Can we learn to talk to sperm whales? | David Gruber | TED

76,280 views ・ 2021-04-28

TED


Please double-click on the English subtitles below to play the video.

Translator: Didar Omar Reviewer: Daban Q. Jaff
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
تۆ ئێسته‌ خه‌ریكه‌ گوێت له‌ ده‌نگی گه‌وره‌ترین گیانداری دداندار ده‌بێت
00:15
on the planet:
1
15708
1268
له‌سه‌ر زه‌ویدا:
گیاندارێك كه‌ له‌ پاسی خوێندنگەكانیش گه‌وره‌تره‌
00:17
an animal bigger than a school bus
2
17000
2351
00:19
with perhaps the most sophisticated form of communication
3
19375
3059
كه‌ خاوه‌نی ئاڵۆزترین شێوازی گفتوگۆكردنه‌
00:22
that has ever existed.
4
22458
2310
تاوه‌كو ئێسته‌ هه‌بووبێت.
00:24
(Video: whale clicking)
5
24792
6000
(ڤیدیۆ: ده‌نگی نه‌هه‌نگ)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
ئه‌وانه‌ ده‌نگی گه‌وره‌ترین نه‌هه‌نگن،
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
گیانه‌وه‌رێكی شیرده‌ر كه‌ ده‌توانێت میلێك بڕواته‌ ژێر ئاوه‌وه‌،
00:49
hold its breath for more than an hour
8
49292
2267
بشتوانێت هه‌ناسه‌ی بۆ یه‌ك كاتژمێر ڕابگرێت و
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
له‌م ژینگه‌ ئاڵۆز و سه‌خته‌دا بژیێت.
00:55
These clicks you heard,
10
55458
1310
ئه‌م ده‌نگانه‌ی گوێت لێیه‌،
00:56
called codas,
11
56792
1267
به‌ كۆداس ناو ده‌برێت و،
00:58
are just a facet of what we know of their communication.
12
58083
3101
ئه‌وه‌ شتێكی كه‌مه‌ كه‌ ئێمه‌ ده‌یزانین ده‌رباره‌ی گفتوگۆكانیان.
01:01
We know these animals are communicating,
13
61208
2393
ئێمه‌ ده‌زانین كه‌ ئه‌مانه‌ گفتوگۆ ده‌كه‌ن،
01:03
we just don't yet know what they're saying.
14
63625
2976
به‌ڵام هێشتا نازانین كه‌ چی ده‌ڵێن.
01:06
Project CETI aims to find out.
15
66625
2268
پڕۆژه‌ی سی ئی تی ئای ئامانجی تێگه‌یشتنه‌ لێیان.
01:08
Over the next five years,
16
68917
1559
بۆ پێنج ساڵی داهاتوو،
01:10
our team of AI specialists,
17
70500
1684
تیمی ئاڵ له‌ پسپۆڕان،
01:12
roboticists, linguists
18
72208
1768
ڕۆبۆتیسته‌كان، زمانه‌وانه‌كان و
زینده‌وه‌رناسانی ده‌ریا
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
ده‌یانه‌وێ ئامێرێكی ته‌كنه‌لۆجی به‌كاربێنن بۆ
01:17
to make contact with another species,
21
77792
1892
بۆ گفتوگۆكردن له‌گه‌ڵ ئاژه‌ڵێكی تر و،
01:19
and hopefully communicate back.
22
79708
3476
وه‌ڵامیشیان بداته‌وه‌.
01:23
We believe that by listening deeply to nature,
23
83208
2518
باوه‌ڕمان وایه‌ ئه‌گه‌ر به‌ باشی گوێ له‌ سروشت بگرین،
01:25
we can change our perspective of ourselves
24
85750
2476
ده‌توانین بیروڕاكانمان بگۆڕین و
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
دووباره‌ په‌یوه‌ندیه‌كانمان له‌گه‌ڵ جیهاندا ڕێكبخه‌ینه‌وه‌.
01:33
This of course seems like an impossible goal.
26
93333
3393
ئه‌م ئامانجه‌ زۆر ئامانجێكی مه‌حاڵ دیاره‌.
01:36
People have been trying to make contact with other animals
27
96750
2768
خه‌ڵكی هه‌وڵیانداوه‌ له‌گه‌ڵ ئاژه‌ڵه‌كاندا بدوێن
01:39
for hundreds of years.
28
99542
1309
به‌ سه‌دان ساڵ.
01:40
How could we do what others could not,
29
100875
2393
چۆن شتێك ئه‌نجام بده‌ین كه‌ ئه‌وانیتر نه‌یان توانیوه‌،
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
بەتایبەتی كاتێك کە من لێرە دانیشتووم لەسەر قەنەفەکەم لە شاری نیویۆرک
01:47
in the middle of a pandemic and protests?
31
107458
2476
له‌ناوه‌ڕاستی ئه‌و هه‌موو په‌تا و ناڕه‌زاییه‌؟
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
من 20 ساڵی ڕابردووم به‌ زینده‌وه‌رناسی ده‌ریای و له‌ زه‌ریاناسیدا به‌سه‌ربردووه‌،
01:53
studying the ocean from all different perspectives,
33
113792
3059
لێكۆڵینه‌وه‌ له‌ ئۆقیانوسه‌كان له‌ هه‌موو ڕووه‌ جیاوازه‌كانه‌وه‌،
01:56
from microbes to sharks.
34
116875
1851
هه‌ر له‌ به‌كتریایه‌كه‌وه‌ تا قرشێك.
01:58
I've assembled interdisciplinary teams
35
118750
1893
من گشت تیمه‌كانم كۆكرده‌وه‌
02:00
that have built the first shark-eye camera
36
120667
2142
كه‌ یه‌كه‌م كامێره‌ی چاوی قرشیان دروست كردبوو
02:02
to see the world from a shark's perspective,
37
122833
2226
بۆ بینینی جیهان له‌ چاوی قرشه‌كانه‌وه‌ و،
02:05
and have collaborated with engineers
38
125083
1851
هه‌موو ئه‌ندازیاره‌كانم كۆكرده‌وه‌
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
بۆ نه‌خشاندنی ڕۆبۆتێكی نه‌رم تاوه‌كو سترێس بۆ ماسی جه‌لی دروست نه‌كات.
02:11
But it wasn't until 2018
40
131875
2143
به‌ڵام دروست نه‌كرا تاوه‌كو ساڵی 2018
كه‌ سه‌رقاڵی خوێندن بووم له‌
02:14
when I was on fellowship
41
134042
1309
02:15
at the Radcliffe Institute for Advanced Study
42
135375
2434
پەیمانگای ڕادکلیف بۆ خوێندنی باڵا
02:17
that I realized that perhaps the best way to understand the ocean
43
137833
3060
كه‌ دركم به‌وه‌ كرد باشترین ڕێگه‌ بۆ تێگه‌یشتن له‌ ده‌ریا و
02:20
and its inhabitants
44
140917
1267
ئاژه‌ڵه‌كانی ناوی
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
ته‌نها بینینی جیهانه‌كه‌یان نیه‌ له‌ چاویانه‌وه‌،
02:25
but by listening --
46
145333
1310
به‌ڵكو گوێگرتنه‌ لێیان--
02:26
by really, deeply listening.
47
146667
2142
به‌ گوێ گرتنێكی ورد لێیان.
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
زۆر حه‌زم به‌ گوێگرتن بوو له‌ ده‌نگی نه‌هه‌نگه‌ زه‌به‌لاحه‌كان.
02:31
They sounded like they were coming from another universe;
49
151917
2726
وا ده‌رده‌كه‌وتن كه‌ ئه‌وان له‌ جیهانێكی تره‌وه‌ هاتبن;
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
به‌ فیكه‌ گۆرانیه‌ك بڵاوده‌كه‌نه‌وه‌ له‌ تاریكترین شوێنه‌كانی ده‌ریاوه‌.
02:39
These weren't the typical harmonious whale songs
51
159125
3393
ئه‌مه‌ نموونه‌یه‌كی گونجاو نیه‌ له‌ ده‌نگی نه‌هه‌نگه‌كان
02:42
that I had been accustomed to.
52
162542
1559
کە من لەگەڵی ڕاهاتبووم.
02:44
These sounded more like digital data transfer.
53
164125
3268
ئه‌وه‌ زیاتر وه‌ك گواستنه‌وه‌ی زانیاری وابوو.
02:47
We assembled the future Project CETI team
54
167417
2434
ئێمه‌ پڕۆژه‌ی تیمی سی تی ئی ئایمان كۆكرده‌وه‌ و
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
دواتر گفتوگۆمان كرد ده‌رباره‌ی به‌كارهێنانی ته‌كنه‌لۆجیایه‌ك
02:53
to communicate with whales.
56
173250
2101
بۆ گفتوگۆكردن له‌گه‌ڵ نه‌هه‌نگه‌كان.
02:55
One of the principal conclusions
57
175375
1559
یه‌كێ له‌ ده‌رئه‌نجامه‌كان
02:56
was that machine learning had a really good chance
58
176958
2685
ئامێرێك بوو كه‌ چانسێكی باشمان هه‌بوو
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
بۆ تێگه‌یشتن له‌ گفتوگۆی نه‌هه‌نگه‌ زه‌به‌لاحه‌كان.
03:02
And the time to apply these technologies was now.
60
182625
3684
و به‌كارخستنی ته‌كنه‌لۆجیاكه‌ ئێسته‌ بوو.
03:06
Cracking the interspecies communication code
61
186333
2726
ده‌نگ و كۆدی گفتوگۆكردنه‌كانیان
03:09
didn't just seem possible,
62
189083
3018
شتێكی ئاسان دیار نه‌بوو،
03:12
it almost seemed inevitable.
63
192125
2268
به‌ڵكو زۆر قورس دیاربوو.
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
به‌ڵام چۆن له‌ڕێگه‌ی شیكردنه‌وه‌ی كۆده‌كانیان له‌گه‌ڵ ئه‌وان و
03:17
and other animals?
65
197292
1267
ئاژه‌ڵه‌كانی تریش بدوێین؟
03:18
Well, step one is to understand the elements of sperm whale communication.
66
198583
4393
باشه‌، هه‌نگاوی یه‌كه‌م ته‌نها تێگه‌یشتنه‌ له‌ گفتوگۆكانیان.
ئه‌و كۆدانه‌ی كه‌ گوێت لێیان بووه‌ ڕسته‌ نیه‌ وه‌ك ئه‌وه‌ی بیری لێده‌كه‌ینه‌وه‌،
03:23
These codas you heard don't appear to be sentences as we know them,
67
203000
4059
به‌ڵكو به‌نه‌مایه‌ك هه‌یه‌ كه‌ ئه‌م ئاژه‌ڵانه‌ بۆ گفتوگۆ به‌كاری دێنن.
03:27
but there's clear structure in how these animals communicate.
68
207083
2935
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
نه‌هه‌نگه‌ زه‌به‌لاحه‌كان كۆده‌كان بۆ یه‌كتری ده‌نێرن
به‌ یه‌ك له‌دوای یه‌ك و،
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
شێوه‌زاری تایبه‌تیان هه‌یه‌ وه‌ك شێوه‌زاری به‌ریتانی و ئوستورالی.
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
ئه‌مه‌ بۆیه‌ ئامێری فێربوون زۆر گرنگه‌.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
ئه‌م ڕێبازانه‌ كۆده‌كانیان شیده‌كه‌نه‌وه‌ له‌ په‌یوه‌ندیه‌كانیاندا و تێگه‌یاندنیان.
چه‌ند ساڵێك له‌مه‌وبه‌ر، زاناكان ئامێری فێربوونیان به‌كارهێناوه‌
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
03:48
to translate between two totally unknown human languages.
75
228958
3810
بۆ وه‌رگێڕانی دوو زمانی جیاوازی مرۆڤه‌كان.
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
نه‌ك به‌كارهێنانی فه‌رهه‌نگی ڕۆزێتا ستۆن،
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
به‌ڵكو له‌ ڕێگه‌ی كێشانی نه‌خشه‌یه‌ك بۆ شێوازه‌كان له‌ بۆشاییه‌كدا.
04:00
But for machine learning to work effectively,
78
240042
2267
به‌ڵام بۆ ئامێری فێربوون تاوه‌كو زۆر كاریگه‌ربێت،
04:02
it needs data --
79
242333
1310
پێویستی به‌ داتایه‌ --
04:03
it needs lots and lots of data.
80
243667
2767
پێویستی به‌ ژماره‌یه‌كی زۆر داتایه‌.
04:06
In the past half-century,
81
246458
1726
له‌ نیوه‌ی سه‌ده‌ی ڕابردوو،
04:08
marine researchers have painstakingly collected
82
248208
3476
توێژه‌ره‌كانی ده‌ریا به‌ قورسی توانیان
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
چه‌ند هه‌زارێك له‌ ده‌نگی نه‌هه‌نگه زه‌به‌لاحه‌كان كۆبكه‌نه‌وه‌،
04:16
but in order to learn sperm whale communication,
84
256333
2310
به‌ڵام بۆ تێگه‌یشتن له‌ گفتوگۆیان،
04:18
we'll need to collect millions,
85
258667
2392
پێویسته‌ به‌ ملیۆنان ده‌نگ كۆبكه‌نه‌وه‌،
04:21
if not tens of millions
86
261083
1976
ئه‌گه‌ر به‌ ده‌یان ملیۆن
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
له‌ ده‌نگی نه‌هه‌نگه‌ زه‌به‌لاحه‌كان
له‌گه‌ڵ ڕه‌فتاریان نه‌بوو.
04:26
correlated with behaviors.
88
266000
1893
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
ئێمه‌ ئه‌وانه‌ له‌ ڕێگه‌ی مه‌له‌كردن و ڕۆبۆته‌وه‌ ئه‌نجام ده‌ده‌ین،
04:31
aerial-aquatic drones,
90
271083
1685
له‌ ناو كه‌شتیه‌ ئاویه‌كاندا،
04:32
bottom-mounted hydrophone arrays
91
272792
1601
له‌ ڕێگه‌ی هایدرۆفۆنه‌كانی ژێر ئاوه‌وه‌ و
04:34
and more.
92
274417
1267
زیاتر.
04:35
We'll work with our close partners at the Dominica Sperm Whale Project
93
275708
3351
ئێمە لەگەڵ هاوبەشە نزیکەکانمان کار دەکەین لە پرۆژەی نه‌هه‌نگه‌كانی دۆمنیكا
بۆ داپۆشینی 20 كیلۆمه‌تر چوارگۆشه‌
04:39
to cover a 20-square-kilometer area
94
279083
2101
04:41
that is frequented by over 25 well-known families of sperm whales.
95
281208
4560
كه‌ وادیاره‌ زیاتر له‌ 25 جۆر نه‌هه‌نگی زه‌به‌لاحی تێدایه‌.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
سه‌رنجی ورد ده‌خه‌ینه‌ سه‌ر په‌یوه‌ندی دایكه‌كان و بێچووه‌كانیان،
04:50
training our machine learning algorithms
97
290458
2185
فێربوونی لۆگاریتمه‌كانی ئامێره‌كه‌مان
04:52
to learn whale language from the bottom up.
98
292667
2601
بۆ فێربوونی زمانی نه‌هه‌نگه‌كان.
04:55
All this data we'll have sent through a pipeline
99
295292
2309
هه‌موو داتاكان له‌ڕێگه‌ی بۆریه‌كه‌وه‌ ده‌نێردرێن و
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
شیده‌كرێنه‌وه‌ له‌ لایه‌ن تیمی سی ئی تی ئایه‌وه‌.
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
داتاكان ده‌نگه‌كه‌ به‌ناو بزوێنه‌ری ئامێری فێڕبوونه‌كه‌دا تێده‌په‌ڕێت
05:04
where it's going to be first sorted by structure.
102
304083
2351
كه‌ له‌ ڕێگه‌ی پێكهاته‌یانه‌وه‌ جیا ده‌كرێنه‌وه‌.
05:06
The linguistics team will then search for things like syntax
103
306458
2893
پاشان تیمی زمانەوانی دەگەڕێن بۆ شتێكی وەک سینتاكس و
05:09
and time displacement.
104
309375
1268
ئاڵوگۆڕكردنی چالاكیه‌كان
05:10
For example,
105
310667
1267
بۆ نموونه‌،
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
ئه‌گه‌ر بتوانین شتێ بدۆزینه‌وه‌ كه‌ نه‌هه‌نگه‌كان ده‌رباره‌ی دوێنێ ده‌دوان،
05:15
that alone would be a major finding,
107
315792
2142
كه‌ به‌ته‌نها ده‌رئه‌نجامێكی باش ده‌بێت،
05:17
something that has thus far only been shown in humans.
108
317958
3268
کە تا ئێستا تەنها لە مرۆڤدا بینراوه‌.
05:21
And once we've really mastered listening,
109
321250
2309
كه‌ توانیمان به‌ باشی گوێبگرین،
05:23
we're going to try really carefully to talk back
110
323583
3226
هه‌وڵده‌ده‌ین وه‌ڵامیان بده‌ینه‌وه‌
05:26
even on the most simplistic level.
111
326833
2185
ته‌نانه‌ت له‌ قۆناغه‌ هه‌ره‌ ساده‌كه‌دا.
له‌ كۆتایدا، پڕۆژه‌ی سی ئی تی ئای به‌رنامه‌یه‌كی گرنگ داده‌مه‌زرێنێت
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
05:31
where we will make our data sets available to the public,
113
331792
2809
تیایدا ده‌توانین هه‌موو زانیاریه‌كان به‌ خه‌ڵكی نیشانده‌ین و،
05:34
encouraging the global community
114
334625
2059
سه‌رجه‌م كۆمه‌ڵگاكان هانبده‌ین
05:36
to come along on this journey for understanding.
115
336708
2393
تاوه‌كو له‌م بارودۆخه تێبگه‌ن
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
ئه‌م ئاژه‌ڵانه‌ زیره‌كترین ئاژه‌ڵن له‌م جیهانه‌دا.
05:43
They have a neocortex and spindle cells --
117
343542
2851
ئەوان خانەیەکی نیۆکۆرتێک و دڕکاویان هەیە --
05:46
structure that in humans control our higher thoughts,
118
346417
3101
پێكهاته‌یه‌ك له‌ مرۆڤدا كه‌ كۆنتڕۆڵێ هۆشمانی كردووه‌،
05:49
emotions, memory, language and love.
119
349542
3226
هه‌سته‌كان، بیره‌وه‌ریه‌كان، زمان و خۆشه‌ویستی.
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
هه‌موو ئه‌و به‌رنامه‌یه‌ی كه‌ په‌ره‌مان پێداوه‌ بۆ هه‌موو ئاژه‌ڵه‌كان گونجاوه‌:
05:56
to elephants, birds,
121
356500
1601
بۆ فیله‌كان، باڵنده‌كان،
05:58
primates, dolphins --
122
358125
1643
شیرده‌ره‌كان، دۆلفینه‌كان --
05:59
essentially any animal.
123
359792
1517
له‌ بنه‌ڕه‌تدا بۆ هه‌ر ئاژه‌ڵێك.
06:01
In the late 1960s,
124
361333
1643
له‌ كۆتایی ساڵانی 1960ه‌كان،
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
هاوكاره‌كه‌مان، ڕۆجەر پاین ئاوازی نه‌هه‌نگه‌كانی دۆزیه‌وه‌.
(تۆماركردن: ئاوازی نه‌هه‌نگه‌كان)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
و ده‌رئه‌نجامێك كه‌ گرنگی دابوو به‌ جووڵه‌ی نه‌هه‌نگه‌كان
06:10
led to the end of large-scale whaling
128
370958
2643
كۆتای هێنا به‌ ڕاوه‌ نه‌هه‌نگ و
06:13
and prevented several whale species from extinction
129
373625
3476
ڕێگری كردن له‌ له‌ناوچوونیان
06:17
just by showing that whales sing.
130
377125
3143
ته‌نها به‌ نیشاندانی ئاوازی نه‌هه‌نگه‌كان.
06:20
Imagine if we could understand what they're saying.
131
380292
2476
بیهێنه‌ پێش چاوت تێبگه‌ین كه‌ چی ده‌ڵێن.
06:22
Now is the time to open this larger dialogue.
132
382792
3642
ئێسته‌ كاتی ئه‌وه‌یه‌ كه‌ ئه‌م ده‌قه‌ گه‌وره‌یه‌ بكه‌ینه‌وه‌
06:26
Now is the time to listen deeply
133
386458
2643
ئێسته‌ كاتی ئه‌وه‌یه‌ به‌ قووڵی گوێبگرین و
06:29
and show these magical animals,
134
389125
1893
ئه‌وگیانداره‌ سه‌یرانه‌ نیشانبده‌ین و
06:31
and each other,
135
391042
1851
هه‌ریه‌كێك له‌
06:32
newfound respect.
136
392917
1375
ده‌ره‌نجامه‌ نوێیه‌كان.
06:35
Thank you.
137
395417
1250
سوپاس.
About this website

This site will introduce you to YouTube videos that are useful for learning English. You will see English lessons taught by top-notch teachers from around the world. Double-click on the English subtitles displayed on each video page to play the video from there. The subtitles scroll in sync with the video playback. If you have any comments or requests, please contact us using this contact form.

https://forms.gle/WvT1wiN1qDtmnspy7