با کمک هوش مصنوعی می‌توانیم زبان حیوانات را بفهمیم؟

به گزارش خبرآنلاین، در فیلم بالا (UP)، یک سگ کارتونی یک قلاده جادویی دارد که می‌تواند پارس‌ها و ناله‌های او را به زبان روان انسانی ترجمه کند.

در دنیای واقعی هم می‌توان به سگ‌هایی که به خوبی تربیت شده و آموزش دیده‌اند، یاد داد تا دکمه‌هایی که صحبت‌های انسان را برای دستوراتی ساده مثل "بیرون"، "راه رفتن" و "بازی کردن" را تولید می‌کنند، را فشار دهند.

نیویورک تایمز این هفته در مقاله‌ای گزارشی را در مورد تلاش‌های جدی پنج گروه از محققان که با بهره‌گیری از الگوریتم‌های یادگیری ماشین به دنبال آنالیز صداهای جوندگان، لمورها، نهنگ‌ها، مرغ‌ها، خوک‌ها، خفاش‌ها، گربه‌ها و چند گونه دیگر جانوری هستند، منتشر کرده.

معمولا سیستم‌های هوش مصنوعی از طریق تمرین و آموزش با داده‌های برچسب‌گذاری شده آموزش داده می‌شوند. این داده‌ها ممکن است از طریق اینترنت و یا منابع مختلف دیگری مثل کتاب‌های الکترونیکی فراهم شوند.

برای مدل‌های زبان انسانی، این پروسه معمولا بدین ترتیب است که یک جمله به کامپیوتر داده می‌شود، برخی کلمات مشخص، از داخل جمله حذف می‌شوند و سپس از برنامه خواسته می‌شود تا جای خالی کلمه را پر کند. در عین حال امروزه استراتژی‌های خلاقانه‌تری نیز وجود دارند که به دنبال تطبیق دادن صحبت و گفتار با فعالیت مغز هستند.

اما داستان تجزیه و تحلیل زبان حیوانات، متفاوت از تحلیل زبان انسان است. دانشمندان کامپیوتر باید به برنامه‌های نرم‌افزاری بیاموزند تا به دنبال چه چیزهایی باشند و چطور داده‌ها را سازماندهی کنند.

این پروسه، در اکثر مواقع نه فقط به در اختیار داشتن حجم بالایی از صداهای ضبط شده با کیفیت بالا از حیوانات بستگی دارد، بلکه به تطبیق دادن این صداها با رفتارهای اجتماعی بصری حیوانات نیز وابسته است
مثلا گروهی از محققان که برروی خفاش‌های میوه مصری تحقیق می‌کردند، از دوربین‌های ویدیویی برای ضبط اطلاعات از خفاش‌ها استفاده می‌کردند تا بتوانند اطلاعاتی در مورد ارتباط خفاش‌ها با یکدیگر جمع‌آوری کنند. گروه دیگری که در مورد نهنگ‌ها تحقیق می‌کردند، طبق برنامه از سیستم‌های ویدیویی، صوتی و برچسب‌هایی که قابلیت ضبط حرکات حیوانات برای رمزگشایی، معناشناسی و در نهایت معنای اینکه نهنگ‌ها چطور و چرا با هم ارتباط برقرار می‌کنند بهره می‌برند.

در عین حال گروه‌های مختلف دیگری هم پیشنهاد کرده‌اند تا با پخش صداهای ضبط شده برای حیوانات و تماشای نحوه واکنش آنها، فرهنگ لغات حیوانات را آزمایش کنند.

ساخت مترجم گوگل برای حیوانات، پروژه‌ای رویایی است که گرچه در سال‌های اخیر تلاش‌هایی برروی آن انجام شده، اما در پنج سال گذشته این تلاش‌ها به مراتب بهتر بوده.

یادگیری ماشینی (Machine learning) هم در راستای تشخیص حضور حیوانات و حتی در برخی مواقع، شناسایی دقیق حیوانات از طریق تماس‌هایشان بسیار پیشرفته و قوی عمل کرده است.

اپلیکیشن کورنلز مرلین دقت حیرت‌آوری در شناسایی و تشخیص گونه پرنده‌ها از طریق صداهایشان دارد وگرچه این نوع از نرم‌افزار، در شناسایی فرهنگ لغات و واژگان اولیه برخی از گونه‌های حیوانی برطبق ویژگی‌های صداهایشان از جمله فرکانس یا بلندی صدا، یا نسبت دادن برخی از این ارتباطات با پرنده‌ای خاص، موفقیت‌هایی داشته ولی هنوز فاصله زیادی تا درک تمام تفاوت‌های ظریف و پیچیده‌ای که ممکن است در زبان حیوانات وجود داشته باشد، هست.

بسیاری از افرادی که به این رویکرد بدبین هستند، به کاستی‌های مدل‌های زبان هوش مصنوعی فعلی در توانایی درک دقیق و صحیح ارتباطات میان کلمات و اشیایی که ممکن است در دنیای واقعی به آنها اشاره شود و در عین حال به کاستی‌های درک دانشمندان از جوامع بزرگ حیوانات توجه می‌کنند.

مدل‌های زبان هوش مصنوعی برای انسان‌ها، بر پایه نقشه کامپیوتری است که روابط بین کلمات و متون می‌تواند در آن ظاهر شود (مثلا ممکن است جایی در یک جمله بروند و به یک نکته خاص اشاره کنند.) ولی این مدل‌ها هم ایرادات خاص خودشان را دارند و ممکن است گاهی یک موضوع رمزآلود باشند.

"در عین حال امروزه استراتژی‌های خلاقانه‌تری نیز وجود دارند که به دنبال تطبیق دادن صحبت و گفتار با فعالیت مغز هستند.اما داستان تجزیه و تحلیل زبان حیوانات، متفاوت از تحلیل زبان انسان است"گرچه محققان می‌دانند که چه اطلاعاتی به این مدل‌ها وارد و از آن خارج می‌شود ولی به طور کامل درک نمی‌کنند که الگوریتم چطور به جمع‌بندی می‌رسد.

فاکتور دیگری که محققان آن را در نظر می‌گیرند این واقعیت است که ارتباطات حیوانات ممکن است کاملا شبیه به ارتباط انسان‌ها نباشد و تمایل به اینکه ارتباط حیوانات مشابه با انسان‌ها در نظر گرفته شود، ممکن است منجر به منحرف شدن نتایج تحقیق گردد.

باید این را در نظر داشت که ممکن است بنا به تفاوت‌های فیزیولوژیکی و رفتاری، عناصر منحصر به فردی در زبان حیوانات وجود داشته باشد.

طبق گزارشی که چند ماه پیش در وال استریت ژورنال منتشر شد، پیشنهاداتی برای استفاده از الگوریتم‌های یادگیری خودنظارتی وجود دارد تا این الگوریتم‌ها به آنالیز داده‌های صدایی بپردازند که بدین ترتیب کامپیوتر به محققان اعلام کند که چه الگوهایی را در داده‌ها مشاهده می‌کند (الگوهایی که ممکن است از ارتباطاتی پرده بردارند که به چشم انسان‌ها نیامده)

در نهایت اینکه انسان‌ها تا چه اندازه برای درک ارتباطات میان حیوانات پیش خواهند رفت، به اهدافشان برای این نوع تحقیقات بستگی دارد. در این راستا شاید کافی باشد تا به اصول ابتدایی ماجرا دست بیابیم. به عنوان مثال، مترجمی که بتواند تفسیر قابل اعتمادی از اینکه آیا حیواناتی که با آنها در ارتباط نزدیک هستیم، خوشحالند، حس غم می‌کنند و یا در خطر هستند، می‌تواند گزینه‌ای مفید و کاربردی باشد.

۵۸۵۸