دانشمندان از هوش مصنوعی برای تحلیل صداهای جانوران و شناسایی الگوهای ارتباطی گونههای مختلف استفاده میکنند. اما با وجود گشایشهای تازه این فناوری، ترجمهٔ زبان حیوانات هنوز چشماندازی دور و دستنیافتنی است.
هوش مصنوعی میتواند به دانشمندان کمک کند به درک نزدیکتری از چگونگی ارتباط حیوانات برسند، زیرا پژوهشگران هر چه بیشتر از یادگیری ماشین برای تحلیل صداهای گونههای مختلف، از پرندگان و فیلها گرفته تا نهنگها و دلفینها، استفاده میکنند.
یکی از سازمانهایی که در خط مقدم این پژوهش کار میکند، «پروژه گونههای زمین» (Earth Species Project) است، یک گروه غیرانتفاعی مستقر در آمریکا که مدلهای هوش مصنوعی را برای تحلیل آواهای حیوانات و شناسایی الگوهایی توسعه میدهد که میتوانند به توضیح نحوه ارتباط گونههای مختلف کمک کنند.
این سازمان از هوش مصنوعی برای رمزگشایی ارتباطات حیوانات استفاده میکند و هدف بلندمدت آن درک این است که حیوانات چه چیزهایی را تلاش میکنند به یکدیگر منتقل کنند.
این گروه، مدل «نیچر اِلام آدیو» را توسعه داده است؛ مدلی مبتنی بر هوش مصنوعی که برای شناسایی و دستهبندی صداهای حیوانات، تشخیص انواع مختلف آواها و تحلیل مجموعههای بزرگ ضبطهای صوتی طراحی شده است.
این مدل همچنین میتواند برای بررسی صداهای حیوانات از طریق دستورهای زبان طبیعی به کار گرفته شود و احتمالا کار پژوهشگران را برای تحلیل ضبطها از چند ماه به چند دقیقه کاهش میدهد.
در یکی از آزمایشها با استفاده از ضبطهای پروژه «فراگ آیدی» در استرالیا، یک طرح حفاظتی سراسری، «نیچر اِلام آدیو» در تشخیص صداهای قورباغه از دیگر ضبطها به دقت ۹۹ درصد و در شناسایی گونههای انتخابشده قورباغه به دقت ۸۲ درصد دست یافت.
با این حال، شناسایی صداهای حیوانات تنها بخشی از چالش است و پژوهشگران همچنین تلاش میکنند مشخص کنند این صداها چه معنایی دارند.
از شناسایی صداها تا درک ارتباط
«پروژه گونههای زمین» با پژوهشگرانی که چندین گونه را مطالعه میکنند، از جمله نهنگهای قاتل، کلاغها و فنچهای گورخری، همکاری میکند.
این سازمان در همکاری با پژوهشگران دانشگاه مکگیل در کانادا، مدلی هوشمصنوعی به نام «زیاِف اِیم» برای مطالعه تعاملات صوتی میان فنچهای گورخری توسعه داده است.
این مدل طوری طراحی شده که آواهایی شبیه آواز پرندگان را به صورت همزمان تولید کند و به پژوهشگران اجازه دهد بررسی کنند پرندگان چگونه به صداهایی که هوش مصنوعی ایجاد میکند واکنش نشان میدهند.
این آزمایشها بهویژه به این دلیل جالب هستند که فقط به تحلیل ضبطها محدود نمیشوند و بررسی میکنند حیوانات چگونه به صداهای تولیدشده توسط هوش مصنوعی واکنش نشان میدهند.
با این حال، این موضوع به آن معنا نیست که این فناوری میتواند چیزی را که پرندگان «میگویند» ترجمه کند یا این که پژوهشگران توانستهاند گفتوگویی میان حیوانات و ماشینها برقرار کنند.
طرحهای دیگر نیز رویکرد مشابهی را درباره پستانداران دریایی دنبال میکنند.
شرکت گوگل دیپمایند (Google DeepMind) مدلی هوشمصنوعی به نام دولفینجِما (منبع به زبان انگلیسی) توسعه داده است؛ مدلی که با استفاده از دههها ضبط صدا از دلفینهای لکهدار اطلس در محیط طبیعی، که توسط «پروژه دلفینهای وحشی» گردآوری شده، آموزش دیده است.
این مدل دنبالههای آواهای دلفینها را تحلیل میکند تا الگوهای تکرارشونده را شناسایی و پیشبینی کند کدام صداها احتمال دارد در ادامه شنیده شوند.
پژوهشگران امیدوارند این فناوری در نهایت بتواند به ایجاد واژگان مشترک میان انسانها و دلفینها کمک کند، هرچند این مدل همچنان بیشتر برای بررسی نحوه ارتباط این حیوانات به کار میرود تا ترجمه صداهای آنها به زبان انسان.
تلاش دانشمندان برای رمزگشایی ارتباط نهنگها
یکی دیگر از تلاشهای بزرگ پژوهشی توسط «پروژه سِتی» (Project CETI) هدایت میشود؛ ابتکاری بینالمللی که از هوش مصنوعی، رباتیک، زبانشناسی و فناوری ضبط زیرآبی برای مطالعه ارتباط نهنگهای عنبر استفاده میکند.
این پروژه بر دنبالههایی از کلیکها تمرکز دارد که «کودا» نامیده میشوند و نهنگهای عنبر برای ارتباط با یکدیگر از آنها استفاده میکنند.
پژوهشگران بررسی کردهاند که آیا این دنبالهها دارای ساختار پیچیدهای هستند یا نه؛ ساختاری که بتواند سرنخهایی درباره نحوه تبادل اطلاعات میان این حیوانات فراهم کند.
در یک مطالعه سال ۲۰۲۴ میلادی که در نشریه «نیچر کامیونیکیشنز» منتشر شد، بیش از ۸ هزار و ۷۰۰ کودای نهنگ عنبر تحلیل شد و چندین ویژگی مربوط به ریتم، سرعت و تغییرات در زمانبندی و چیدمان کلیکها شناسایی شد.
این یافتهها نشان داد ارتباط نهنگهای عنبر پیچیدهتر از آن چیزی است که پیشتر تصور میشد.
اما شناسایی الگوها در صداهای حیوانات لزوما به این معنا نیست که دانشمندان میدانند آنها چه چیزی را منتقل میکنند.
پژوهشگران همچنان باید مشخص کنند آیا آواهای مشخص دارای معانی ویژهای هستند یا نه و این که این معانی چگونه بسته به زمینه استفاده از آنها تغییر میکند.
چقدر به «گفتوگو» با حیوانات نزدیک شدهایم؟
در حالی که هوش مصنوعی راههای تازهای برای تحلیل ارتباطات حیوانات در اختیار دانشمندان گذاشته است، ترجمه این ارتباطات به زبان انسان هنوز چالشی بسیار بزرگتر به شمار میرود.
صداهای حیوانات باید همراه با اطلاعات دیگری از جمله رفتار، روابط اجتماعی و شرایط محیطی درک شوند.
یک صدای تکرارشونده ممکن است با فعالیت مشخصی همراه باشد، برای مثال، اما این به طور خودکار به آن معنا نیست که پژوهشگران میدانند حیوان تلاش دارد چه چیزی را منتقل کند.
دانشمندان همچنین باید با مشاهده واکنش حیوانات در آزمایشهای کنترلشده مشخص کنند آیا تفسیرهای آنها درست است یا نه.
این فناوری در نهایت میتواند کاربردهایی فراتر از صرفا پاسخ دادن به کنجکاوی انسان درباره دنیای حیوانات داشته باشد.
با این حال، اگر دانشمندان یاد بگیرند سیگنالهای حیوانی مرتبط با جفتگیری، استرس یا تعاملات اجتماعی را شناسایی و بازتولید کنند، همین فناوری میتواند برای جذب حیوانات، برهم زدن رفتار آنها یا آسانتر کردن به دام انداختنشان به کار رود.
پژوهشگران همچنین نگرانیهایی در مورد اثرات پخش آواهای تولیدشده توسط هوش مصنوعی در جمعیتهای حیاتوحش مطرح کردهاند؛ بهویژه اگر این سیگنالها بهدرستی درک نشوند یا در سیستمهای ارتباطی موجود حیوانات اختلال ایجاد کنند.
پرسشهایی نیز درباره قابلیت اعتماد تفسیرهای هوش مصنوعی وجود دارد. شناسایی الگوها در صداهای حیوانات لزوما به معنای درک معنای آنها نیست و خطر این را ایجاد میکند که انسانها نیتها یا احساساتی را به حیوانات نسبت دهند که آنها واقعا ابراز نکردهاند.
بنابراین چالش صرفا توسعه فناوریای نیست که بتواند ارتباطات حیوانات را درک کند، بلکه این است که اطمینان حاصل شود این فناوری به گونهای به کار میرود که از حیواناتی که مورد مطالعه قرار میگیرند حفاظت کند.