جهان امروز و هوش مصنوعی، چگونه هوش مصنوعی می تواند زبان حیوانات را تفسیر و رمزگشایی کند؟

نیوزتل: خراسان رضوی قلمرو اعجاب انگیز هوش مصنوعی (AI) بطور مداوم افق های خودرا گسترش می دهد و جنبه های مختلف زندگی ما را متحول می کند. در صورتیکه هوش مصنوعی پیشرفت های شایان توجهی در درک و پردازش زبان های انسانی داشته است، حالا برای رمزگشایی و پر کردن شکاف ارتباطی بین انسان و حیوانات نیز استفاده می شود. این پیشرفت چشم گیر این پتانسیل را دارد که اسرار زبان حیوانات را بگشاید و ارتباط دو طرفه با گونه های دیگر را امکان پذیر کند.
باید بدانیم که هیچ سنگ روزتایی برای ترجمه سیگنال های ارتباطی حیوانات وجود ندارد بلکه معنای آنها باید بوسیله مشاهده و آزمایش دقیق رمزگشایی شود. سنگ روزتا، یک لوح سنگی ناکامل از جنس سنگ آذرین و به رنگ خاکستری و صورتی مربوط به دوران مصر باستان است و در پیشرفت های معاصر و درک نوشتار هیروگلیف ابزاری سودمند واقع شده است.
حیوانات دارای سیستم های ارتباطی پیچیده ای هستند که هر کدام برای گونه های خود منحصر به فرد است. این زبان ها طیف وسیعی از صداها، حرکات بدن و ژست ها را در خود جای می دهند که اطلاعاتی را در مورد محیط، تعاملات اجتماعی و حالات عاطفی آنها منتقل می کند با این وجود، رمزگشایی این زبان ها برای دانشمندان کاری بسیار چالش برانگیز است.
هوش مصنوعی با توانایی پردازش حجم وسیعی از داده ها و تشخیص الگوها، به عنوان ابزاری قدرتمند در رمزگشایی زبان حیوانات ظاهر شده است و الان پژوهشگران از مهارتهای هوش مصنوعی مانند یادگیری ماشینی و یادگیری عمیق برای تحلیل و بررسی و تفسیر صداها و رفتارهای گونه های مختلف جانوری استفاده می نمایند.
شناسایی ارتباطات حیوانات بوسیله ضبط صداهای پرندگان، آواز نهنگ ها یا حرکات پستانداران می تواند بسیار وقت گیر باشد و حتی زیست شناسان باتجربه اغلب برای تمایز انواع سیگنال های به ظاهر مشابه، تلاش می کنند.
حالا، تعدادی از محققان دریافته اند که این مورد ممکنست به سرعت توسط هوش مصنوعی ردیابی شود. هوش مصنوعی می تواند سیستم های ارتباطی نهنگ ها، کلاغ ها، خفاش ها و سایر حیوانات را که در دسترس هستند رمزگشایی کند.
هم اکنون، دانشمندان دریافتند که گل ها می توانند صدای زنبوری که به سمت آنها می آید را بشنوند و آنها را به سمت ساختن شهد شیرین تر هدایت کنند. نهنگ های قاتل اورکا به لهجه های منحصر به فرد خود صحبت می کنند اما می توانند به گویش های مختلف با گونه های دیگر ارتباط برقرار کنند. دلفین ها نام هایی دارند که مادرشان از آنها در ارتباطات استفاده می نمایند، شبیه به نهنگ های بلوگا و خفاش ها. فیل ها سیگنالی برای گله دارند تا به آنها کمک نماید تا زنبورهای عسل را که درحال نزدیک شدن هستند منحرف کنند برای اینکه اگر وارد خرطوم یا گوش آنها شود می تواند خطرناک باشد.

الگوریتم های یادگیری ماشین به عنوان آشکارسازهای الگو
الگوریتم های یادگیری ماشین به عنوان آشکارسازهای قدرتمند الگو و تولیدکننده محتوا عمل می کنند. در صورتیکه می توانند زبان نوشتاری و گفتاری انسان را پردازش کنند، همانطور که توسط چت بات های تعاملی نشان داده شده، ممکنست سیگنال های حیوانات را از ضبط های صوتی و تصویری شناسایی و طبقه بندی کنند.
با این وجود، روش های یادگیری ماشینی به مقادیر زیادی داده نیاز دارند، همانطور که در مدل زبان Chat GPT-۳ مشاهده شده است که با بهره گیری از صدها میلیارد نشانه آموزش داده شده است و تقریباً با کلمات مطابقت دارند.
دکتر دامیان بلاسی یکی از پژوهشگران دانشگاه هاروارد اظهار داشت: «این معادل بیش از ۲میلیون کتاب است بنا بر این ما به راهکارهای خلاقانه برای جمع آوری داده های حیوانات وحشی نیاز داریم.»

پروژه هایی برای مجموعه داده ها برخی گونه ها درحال انجام است
در صورتیکه دراین زمینه چالش هایی وجود دارد، چند پروژه تحقیقاتی نیز هوش مصنوعی را برای ارتباطات حیوانی آزمایش می کنند، مانند پروژه CETI، که رفتار ارتباطی نهنگ های اسپرم را مطالعه می کند. نهنگ اسپرم از گونه نهنگ هایی است که اغلب در گروههای متوسط تا بزرگ ۲۰ تا ۳۰ تایی و گاهی تا ۵۰ تایی یا مجموعه ای از یک نر و چند ماده دیده می شوند و بین آب های گرم و سرد مهاجرت و بطور معمول در آب های عمیق تا عمق ۱۰۰۰ متری زندگی می کنند اما توانایی شنا کردن در عمق ۳۲۰۰ متری و یا بیشتر را نیز دارند.
مدیر هوش مصنوعی پروژه، پروفسور مایکل برونشتاین از دانشگاه آکسفورد توضیح داد: «ما از برچسب های ملایم و الهام گرفته شده روی نهنگ ها، ربات های زیر آب و طیف وسیعی از روش های دیگر برای ترسیم غنای کامل ارتباطات این حیوانات استفاده می کنیم».
پروفسور سونیا ورنز، یکی از نویسندگان این مقاله اضافه کرد: «اگر می خواهیم مکالمات حیوانات را رمزگشایی نماییم، باید بدانیم چه کسی با چه کسی و در چه شرایط محیطی و اجتماعی صحبت می کند. اگر این رویکردها را با آزمایش هایی که به خوبی طراحی شده ترکیب نماییم، یادگیری ماشینی می تواند به ما کمک نماید تا بفهمیم حیوانات از کدام سیگنال ها استفاده می نمایند و شاید حتی معنای سیگنال ها چیست. ما می توانیم از این دانش برای بهبود رفاه حیوانات در محیط های اسیر و طراحی استراتژی های موثرتر حفاظت استفاده نمائیم.»
آزا راسکین و کاترین زاکاریان، از بنیان گذاران پروژه گونه های زمینی (ESP) هستند و بر سیستم های ارتباطی طیف وسیعی از گونه های جانوری را مطالعه می کند. آنان می گویند: «همانطور که ما درک خودرا از رفتار ارتباطی گونه های دیگر گسترش می دهیم. ما می توانیم از این دانش برای بهبود رفاه حیوانات در محیط های اسیر و طراحی استراتژی های موثرتر حفاظت استفاده نمائیم. در نهایت، امیدواریم که بتوانیم یک تغییر فرهنگی را شروع نماییم و موجب احترام بیشتر به گونه های زیادی شویم که سیاره زمین را با آنها مشترک هستیم».

ابزار ارزیابی سریع قدرتمند برای کارهای حفاظتی
در آینده، حتی ممکنست گوش دادن به ارتباطات حیوانات در کل جوامع امکان پذیر باشد.
راسکین اشاره کرد که یادگیری ماشینی همین طور می تواند بطور بالقوه امکان مقایسه دقیق ارتباطات آخرین افراد زنده مانده که همگی در مراکز پرورش حفاظت شده توسط اتحاد حیات وحش باغ وحش سن دیگو نگهداری می شوند را فراهم آورد و آنها را به ضبط های پایه تاریخی تبدیل کند.
راسکین اظهار داشت: «تماس های از دست رفته می توانند بطور بالقوه باردیگر برقرار شوند و مرمت فرهنگی نمونه ای عمیقا زیبا از مزایای این تحقیق است.»
پروفسور کریستین روتز از دانشگاه سنت اندروز اضافه کرد: «اگر بتوانیم سیگنال های ارتباطی در رابطه با پریشانی یا اجتناب را شناسایی نماییم، می توان از سیستم های نظارت صوتی غیرفعال برای استراق سمع حیوانات «شاد» یا «ناراضی» در سطح چشم انداز این طرح استفاده کرد».
با این وجود، توسعه و استفاده از هوش مصنوعی برای ارتباطات حیوانات نیز ملاحظات اخلاقی را بیشتر می کند. بسیار اهمیت دارد که اطمینان حاصل شود، چنین فناوری بطور مسئولانه و با احترام به رفاه و حریم خصوصی حیوانات استفاده می شود. چارچوب ها و دستورالعمل های اخلاقی باید برای کنترل استفاده از هوش مصنوعی در تحقیقات ارتباطات حیوانات و کاربردهای بالقوه آن ایجاد شود. هوش مصنوعی در تلاش ما برای درک و برقراری ارتباط با حیوانات، تغییر دهنده بازی است بنا بر این دانشمندان با بهره گیری از قدرت یادگیری ماشینی و بینایی کامپیوتری درحال کشف اسرار این مورد هستند. بینایی کامپیوتری یکی از شاخه های علوم کامپیوتر است که شامل روش های مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آنها است.
منابع

medium.com

openaccessgovernment.org

axios.com

منبع: