رمزگشایی از زبان حیوانات با کمک هوش مصنوعی

به گزارش گروه علم و آموزش ایرنا از پایگاه خبری (Popular Science)، در انیمیشن بالا (UP)، یک سگ کارتونی به نام داگ (Dug) از نوعی قلاده جادویی استفاده می‌کند که می‌تواند عوعوکردن‌ها و غرغرهایش را به زبان سلیس انسان ها ترجمه کند. در دنیای واقعی، سگ‌هایی که بسیار خوب آموزش دیده‌اند می‌توانند بیاموزند که دکمه‌هایی را فشار دهند تا گفتار انسان را برای بیان دستورات ساده‌ای مانند «برو بیرون»، «راه برو» و «بازی کن» تولید کند. مکالمه با حیوانات همیشه برای انسان‌ها جذاب بوده است و به‌تازگی هم یادگیری ماشین، با قابلیت‌های بسیار پیشرفته‌اش برای تجزیه گفتار انسان، راه امیدوارکننده‌ای را برای ترجمه گفتار حیوانات در پیش روی دانشمندان گشوده است.

مقاله‌ای که این هفته در روزنامه نیویورک تایمز (New York Times)، چاپ شد، تلاش‌های عمده پنج گروه از پژوهشگران را برشمرد که با نگاهی به الگوریتم یادگیری ماشین، صداهای جوندگان، لِمورها، نهنگ‌ها، جوجه‌ها، خوک‌ها، خفاش‌ها، گربه‌ها و سایر حیوانات را تجزیه‌وتحلیل می‌کند. به طور معمول، سیستم‌های هوش مصنوعی از طریق آموزش با داده‌های برچسب‌دار یاد می‌گیرند (که این داده‌ها از اینترنت یا منابعی مانند کتاب‌های الکترونیکی تأمین می‌شود).

تجزیه‌وتحلیل زبان حیوانات با انسان‌ها متفاوت است. دانشمندان علوم کامپیوتری باید به برنامه‌های نرم‌افزاری دستور دهند که به دنبال چه باشند و چگونه داده‌ها را سازماندهی کنند. این فرایند، در بیشتر موارد، نه تنها به ضبط صدای تعداد زیادی از حیوانات بستگی دارد، بلکه نیازمند تطبیق این صداها با رفتار اجتماعی بصری حیوانات نیز هست؛ مثلاً گروهی از دانشمندان که روی نهنگ‌ها مطالعه می‌کنند قصد دارند از فیلم، صدا و همچنین برچسب‌هایی استفاده کنند که می‌توانند حرکات حیوان را ضبط کند، تا آن‌ها از ساختار دستوری، معناشناسی و در نهایت از معنای پنهان در پس مکالمات نهنگ‌ها و دلیل آن رمزگشایی کنند. چندین گروه از دانشمندان نیز توصیه کرده‌اند فرهنگ لغت حیواناتشان را با پخش فیلم‌های ضبط‌شده برای آن‌ها و مشاهده واکنش این حیوانات آزمایش کنند.

ساخت مترجم گوگل برای حیوانات آرزویی بوده است که دانشمندان، بیشتر دهه گذشته را برای دستیابی به آن تلاش کرده‌اند. یادگیری ماشین نیز از نظر تشخیص حضور حیوانات و حتی در برخی موارد تشخیص دقیق حیوانات از روی صدای آن‌ها پیشرفت زیادی کرده است؛ مثلاً برنامه‌ کاربردی کُرنِلز مرلین (Cornell’s Merlin app) با دقت بسیار زیادی نوع پرندگان را از روی صدای آن‌ها تشخیص می‌دهند.

هرچند این نوع نرم‌افزارها در شناخت واژگان پایه زبان بعضی حیوانات از روی خصوصیات آواز آن‌ها (مثلاً فرکانس یا بلندی صدا) و همچنین نسبت‌دادن صداها به حیوانات به موفقیت‌هایی دست یافته است؛ هنوز راه بسیاری برای درک همه ظرایف پیچیده‌ زبان حیوانات در پیش است.