به گزارش کارگروه فناوری اطلاعات سایبربان ؛ یک سازمان غیرانتفاعی مستقر در کالیفرنیا میخواهد از فناوری یادگیری ماشین هوش مصنوعی، برای رمزگشایی ارتباطات حیوانات استفاده کند.
آزا راسکین یکی از بنیانگذاران و رئیس پروژه گونههای زمین (ESP) در این باره گفت: رمزگشایی ارتباطات غیر انسانی با استفاده از نوعی فناوری هوش مصنوعی به نام یادگیری ماشین ارتباط ما با سایر گونههای زنده را عمیقتر میکند و به محافظت از آنها کمک میکند. آلبومی از آهنگ نهنگ در سال ۱۹۷۰ جنبشی را به راه انداخت که منجر به ممنوعیت صید تجاری نهنگ شد. حالا فکر کنید یک مترجم برای قلمرو حیوانات، میتواند برایمان چکار کند.
این سازمان که در سال ۲۰۱۷ با کمک برخی مانند رید هافمن بنیانگذار LinkedIn تأسیس شد، اولین مقاله علمی خود را در دسامبر گذشته منتشر کرد.
راسکین گفت: هدف ما این است که ببینیم آیا میتوانیم ارتباطات حیوانی را رمزگشایی کنیم و زبان حیوانات را کشف کنیم یا نه. نکته قابل توجه در این راستا و به همان اندازه مهم، این است که ما در حال توسعه فناوری هستیم که از زیست شناسان و حفاظت از محیط زیست، پشتیبانی میکند.
درک آواز حیوانات از قدیم، مورد توجه و مطالعه بشر بوده است. پستانداران مختلف، هرکدام زنگ هشدار خود را دارند که با توجه به شکارچی، آن آوا متفاوت است. مثلاً دلفینها یکدیگر را با سوتهای خاصی صدا میکنند، اما بسیاری از کارشناسان از نامیدن آن به عنوان زبان خودداری میکنند.
تا همین اواخر، رمزگشایی صدای حیوانات بیشتر بر مشاهدات پرمشقت متکی بود. اما علاقه به استفاده از یادگیری ماشینی برای مقابله با حجم عظیمی از دادههایی که اکنون میتوانند توسط حسگرهای حیوانی مدرن جمعآوری شوند، افزایش یافته است.
الودی بریفر دانشیار دانشگاه کپنهاگ که ارتباطات صوتی را در پستانداران و پرندگان مطالعه میکند، میگوید: ما شروع به استفاده از آن کرده ایم، اما هنوز نمیدانیم چقدر میتوانیم در آن موفق باشیم.
بریفر و چند نفر دیگر، الگوریتمی را توسعه داده اند که غرغر خوک را تجزیه و تحلیل میکند تا بگوید حیوان احساسات مثبت یا منفی را تجربه میکند. الگوریتم دیگری به نام DeepSqueak، بر اساس تماسهای اولتراسونیک، قضاوت میکند که آیا جوندگان در وضعیت استرس قرار دارند یا خیر.
یک ابتکار دیگر پروژه CETI (که مخفف عبارت Cetacean Translation Initiative) است که قصد دارد از یادگیری ماشینی برای ترجمه ارتباطات نهنگهای عنبر استفاده کند.
با این حال ESP میگوید رویکردش متفاوت است، زیرا روی رمزگشایی ارتباطات یک گونه خاص متمرکز نیست و روی همه حیوانات متمرکز است. در حالی که راسکین اذعان میکند که احتمالا ارتباطات نمادین و غنی بیشتری در میان حیوانات اجتماعی وجود خواهد داشت (به عنوان مثال در بین نهنگها و دلفینها)، هدف آنها توسعه ابزارهایی است که میتواند در کل قلمرو حیوانات به کار رود.
راسکین میگوید: از یادگیری ماشینی میتوان برای ترجمه بین زبانهای مختلف و گاهاً حیوانی استفاده کرد، آن هم بدون نیاز به دانش قبلی. ابزارهایی که ما توسعه میدهیم، احتمالا بتوانند در تمام زیستشناسی، از کرمها گرفته تا نهنگها، کار کنند.
او اضافه میکند که حیوانات فقط به صورت صوتی با هم ارتباط برقرار نمیکنند. به عنوان مثال، زنبورها از طریق تکان دادن بدنشان به دیگران مکان یک گل را اطلاع میدهند.
پروژه دیگری نیز در این زمینه وجود دارد که هدف آن توسعه الگوریتمی است که با استفاده از یادگیری ماشینی خود نظارتی، که نیازی به برچسبگذاری دادهها توسط انسان ندارد، مشخص میکند که یک گونه میتواند چند نوع تماس برقرار کند.
در همین حال، پروژه دیگری به دنبال درک خودکار معانی کاربردی آوازها است. این پروژه در آزمایشگاه آری فریدلندر، استاد علوم اقیانوسی در دانشگاه کالیفرنیا، در حال پیگیری است. این آزمایش نحوه رفتار پستانداران دریایی وحشی را که مشاهده مستقیم آنها دشوار است، در زیر آب مطالعه میکند و یکی از بزرگترین برنامههای برچسب گذاری در جهان را اجرا میکند.
در نهایت باید منتظر ماند و دید که اینگونه پروژهها به سرانجام خواهند رسید و انسان خواهد توانست زبان حیوانات را بفهمد یا مثل بسیاری از پروژههای دیگر، پرونده این تحقیقات بدون نتیجه بسته خواهد شد.
