبیعی و یکی از محققان در این زمینه می گوید: «یکی از چیزهای جالب در مورد پروژه CETI این است که گروهی از مردم که خود را دانشمندان کامپیوتر می نامیدند در این پروژه برای درک ارتباط بین حیوانات شرکت کردند. پروژه .

فناوری برای بهبود کیفیت زندگی گاوها

البته این فعالیت تنها به نهنگ ها محدود نمی شود و دانشمندان و محققان در سراسر جهان از هوش مصنوعی برای درک زندگی درونی حیوانات و محیط آنها از جمله اقیانوس ها، جنگل ها و حتی مزارع تجاری استفاده می کنند. هوش مصنوعی اکنون راه را برای ارتباط انسان با دیگر موجودات زنده و البته طرز تفکر جدیدی در مورد آینده کره زمین هموار کرده است.

Suresh Nithirajan در حال کار بر روی نوع دیگری از تعامل حیوان و کامپیوتر است. استاد علوم کامپیوتر و کشاورزی مطالعه می کند که چگونه کشاورزان می توانند از نظارت زمان واقعی برای تفسیر معنای واقعی رفتارهای مختلف استفاده کنند. او که در یک مزرعه لبنی در جنوب هند بزرگ شد، شاهد فرستادن گاوها به کشتارگاه بود که تولیدشان متوقف شد. آنها روزهای خود را در مزرعه سپری کردند تا از خدماتشان تشکر کنند.

نیتیراجان، که گوشت نمی خورد، از یک دهه پیش مطالعه زندگی درونی حیوانات مزرعه را آغاز کرد و می گوید که به عنوان یک کشاورز و جانورشناس آموزش دیده به طور کلاسیک، متعجب بود که چگونه می توان از فناوری برای بهبود کیفیت زندگی آنها استفاده کرد.

او در ابتدا از حسگرهای زیستی، خون، مدفوع و نمونه‌های مو برای جمع‌آوری داده‌هایی از جمله دمای بدن، سطح کورتیزول، هورمون‌ها، تنفس و ضربان قلب استفاده کرد و آن‌ها را با فیلم‌های صوتی و تصویری تطبیق داد تا حس‌های مختلف را تشخیص دهد، مانند زمانی که حیوان غذا می‌گیرد. حس مثبت) یا صدای عجیب (حس منفی) را می شنود. هدف او این بود که بفهمد یک حیوان وقتی راحت یا ناراحت است چگونه به نظر می رسد.

هفت سال پیش، او پردازش داده های خود را با هوش مصنوعی آغاز کرد و به یک مدل یادگیری عمیق که تشخیص چهره و تجزیه و تحلیل راه رفتن حیوانات را انجام می دهد روی آورد و مانند شارما و تیمش از ابزارهای پردازش زبان طبیعی برای درک صداهای حیوانات استفاده کرد. به گفته وی، اکنون می توان ویدئوهای یک انبار پر از 5000 جوجه را در مدل قرار داد و در عرض چند دقیقه، پنج پرنده را که احتمالاً بیمار هستند شناسایی کرد.

او معتقد است که رفاه حیوانات حتی در کاربردهای صنعتی نیز ارزش دارد. از طرفی تشخیص زودهنگام بیماری از رنج حیوانات و خسارات مالی جلوگیری می کند. نتایج تحقیقات نشان می دهد که حیوان شادتر، حیوانی پربارتر است.

طبق تحقیقات او، زمانی که زیستگاه مرغ تمیزتر باشد، صداهای ناراحت کننده کمتری تولید می کند زیرا راحت تر نفس می کشد.

تحقیق در آمریکای جنوبی

یورگ مولر، رئیس بخش حفاظت در پارک ملی جنگلی باواریا، قدیمی ترین پارک ملی آلمان، در حال انجام تحقیقات در آمریکای جنوبی و توسعه نوع جدیدی از گوشی هوشمند هوش مصنوعی برای نظارت بر اکوسیستم های استوایی است. نظارت بر رشد مجدد تاج جنگل ها با استفاده از ماهواره ها و سنجش از دور آسان است، اما دشوار است که بدانیم چقدر طول می کشد تا تنوع زیستی محلی بازیابی شود. مولر با آماردانان، حشره شناسان، پرنده شناسان و جوامع محلی در اکوادور کار می کند تا سیگنال هایی را که شواهد موفقیت تلاش های بازسازی را ارائه می دهند، درک کند.

مولر با بوریوالوا تماس گرفت، او روشی برای استفاده از بیوآکوستیک برای تخمین تعداد گونه های مختلف در جنگل ها بر اساس صداهایی که آنها تولید می کنند، ابداع کرده بود. آنها از این روش با قرار دادن دستگاه های ضبط در ده ها مکان در حدود 50000 هکتار از جنگل Choco در اکوادور استفاده کردند و برای دو هفته متوالی اطلاعاتی را جمع آوری کردند که در مجموع حدود 2000 ساعت فیلم صوتی را جمع آوری کردند.

پرندگان یکی از بهترین شاخص‌های سرزندگی کلی یک اکوسیستم استوایی هستند و به گفته مولر، اگر پرندگان خوب عمل کنند، سایر گونه‌های زنجیره غذایی، از یوزپلنگ گرفته تا حشرات، نیز همین کار را خواهند کرد. بنابراین مولر از جوآن فریل، پرنده شناس، خواست تا تماس پرندگان را از طریق صدا شناسایی کند. آنها بیش از 300 گونه را ثبت کرده اند. مولر صداها را بر روی یک مدل هوش مصنوعی که برای تشخیص 75 گونه آموزش دیده بود اجرا کرد و نتایج امیدوارکننده‌ای گرفت. داده ها نشان داد که هوش مصنوعی کاملاً آموزش دیده می تواند به اندازه متخصصان انسانی در کمک به دانشمندان برای نظارت بر پیشرفت احیای جنگل موثر باشد. بر اساس شناسایی تخصصی و هوش مصنوعی، مولر انتظار دارد حدود 55 سال طول بکشد تا زمین‌های جنگل‌های بارانی پس از پاکسازی برای کشاورزی، تنوع زیستی اولیه خود را به دست آورند.

تلاش برای ترجمه صداهای حیوانات

پروژه CETI در مرحله متفاوتی قرار دارد و محققان در مرحله جمع آوری داده ها هستند. دانشمندان می‌دانند که نهنگ‌ها هنگام برقراری ارتباط چه صداهایی تولید می‌کنند، اما هنوز نمی‌دانند معنی هر یک از آنها چیست. گروبر می گوید: «ما مانند بچه نهنگ هایی هستیم که با گذشت زمان شروع به یادگیری می کنند.

اگرچه زبان نهنگ ها ممکن است شباهت هایی به زبان انسان داشته باشد، اما این بدان معنا نیست که ساختار گفتار نهنگ منعکس کننده ساختار ماست: ما نیازهای اکولوژیکی و تکاملی بسیار متفاوتی داریم. همکاران CETI الگوهای ناوبری را مشاهده کرده اند که در آن غلاف نهنگ ها به سمت دومینیکا شنا می کنند، سپس ناگهان چرخیده و به سمت دریای آزاد حرکت می کنند. در شرایطی که در دید یکدیگر نیستند.

شارما امیدوار است روزی بفهمد که چگونه زبان از مادر به گوساله منتقل می شود. نهنگ ها مانند انسان ها با زبان متولد نمی شوند، بلکه آن را از طریق تعامل اجتماعی یاد می گیرند. اکنون سوال این است که آیا نهنگ ها مانند فیل ها و دلفین ها صداهای مشابهی با نام یکدیگر دارند و آیا می توانند به نهنگ هایی که وجود ندارند اشاره کنند؟

گروبر امیدوار است که این چشم انداز زندگی نهنگ های اسپرم را بهبود بخشد. اگر بتوانیم آنچه را که نهنگ‌های اسپرم می‌گویند ترجمه کنیم، می‌توانیم از این نوع پلت فرم برای برقراری ارتباط با بیگانگان استفاده کنیم. البته این ایده جدیدی نیست و ما آن را در یک فیلم قدیمی به نام Star Trek دیدیم.

تفاوت این است که محققان اکنون 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، ممکن است روزی به دستاوردهای بزرگتری دست پیدا کنیم.