رازگشایی از زبان دلفین‌ها با کمک یک فناوری شگفت‌انگیز: آیا هوش مصنوعی کلید فهم ارتباطات این موجودات است؟

آیا تا به حال به این فکر کرده‌اید که دلفین‌ها در اعماق اقیانوس‌ها به چه چیزی فکر می‌کنند و چگونه با یکدیگر ارتباط برقرار می‌کنند؟ موجوداتی باهوش، بازیگوش و با لبخندی همیشگی بر لب، که ذهن هر بیننده‌ای را به کنجکاوی وامی‌دارند. این سوالی است که ذهن بسیاری از دانشمندان را به خود مشغول کرده است. اما آیا واقعاً می‌توانیم به این سوال پاسخ دهیم؟ و مهم‌تر از آن، آیا می‌توانیم با آن‌ها وارد گفتگو شویم؟

ملیسا هابسون، نویسنده آزاد حوزه اقیانوس، به تازگی پروژه‌ای را مورد بررسی قرار داده که سر و صدای زیادی در رسانه‌ها به پا کرده است: ساخت اولین مدل زبانی بزرگ (LLM) برای آواهای دلفین‌ها. آیا این فناوری جدید می‌تواند ارتباط مستقیم با دلفین‌ها را به واقعیت تبدیل کند؟ در ادامه، ملیسا یافته‌های خود را با ما به اشتراک می‌گذارد.

وقتی در ساحل دریا سرتان را زیر آب فرو می‌برید، صداهای اطراف شما خفه شده و برای لحظه‌ای همه چیز ساکت می‌شود. بسیاری از مردم تصور می‌کنند که این به معنای سکوت اقیانوس است، اما این تصور درست نیست. زیستگاه‌های زیر آب در واقع پر از صدا هستند. در واقع، برخی از موجودات دریایی به شدت به صدا برای برقراری ارتباط وابسته هستند – مانند دلفین‌ها.

اگر تا به حال در آب با دلفین‌ها بوده‌اید یا آن‌ها را در تلویزیون تماشا کرده‌اید، حتماً متوجه شده‌اید که آن‌ها دائماً در حال پچ‌پچ، چهچهه، کلیک کردن و جیغ زدن هستند. این پستانداران باهوش علاوه بر استفاده از نشانه‌های بصری، لمسی و شیمیایی، اغلب از طریق صداها با یکدیگر ارتباط برقرار می‌کنند.

تئا تیلور، زیست‌شناس دریایی و مدیر پروژه دلفین ساسکس (Sussex Dolphin Project)، سازمانی تحقیقاتی در زمینه دلفین‌ها در سواحل جنوبی انگلستان، در این‌باره می‌گوید: «آن‌ها تنوع بسیار گسترده‌ای از ارتباطات صوتی دارند.»

تئا تیلور در پروژه LLM دلفین‌ها نقشی ندارد، اما بسیار علاقه‌مند است که بداند چگونه مدل‌های هوش مصنوعی مانند این مدل می‌توانند درک ما از ارتباطات دلفین‌ها را ارتقا دهند. به طور کلی، دلفین‌ها سه نوع صدای مختلف تولید می‌کنند:

• سوت‌ها برای برقراری ارتباط و شناسایی
• کلیک‌ها برای کمک به آن‌ها در مسیریابی
• پالس‌های انفجاری، که توالی‌های سریعی از کلیک‌ها هستند و معمولاً در هنگام مبارزه و سایر رفتارهای اجتماعی نزدیک شنیده می‌شوند.

دانشمندان در سراسر جهان دهه‌هاست که در تلاشند تا دریابند دلفین‌ها چگونه از صدا برای برقراری ارتباط استفاده می‌کنند و آیا صداهای مختلفی که این پستانداران تولید می‌کنند، معانی خاصی دارند یا خیر. برای مثال، می‌دانیم که هر دلفین یک سوت منحصربه‌فرد دارد که اساساً نام آن دلفین است. اما آن‌ها چه چیزهای دیگری می‌توانند بگویند؟

آریک کرشنباوم، جانورشناس در کالج گیرتون (Girton College) در دانشگاه کمبریج انگلستان و متخصص در ارتباطات حیوانی، به ویژه در میان گونه‌های شکارچی مانند دلفین‌ها و گرگ‌ها است. آریک در پروژه LLM دلفین‌ها دخالتی ندارد. او در این باره می‌گوید: «خب، ما واقعاً همه چیز را در مورد نحوه ارتباط دلفین‌ها نمی‌دانیم، و مهم‌ترین چیزی که نمی‌دانیم این است که نمی‌دانیم آن‌ها چقدر حرف برای گفتن دارند. واقعاً در مورد همکاری بین افراد، میزان زیادی از آن از طریق ارتباطات منتقل می‌شود، خیلی واضح نیست.»

در طول سال‌ها، محققان از سراسر جهان مقادیر عظیمی از داده‌ها را در مورد آواهای دلفین‌ها جمع‌آوری کرده‌اند. جستجوی دستی الگوها در میان این حجم از ضبط‌ها زمان‌بر است. تئا تیلور معتقد است: «هوش مصنوعی می‌تواند داده‌ها را بسیار سریع‌تر از ما پردازش کند. همچنین این مزیت را دارد که دیدگاه انسانی ندارد. ما تقریباً با هوش مصنوعی این فرصت را داریم که به آن اجازه دهیم کمی آزادانه عمل کند و الگوها و شاخص‌هایی را بررسی کند که ممکن است ما نبینیم و متوجه نشویم، بنابراین فکر می‌کنم این چیزی است که من به ویژه در مورد آن هیجان‌زده هستم.»

به همین دلیل است که تیمی از محققان در حال کار بر روی یک پروژه هوش مصنوعی به نام DolphinGemma هستند. این مدل زبانی بزرگ برای آواهای دلفین‌ها توسط گوگل با همکاری موسسه فناوری جورجیا (Georgia Institute of Technology) و پروژه غیرانتفاعی دلفین‌های وحشی (Wild Dolphin Project) ساخته شده است.

ملیسا هابسون با تاد استارنر، استاد دانشگاه جورجیا تک و دانشمند تحقیقاتی در گوگل دیپ‌مایند (Google DeepMind)، و دنیس هرزینگ، بنیانگذار پروژه دلفین‌های وحشی، ملاقات کرد تا درباره نحوه کار این مدل زبانی بزرگ اطلاعات کسب کند.

پروژه دلفین‌های وحشی ۴۰ سال را صرف مطالعه دلفین‌های خالدار اقیانوس اطلس کرده است. این شامل ضبط داده‌های صوتی است که برای آموزش DolphinGemma استفاده شد. سپس تیم‌هایی در جورجیا تک و گوگل از LLM خواستند تا توالی‌های صوتی شبیه به دلفین تولید کند.

نتیجه‌ای که حاصل شد، همه آن‌ها را شگفت‌زده کرد.

این مدل هوش مصنوعی نوعی صدا تولید کرد که تاد و تیمش نتوانسته بودند به طور مصنوعی با استفاده از برنامه‌های کامپیوتری معمولی بازتولید کنند. آیا توانایی ایجاد این صدای منحصربه‌فرد دلفین، می‌تواند ما را یک قدم به برقراری ارتباط با این حیوانات نزدیک‌تر کند؟

تاد استارنر می‌گوید: «ما در بازتولید انواع خاصی از صداها که آن‌ها را VCM3 می‌نامیم، مشکل زیادی داشته‌ایم و این صدایی است که دلفین‌ها ترجیح می‌دهند وقتی ما در تلاش برای انجام کار ارتباطی دوطرفه خود هستیم، به ما پاسخ دهند.»

VCM نوع ۳، یا VCM3، نوعی از پالس‌های انفجاری است که قبلاً به آن اشاره شد.

دنیس هرزینگ در این باره توضیح می‌دهد: «به طور سنتی، در مطالعات تجربی در اسارت، دلفین‌ها، به هر دلیلی، سوت‌هایی را که به آن‌ها داده می‌شد، با استفاده از یک سوت آهنگین تقلید می‌کردند… چیزی که ما می‌بینیم و تاد در حال توصیف آن است، این است که دلفین‌های خالداری که ما با آن‌ها کار می‌کنیم، به نظر می‌رسد می‌خواهند از یک کلیک، یا دو کلیک، برای تقلید استفاده کنند و اساساً انرژی را از باندهای فرکانسی خاصی خارج می‌کنند.»

استارنر می‌گوید: «بنابراین وقتی برای اولین بار نتایج نسخه اول DolphinGemma را دیدم، نیمی از آن تقلید صدای اقیانوس بود. اما نیمه دوم آن در واقع انجام انواع سوت‌هایی بود که انتظار داشتیم از دلفین‌ها ببینیم و در کمال تعجب، VCM3‌ها ظاهر شدند. و من گفتم، “اوه، خدای من، سخت‌ترین کاری که ما می‌توانیم انجام دهیم – بالاخره راهی برای ایجاد آن VCM3‌ها پیدا کردیم.”»

یکی دیگر از راه‌هایی که آن‌ها از هوش مصنوعی استفاده خواهند کرد، بررسی این موضوع است که LLM چگونه توالی صداهای دلفین را تکمیل می‌کند. این شبیه به زمانی است که شما در نوار جستجوی گوگل تایپ می‌کنید و تکمیل خودکار شروع به پایان دادن جمله شما می‌کند و پیش‌بینی می‌کند که می‌خواهید چه چیزی بپرسید.

استارنر می‌گوید: «هنگامی که DolphinGemma را روی همه چیز آموزش دادیم، می‌توانیم روی یک نوع خاص از صدا متمرکز شویم و بگوییم: “بسیار خب، وقتی این را می‌شنوید، چه چیزی را بعداً پیش‌بینی می‌کنید؟” ما می‌توانیم از آن بخواهیم که این کار را بارها و بارها انجام دهد و ببینیم آیا یک صدا خاص را پیش‌بینی می‌کند یا خیر و سپس می‌توانیم به ۴۰ سال داده دنیس نگاهی بیندازیم و بگوییم: “هی، آیا این سازگار است؟” این به ما کمک می‌کند تا یک ذره‌بین برداریم و ببینیم به چه چیزی باید توجه کنیم.»

اگر هوش مصنوعی به طور مداوم پاسخ‌های یکسانی ارائه دهد، ممکن است یک الگو را آشکار کند. و اگر محققان الگویی را پیدا کنند، می‌توانند فیلم‌های زیر آب پروژه دلفین‌های وحشی را بررسی کنند تا ببینند دلفین‌ها هنگام تولید یک صدای خاص چگونه رفتار می‌کردند. این می‌تواند زمینه مهمی را به صدا اضافه کند.

هرزینگ می‌گوید: «بسیار خب، آن‌ها وقتی توالی A را در این ۲۰ توالی دیدیم، چه کار می‌کردند؟ آیا آن‌ها همیشه در حال جنگ بودند؟ آیا همیشه فرزند خود را تنبیه می‌کردند؟»

او ادامه می‌دهد: «منظورم این است که ما می‌دانیم آن‌ها انواع خاصی از صداها را دارند که با انواع خاصی از رفتارها مرتبط است، اما چیزی که نداریم ساختار تکراری است که نشان دهد ساختارهای زبانی در آکوستیک آن‌ها وجود دارد.»

این تیم همچنین می‌خواهد ببیند که حیوانات هنگام پخش صداهای شبیه به دلفین که توسط برنامه‌های کامپیوتری ایجاد شده‌اند و به مواردی مانند علف‌های دریایی یا یک اسباب‌بازی اشاره دارند، چه کار می‌کنند. برای انجام این کار، این تیم قصد دارد از فناوری به نام CHAT استفاده کند که توسط تیم تاد توسعه یافته است. CHAT مخفف عبارت Cetacean Hearing Augmented Telemetry به معنای “تله‌متری تقویت‌شده شنوایی آب‌بازان” است.

این تجهیزات که در حین غواصی آزاد با دلفین‌ها پوشیده می‌شود، توانایی تشخیص صدا و پخش صدا را دارد. خوشبختانه برای دنیس، که مجبور است آن را بپوشد، این فناوری در طول سال‌ها بسیار کوچک‌تر و کم‌حجم‌تر شده است و اکنون همه در یک واحد گنجانده شده‌اند. قبلاً این تجهیزات از دو قسمت تشکیل می‌شد: یک صفحه سینه و یک پنل بازو.

استارنر می‌گوید: «و وقتی دنیس واقعاً وارد آب می‌شد، احتمال زیادی وجود داشت که بیهوش شود.»

هرزینگ با خنده می‌گوید: «من هرگز بیهوش نشدم. ورود و خروج چالش‌برانگیز بود. شما به یک بالابر جرثقیل کوچک نیاز داشتید، درست است؟ “او را رها کنید!”»

استارنر در ادامه می‌گوید: «زیرا این وسیله آنقدر بزرگ و سنگین بود تا زمانی که وارد آب می‌شدید، و ساختن چیزی که بتوانید به سرعت آن را بپوشید، دشوار بود. بنابراین ما در طول سال‌ها با سیستمی که روی سینه و روی بازو قرار می‌گرفت، تکرار کرده‌ایم و اکنون این وسیله کوچک را داریم که فقط روی سینه قرار می‌گیرد، و تغییر بزرگ در اینجا این است که ما کشف کردیم که تلفن‌های پیکسل (Pixel phones) اکنون به اندازه‌ای در هوش مصنوعی خوب هستند که می‌توانند تمام پردازش‌ها را در زمان واقعی بسیار بهتر از ماشین‌های ویژه‌ای که پنج سال پیش می‌ساختیم، انجام دهند.»

او اضافه می‌کند: «بنابراین ما از چیزی که نمی‌دانم، چهار یا پنج کامپیوتر مختلف در یک جعبه بود، به یک گوشی هوشمند رسیده‌ایم، و این واقعاً چیزهایی را که می‌توانیم انجام دهیم، تغییر داده است، و من دیگر هر بار که دنیس وارد آب می‌شود، نمی‌ترسم.»

محققان از سیستم CHAT برای برچسب‌گذاری موارد مختلف استفاده می‌کنند. دو غواص آزاد به همراه دستگاه CHAT خود وارد آب می‌شوند، مطمئن می‌شوند که مزاحمتی برای رفتارهای طبیعی دلفین‌ها ایجاد نمی‌کنند و صدای ساختگی شبیه به دلفین را در حین نگه داشتن یا رد کردن یک شیء خاص پخش می‌کنند.

امید این است که دلفین‌ها یاد بگیرند که کدام صداها به چه مواردی اشاره دارند و آن صداهای خاص را تقلید کنند تا اشیاء مربوطه را درخواست کنند.

هرزینگ توضیح می‌دهد: «شما می‌خواهید به دلفین‌ها نشان دهید که این سیستم چگونه کار می‌کند، نه اینکه فقط انتظار داشته باشید که آن‌ها به سرعت آن را بفهمند و جذب کنند، درست است؟ بنابراین من و یک محقق دیگر، با استفاده از سوت‌های مصنوعی کوچک خود، از یکدیگر اسباب‌بازی می‌خواهیم. ما اسباب‌بازی‌ها را رد و بدل می‌کنیم، در حالی که دلفین‌ها در اطراف تماشا می‌کنند، با آن‌ها بازی می‌کنیم، و اگر دلفین‌ها بخواهند وارد بازی شوند، می‌توانند سوت مربوط به آن اسباب‌بازی را تقلید کنند و ما آن را به آن‌ها می‌دهیم.»

به عنوان مثال، این صدایی است که محققان برای یک روسری استفاده می‌کنند. دلفین‌ها دوست دارند با روسری بازی کنند. دنیس همچنین یک سوت خاص دارد که از آن برای شناسایی خود استفاده می‌کند.

اما آیا ممکن است این تیم به طور ناخواسته دلفین‌ها را آموزش دهد، مانند زمانی که به یک سگ یاد می‌دهید بنشیند؟ تئا تیلور در این باره می‌گوید: «من فکر می‌کنم تردید من این است که آیا این حیوان واقعاً زبان را درک می‌کند یا اینکه بیشتر شبیه این است: “من این صدا را در رابطه با این چیز تولید می‌کنم، یک جایزه می‌گیرم.”»

او ادامه می‌دهد: «اینجاست که باید مراقب باشیم که تعصب انسانی و هیجان “اوه، او این را می‌فهمد” را وارد نکنیم – که من درک می‌کنم، کاملاً درک می‌کنم. مردم می‌خواهند احساس کنند که می‌توانیم با دلفین‌ها ارتباط برقرار کنیم، زیرا چه کسی نمی‌خواهد بتواند با یک دلفین صحبت کند؟ اما من فکر می‌کنم باید مراقب باشیم و هنگام بررسی مفهوم زبان و آنچه حیوانات درک می‌کنند، از یک دیدگاه بسیار بی‌طرفانه و علمی به آن نگاه کنیم.»

اینجاست که باید مکث کنیم و به فرهنگ لغت خود مراجعه کنیم. زیرا اگر در تلاش برای کشف این هستیم که آیا دلفین‌ها زبان دارند، باید دقیقاً مشخص کنیم که زبان چیست.

کرشنباوم در این باره می‌گوید: «خب، هیچ تعریف واقعاً خوبی از زبان وجود ندارد، اما من فکر می‌کنم یکی از چیزهایی که واقعاً باید وجود داشته باشد اگر بخواهیم به آن نام بسیار برجسته “زبان” بدهیم این است که این نمادهای ارتباطی مختلف، یا صداها یا کلمات یا هر چیز دیگری که می‌خواهید آن‌ها را بنامید، باید بتوانند به روش‌های مختلفی ترکیب شوند تا واقعاً… تقریباً بتوان گفت تقریباً هر چیزی. اگر بتوانید صداهای مختلف یا کلمات مختلف را در جملات مختلف ترکیب کنید، آنگاه طیف نامحدودی از مفاهیم را در اختیار دارید که می‌توانید منتقل کنید. و این توانایی نامحدود بودن در آنچه می‌توانید بگویید، به نظر می‌رسد بخش مهمی از زبان است.»

بنابراین اگر زبان را به عنوان توانایی انتقال تعداد بی‌نهایتی از چیزها درک کنیم، نه فقط اختصاص دادن صداهای مختلف به اشیاء مختلف، آیا می‌توانیم بگوییم که دلفین‌ها زبان دارند؟

در حال حاضر، آریک فکر می‌کند پاسخ احتمالاً منفی است.

کرشنباوم توضیح می‌دهد: «بنابراین آن‌ها به وضوح توانایی شناختی برای شناسایی اشیاء و تشخیص بین اشیاء مختلف با صداهای مختلف را دارند. این دقیقاً یکسان نیست، یا حتی نزدیک به داشتن زبان نیست. و ما می‌دانیم که می‌توان به دلفین‌ها یاد داد که زبان انسان را درک کنند.»

او اضافه می‌کند: «اگر قرار باشد حدس بزنم، می‌گویم که فکر می‌کنم دلفین‌ها احتمالاً زبانی به معنای زبانی که ما داریم، ندارند، و دلیل آن کاملاً ساده است: زبان یک چیز بسیار پیچیده و پرهزینه است – چیزی است که مقدار زیادی از مغز ما را مصرف می‌کند – و فقط در صورتی تکامل می‌یابد که یک فایده تکاملی داشته باشد. و اصلاً مشخص نیست که دلفین‌ها چه فایده تکاملی از زبان می‌برند.»

به گفته آریک، هدف از این پروژه تحقیقاتی ترجمه صداهایی که حیوانات تولید می‌کنند نیست، بلکه بررسی این موضوع است که آیا آن‌ها توالی‌های پیچیده هوش مصنوعی را به عنوان دارای معنا تشخیص می‌دهند یا خیر.

کرشنباوم در ادامه می‌گوید: «بنابراین آن مثال فوق‌العاده در فیلم “Star Trek [IV]: The Voyage Home” وجود دارد که در آن خدمه “Enterprise” در تلاش برای برقراری ارتباط با نهنگ‌های گوژپشت هستند. و کرک از اسپاک می‌پرسد: “آیا می‌توانیم به این حیوانات پاسخ دهیم؟” و او می‌گوید: “ما می‌توانیم صداها را شبیه‌سازی کنیم، اما نه زبان را. ما به صورت نامفهوم پاسخ خواهیم داد.”»

او اضافه می‌کند: «اکنون چند دلیل وجود دارد که چرا آن‌ها به صورت نامفهوم پاسخ می‌دهند. یکی این است که وقتی به چند نهنگ گوژپشت گوش می‌دهید، نمی‌توانید اطلاعات کافی برای ساخت یک نقشه واقعاً دقیق از نحوه ارتباط آن‌ها داشته باشید.»

کرشنباوم می‌گوید: «هنگامی که مدل‌های زبانی بزرگ را بر روی زبان انسان آموزش می‌دهید، از تمام اینترنت استفاده می‌کنید – میلیاردها و میلیاردها اظهار نظر در حال تجزیه و تحلیل هستند. هیچ یک از ما که در حال بررسی ارتباطات حیوانی هستیم، مجموعه‌داده‌ای در نزدیکی اندازه مجموعه‌داده‌های انسانی نداریم، و بنابراین بسیار دشوار است که اطلاعات کافی برای مهندسی معکوس و درک معنا فقط با نگاه کردن به توالی‌ها داشته باشیم.»

او همچنین به مشکل دیگری اشاره می‌کند: «هنگامی که یک زبان انسانی را به زبان دیگری ترجمه می‌کنیم، معانی هر دو زبان را می‌دانیم. اما این در مورد ارتباطات دلفین‌ها صدق نمی‌کند.»

کرشنباوم می‌گوید: «وقتی با حیوانات کار می‌کنیم، در واقع نمی‌دانیم یک توالی خاص به چه معناست. شاید بتوانیم تشخیص دهیم که توالی‌ها دارای معنا هستند، اما درک اینکه آن معنا چیست بدون اینکه بتوانیم از خود حیوان بپرسیم، بسیار دشوار است، که البته در وهله اول به زبان نیاز دارد. بنابراین این یک مشکل بسیار دایره‌ای است که ما در رمزگشایی از ارتباطات حیوانی با آن روبرو هستیم.»

دنیس می‌گوید که این پروژه دقیقاً در مورد تلاش برای صحبت با دلفین‌ها نیست – حداقل هنوز نه. احتمال داشتن یک مکالمه واقعی با این حیوانات هنوز راه درازی در پیش دارد. اما محققان خوشبین هستند که هوش مصنوعی می‌تواند درهای جدیدی را در تلاش آن‌ها برای رمزگشایی از سوت‌های دلفین باز کند. در نهایت، آن‌ها امیدوارند که معانی بالقوه‌ای را در توالی‌ها پیدا کنند.

بنابراین آیا DolphinGemma می‌تواند به ما کمک کند تا بفهمیم که آیا دلفین‌ها و سایر حیوانات زبان دارند؟ تاد امیدوار است که اینطور باشد.

استارنر می‌گوید: «با زبان، فرهنگ به وجود می‌آید و من امیدوارم که اگر شروع به انجام این کار دوطرفه کنیم، دلفین‌ها چیزهای جدیدی را برای ما آشکار کنند که هرگز انتظارش را نداشتیم. منظورم این است که ما می‌دانیم که آن‌ها در برخی از این مناطق به اعماق دریا غواصی می‌کنند و چیزهایی را می‌بینند که انسان‌ها هرگز ندیده‌اند. ما می‌دانیم که آن‌ها تعاملات زیادی با سایر موجودات دریایی دارند که ما هیچ تصوری از آن نداریم.»

اما حتی اگر بعید باشد که به زودی با فلیپر (Flipper – نام دلفین مشهور در یک مجموعه تلویزیونی) گپ بزنیم، دانشمندان علاقه‌مندند ببینند که این موضوع به کجا می‌رسد. انسان‌ها اغلب زبان را به عنوان چیزی می‌دانند که ما را از حیوانات متمایز می‌کند. آیا اگر کشف کنیم که آب‌بازان – یعنی نهنگ‌ها، دلفین‌ها و گرازهای دریایی – از زبان استفاده می‌کنند، مردم همدلی بیشتری با آن‌ها خواهند داشت؟

تئا تیلور در این باره می‌گوید: «به عنوان کسی که به ویژه به ارتباطات آب‌بازان علاقه‌مند است، فکر می‌کنم این می‌تواند یک گام حیاتی رو به جلو برای درک آن، حتی در حواس اساسی‌تر باشد. اگر بتوانیم تصویر بیشتری از دنیای آب‌بازان به دست آوریم، هرچه بیشتر درباره آن‌ها بفهمیم، بیشتر می‌توانیم از آن‌ها محافظت کنیم، بیشتر می‌توانیم درک کنیم که چه چیزی مهم است. بنابراین بله، من هیجان‌زده هستم که ببینم این چه کاری می‌تواند برای آینده حفاظت از آب‌بازان انجام دهد.»

منبع