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

76,280 views ・ 2021-04-28

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Mallelis Quiroz Revisor: Sebastian Betti
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
Estás a punto de escuchar al depredador con dientes más grande
00:15
on the planet:
1
15708
1268
del planeta:
un animal más grande que un bus escolar
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
y quizás, con la más sofisticada forma de comunicación
00:22
that has ever existed.
4
22458
2310
que haya existido nunca.
00:24
(Video: whale clicking)
5
24792
6000
(Ballena cantando)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
Estos son los sonidos de un cachalote,
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
un mamífero que puede sumergirse casi 1600 km,
00:49
hold its breath for more than an hour
8
49292
2267
aguantar la respiración más de una hora,
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
y vivir en una gran compleja sociedad matriarcal.
00:55
These clicks you heard,
10
55458
1310
Estos cantos que escuchas,
00:56
called codas,
11
56792
1267
llamados codas,
00:58
are just a facet of what we know of their communication.
12
58083
3101
son solo una faceta de lo que conocemos de su comunicación.
01:01
We know these animals are communicating,
13
61208
2393
Sabemos que estos animales se comunican,
01:03
we just don't yet know what they're saying.
14
63625
2976
solo que no sabemos lo que dicen.
01:06
Project CETI aims to find out.
15
66625
2268
El proyecto CETI lo quiere descubrir.
01:08
Over the next five years,
16
68917
1559
Durante los próximos cinco años
01:10
our team of AI specialists,
17
70500
1684
nuestro equipo de especialistas en IA,
01:12
roboticists, linguists
18
72208
1768
expertos en robótica, lingüistas
y biólogos marinos
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
planean usar tecnología de punta
01:17
to make contact with another species,
21
77792
1892
para hacer contacto con otras especies,
01:19
and hopefully communicate back.
22
79708
3476
y con esperanza de recibir comunicación.
01:23
We believe that by listening deeply to nature,
23
83208
2518
Creemos que escuchando profundamente a la naturaleza
01:25
we can change our perspective of ourselves
24
85750
2476
podemos cambiar nuestra perspectiva
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
y transformar nuestra relación con todas las vidas en el planeta.
01:33
This of course seems like an impossible goal.
26
93333
3393
Esto parece una meta imposible.
01:36
People have been trying to make contact with other animals
27
96750
2768
La gente ha intentando hacer contacto con otros animales
01:39
for hundreds of years.
28
99542
1309
durante miles de años.
01:40
How could we do what others could not,
29
100875
2393
¿Cómo podríamos hacer lo que otros no han podido?
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
especialmente cuando estoy sentado en mi sillón en Nueva York
01:47
in the middle of a pandemic and protests?
31
107458
2476
en el medio de una pandemia y protestas.
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
He pasado los últimos 20 años como biólogo marino y oceanógrafo,
01:53
studying the ocean from all different perspectives,
33
113792
3059
estudiando el océano desde todas sus perspectivas,
01:56
from microbes to sharks.
34
116875
1851
desde microbios hasta tiburones.
01:58
I've assembled interdisciplinary teams
35
118750
1893
he creado equipos interdisciplinarios
02:00
that have built the first shark-eye camera
36
120667
2142
que han creado la primera cámara ojo de tiburón
02:02
to see the world from a shark's perspective,
37
122833
2226
para ver el mundo desde la perspectiva de un tiburón,
02:05
and have collaborated with engineers
38
125083
1851
y he colaborado con ingenieros,
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
para diseñar robots tan ligeros que no estresen a las medusas.
02:11
But it wasn't until 2018
40
131875
2143
Pero no fue sino hasta el 2018
cuando estaba en una beca
02:14
when I was on fellowship
41
134042
1309
02:15
at the Radcliffe Institute for Advanced Study
42
135375
2434
en el Instituto Radcliffe de estudios superiores
02:17
that I realized that perhaps the best way to understand the ocean
43
137833
3060
donde me di cuenta de que la mejor forma de entender al océano
02:20
and its inhabitants
44
140917
1267
y sus habitantes
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
no era ver el mundo a través de sus ojos,
02:25
but by listening --
46
145333
1310
sino escuchando...
02:26
by really, deeply listening.
47
146667
2142
realmente escuchando.
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
Me interesé en los cachalotes cuando escuché sus sonidos.
02:31
They sounded like they were coming from another universe;
49
151917
2726
Sonaban como si vinieran de otro universo,
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
un sonido de sirena transmitido desde lo más profundo y oscuro del océano.
02:39
These weren't the typical harmonious whale songs
51
159125
3393
Estos no eran los sonidos típicos y armoniosos de las ballenas
02:42
that I had been accustomed to.
52
162542
1559
a los que estaba acostumbrado.
02:44
These sounded more like digital data transfer.
53
164125
3268
Estos sonaban como datos de transferencia digital.
02:47
We assembled the future Project CETI team
54
167417
2434
armamos el equipo del futuro proyecto CETI
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
y empezamos a discutir cómo usar la tecnología más avanzada
02:53
to communicate with whales.
56
173250
2101
para comunicarnos con las ballenas.
02:55
One of the principal conclusions
57
175375
1559
Una de las conclusiones
02:56
was that machine learning had a really good chance
58
176958
2685
fue que el aprendizaje automático tuvo la oportunidad
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
de entender los patrones de comunicación de los cachalotes.
03:02
And the time to apply these technologies was now.
60
182625
3684
Y ahora era el tiempo de aplicar estas tecnologías.
03:06
Cracking the interspecies communication code
61
186333
2726
Romper los códigos de comunicación entre especies
03:09
didn't just seem possible,
62
189083
3018
no parecía imposible,
03:12
it almost seemed inevitable.
63
192125
2268
parecía casi inevitable.
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
¿Cómo analizar patrones nos ayuda a comunicarnos con las ballenas
03:17
and other animals?
65
197292
1267
y otros animales?
03:18
Well, step one is to understand the elements of sperm whale communication.
66
198583
4393
El paso uno es entender los elementos de comunicación de los cachalotes.
Estas codas que escuchas no parecen ser frases que conozcamos,
03:23
These codas you heard don't appear to be sentences as we know them,
67
203000
4059
pero hay una estructura clave en cómo estos animales se comunican.
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
Los cachalotes se envían codas entre sí
en secuencias,
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
y hay dialectos regionales como acentos británicos y australianos.
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
Por esta razón el aprendizaje automático es tan poderoso.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
Estos enfoques analizan patrones en sus relaciones y su estructura.
Solo hace unos cuantos años, científicos usaron el aprendizaje automático
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
para traducir dos lenguajes humanos totalmente desconocidos.
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
No mediante Rosetta Stone ni un diccionario,
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
sino organizándolos en patrones de espacios dimensionales más amplios.
Pero, para que el aprendizaje automático funcione efectivamente
04:00
But for machine learning to work effectively,
78
240042
2267
04:02
it needs data --
79
242333
1310
necesita datos,
04:03
it needs lots and lots of data.
80
243667
2767
necesita muchos datos.
04:06
In the past half-century,
81
246458
1726
En el último medio siglo,
04:08
marine researchers have painstakingly collected
82
248208
3476
los investigadores marinos han recolectado minuciosamente,
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
y han anotado solo una cuantas vocalizaciones de los cachalotes,
pero con el fin de aprender la comunicación de los cachalotes,
04:16
but in order to learn sperm whale communication,
84
256333
2310
04:18
we'll need to collect millions,
85
258667
2392
vamos a necesitar recolectar millones
04:21
if not tens of millions
86
261083
1976
y decenas de millones
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
de vocalizaciones de cachalotes anotadas cuidadosamente
relacionadas al comportamiento.
04:26
correlated with behaviors.
88
266000
1893
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
Lo vamos a saber con robots de natación autónomos no invasivos,
04:31
aerial-aquatic drones,
90
271083
1685
drones aeroacuáticos,
04:32
bottom-mounted hydrophone arrays
91
272792
1601
hidrófonos montados en la parte inferior,
04:34
and more.
92
274417
1267
y más.
04:35
We'll work with our close partners at the Dominica Sperm Whale Project
93
275708
3351
Vamos a trabajar con compañeros en el proyecto de cachalotes de Dominica
04:39
to cover a 20-square-kilometer area
94
279083
2101
para cubrir un área de 20 km cuadrados
04:41
that is frequented by over 25 well-known families of sperm whales.
95
281208
4560
que es frecuentada por más de 25 familias conocidas de cachalotes.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
Vamos a enfocarnos especialmente en las madres y sus crías,
04:50
training our machine learning algorithms
97
290458
2185
entrenando nuestros algoritmos de aprendizaje automático
04:52
to learn whale language from the bottom up.
98
292667
2601
para aprender el lenguaje de las ballenas.
04:55
All this data we'll have sent through a pipeline
99
295292
2309
Todos estos datos enviados
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
y analizados por el equipo de traducción del proyecto CETI.
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
El audio original y los datos del entorno van a través del aprendizaje automático
05:04
where it's going to be first sorted by structure.
102
304083
2351
donde van a ser organizados por partes.
05:06
The linguistics team will then search for things like syntax
103
306458
2893
El equipo de lingüística buscará cosas como la sintaxis
05:09
and time displacement.
104
309375
1268
y tiempo de desplazamiento.
05:10
For example,
105
310667
1267
Por ejemplo,
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
si encontramos un evento donde una ballena hablaba sobre algo ayer,
05:15
that alone would be a major finding,
107
315792
2142
eso solo ya sería un gran descubrimiento,
05:17
something that has thus far only been shown in humans.
108
317958
3268
algo que hasta ahora solo se ha visto en humanos.
05:21
And once we've really mastered listening,
109
321250
2309
y una vez que dominemos la escucha
05:23
we're going to try really carefully to talk back
110
323583
3226
vamos a intentar responderles con cuidado,
05:26
even on the most simplistic level.
111
326833
2185
incluso en el modo más simple.
Finalmente, el proyecto CETI va a crear una plataforma abierta
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
donde vamos a tener nuestra serie de datos disponible para el público,
05:34
encouraging the global community
114
334625
2059
animando a la comunidad global
05:36
to come along on this journey for understanding.
115
336708
2393
a que venga a este viaje para entender.
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
Estos animales podrían ser los seres más inteligentes del planeta.
05:43
They have a neocortex and spindle cells --
117
343542
2851
Estos tienen un neocórtex y una estructura de células fusiformes
05:46
structure that in humans control our higher thoughts,
118
346417
3101
que en los humanos controla nuestros pensamientos,
05:49
emotions, memory, language and love.
119
349542
3226
emociones, memoria, lenguaje y amor.
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
Y todas las plataformas que desarrollamos se pueden aplicar a otros animales:
05:56
to elephants, birds,
121
356500
1601
a elefantes, aves,
05:58
primates, dolphins --
122
358125
1643
primates, delfines;
05:59
essentially any animal.
123
359792
1517
principalmente cualquier animal.
06:01
In the late 1960s,
124
361333
1643
En los 1960,
nuestro equipo recordó que, Roger Payne descubrió que las ballenas cantaban.
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
(Ballenas cantado)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
Un hallazgo que provocó al movimiento Salvemos a las ballenas
06:10
led to the end of large-scale whaling
128
370958
2643
y llevó al fin de la caza de estas a gran escala,
06:13
and prevented several whale species from extinction
129
373625
3476
y prevenir a muchas especies de ballenas de la extinción
06:17
just by showing that whales sing.
130
377125
3143
solamente mostrando que podían cantar.
06:20
Imagine if we could understand what they're saying.
131
380292
2476
Imagina si entendiéramos lo que dicen.
06:22
Now is the time to open this larger dialogue.
132
382792
3642
Ahora es tiempo de abrir el diálogo.
06:26
Now is the time to listen deeply
133
386458
2643
Ahora es tiempo de escuchar profundamente
06:29
and show these magical animals,
134
389125
1893
y mostrar a estos animales mágicos,
06:31
and each other,
135
391042
1851
y a cada uno,
06:32
newfound respect.
136
392917
1375
un respeto recién descubierto.
06:35
Thank you.
137
395417
1250
Gracias.
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7