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

76,280 views ・ 2021-04-28

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Leila Ataei Reviewer: Masoud Motamedifar
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
قرار است صدای بزرگترین شکارچی دندان‌دار روی این کره را
00:15
on the planet:
1
15708
1268
بشنوید:
جانوری بزرگتر از اتوبوس مدرسه با
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
احتمالا پیچیده‌ترین نوع ارتباط برقرار کردن که
00:22
that has ever existed.
4
22458
2310
تا به حال وجود داشته است.
00:24
(Video: whale clicking)
5
24792
6000
(ویدئو: کلیک کردن نهنگ)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
اینها صدای نهنگ عنبر بزرگ است،
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
پستانداری که تا عمق ۱۰۰۰ متری پایین می‌رود،
00:49
hold its breath for more than an hour
8
49292
2267
می‌تواند بیش از یک ساعت زیر آب بماند و
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
در جوامع پیچیده‌ی مادرسالار و شگفت‌انگیز زندگی کند.
00:55
These clicks you heard,
10
55458
1310
این کلیک‌هایی که شنیدید،
00:56
called codas,
11
56792
1267
کودا نامیده می شوند،
00:58
are just a facet of what we know of their communication.
12
58083
3101
فقط جنبه‌ای از آنچه درباره برقراری ارتباط آنها می‌دانیم هستند.
01:01
We know these animals are communicating,
13
61208
2393
ما می‌دانیم این حیوانات ارتباط برقرار می‌کنند،
01:03
we just don't yet know what they're saying.
14
63625
2976
فقط هنوز نمی‌دانیم چه می‌گویند.
01:06
Project CETI aims to find out.
15
66625
2268
هدف پروژه CETI یافتن این حقیقت است.
01:08
Over the next five years,
16
68917
1559
طی ۵ سال آینده،
01:10
our team of AI specialists,
17
70500
1684
تیم متخصصان هوش مصنوعی،
01:12
roboticists, linguists
18
72208
1768
زبانشناسان،‌ متخصصان ربات و
زیست‌شناسان دریایی ما
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
قصد استفاده از جدیدترین فناوریها را جهت برقراری
01:17
to make contact with another species,
21
77792
1892
ارتباط با گونه‌هایی دیگر را دارند،
01:19
and hopefully communicate back.
22
79708
3476
و با امید دریافت ارتباط متقابل.
01:23
We believe that by listening deeply to nature,
23
83208
2518
ما معتقدیم که با گوش دادن عمیق به طبیعت،
01:25
we can change our perspective of ourselves
24
85750
2476
می‌توانیم چشم‌اندازمان از خود را تغییر داده و
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
رابطه‌مان با انواع حیات در این کره را شکل دهیم.
01:33
This of course seems like an impossible goal.
26
93333
3393
البته هدف غیرممکنی به نظر می‌رسد.
01:36
People have been trying to make contact with other animals
27
96750
2768
انسانها برای صدها سال سعی در برقراری ارتباط با
01:39
for hundreds of years.
28
99542
1309
حیوانات دیگر را داشته‌اند.
01:40
How could we do what others could not,
29
100875
2393
چطور قادریم کاری را که بقیه نتوانستند انجام دهیم،
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
بخصوص با این فرض که من اینجا روی مبلم در نیویورک
01:47
in the middle of a pandemic and protests?
31
107458
2476
در بحبوحه پاندمی و اعتراضات نشستم؟
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
۲۰ سال گذشته را به عنوان زیست‌شناس دریایی و اقیانوس‌‌شناس،
01:53
studying the ocean from all different perspectives,
33
113792
3059
صرف مطالعه انواع دیدگاه‌های مختلف نموده‌ام،
01:56
from microbes to sharks.
34
116875
1851
از میکروبها گرفته تا کوسه‌ها.
01:58
I've assembled interdisciplinary teams
35
118750
1893
تیمهای میان رشته‌ای را تشکیل دادم که
02:00
that have built the first shark-eye camera
36
120667
2142
نخستین دوربین چشم کوسه را ساخته‌اند تا
02:02
to see the world from a shark's perspective,
37
122833
2226
دنیا را از دید کوسه ببینید،
02:05
and have collaborated with engineers
38
125083
1851
و با مهندسان همکاری داشته‌اند تا
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
روباتهای خیلی آرامی را طراحی کنند که حتی باعث اضطراب ستارهای دریایی هم نشوند.
02:11
But it wasn't until 2018
40
131875
2143
اما در سال ۲۰۱۸ در
02:14
when I was on fellowship
41
134042
1309
مقام دستیاری برای
02:15
at the Radcliffe Institute for Advanced Study
42
135375
2434
مطالعات پیشرفته در انستیتو رادکلیف بود که
02:17
that I realized that perhaps the best way to understand the ocean
43
137833
3060
پی بردم که شاید بهترین روش برای فهم اقیانوس
02:20
and its inhabitants
44
140917
1267
و ساکنان آن تنها
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
دیدن جهان از چشمان آنها نبود.
02:25
but by listening --
46
145333
1310
بلکه با شنیدن--
02:26
by really, deeply listening.
47
146667
2142
شنیدن واقعا عمیق بود.
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
علاقمندیم به نگهنگ‌های عنبر وقتی بود که صدایشان را شنیدم.
02:31
They sounded like they were coming from another universe;
49
151917
2726
صدایشان به این میماند که گویی از دنیای دیگری باشند؛
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
آوازی آژیروار که از تاریکترین اعماق دریا پخش می شد.
02:39
These weren't the typical harmonious whale songs
51
159125
3393
اینها آوازهای معمول هارمونی‌دار نهنگ‌ها نبودند که
02:42
that I had been accustomed to.
52
162542
1559
با آنها آشنایی داشتم.
02:44
These sounded more like digital data transfer.
53
164125
3268
اینها بیشتر به انتقال داده‌های دیجیتال میماندند.
02:47
We assembled the future Project CETI team
54
167417
2434
ما تیم آینده پروژه CETI را جمع کردیم و
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
شروع به بحث درباره نحوه استفاده از پیشرفته‌ترین فناوریها برای
02:53
to communicate with whales.
56
173250
2101
برقراری ارتباط با نهنگ‌ها کردیم.
02:55
One of the principal conclusions
57
175375
1559
یکی از نتیجه‌گیریهای اساسی
02:56
was that machine learning had a really good chance
58
176958
2685
این بود که یادگیری ماشین از شانس واقعا خوب بالایی از فهم
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
الگوهای ارتباطی نهنگ عنبر برخوردار است.
03:02
And the time to apply these technologies was now.
60
182625
3684
و زمان به کارگیری این فناوریها الان است.
03:06
Cracking the interspecies communication code
61
186333
2726
رمزگشایی از ارتباط بین گونه‌‌ها
03:09
didn't just seem possible,
62
189083
3018
نه فقط غیرممکن بلکه تقریبا
03:12
it almost seemed inevitable.
63
192125
2268
ناگزیر به نظر می‌آمد.
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
اما تحلیل الگوها چطور می‌تواند به ما در گفتگو با نهنگ‌ها
03:17
and other animals?
65
197292
1267
و دیگر حیوانات کمک کند؟
03:18
Well, step one is to understand the elements of sperm whale communication.
66
198583
4393
خب، قدم اول فهم عنصرهای ارتباطی نهنگ عنبر است.
این کدهایی که شنیدید تا جایی که ما می‌دانیم جمله نیستند،
03:23
These codas you heard don't appear to be sentences as we know them,
67
203000
4059
03:27
but there's clear structure in how these animals communicate.
68
207083
2935
اما ساختاری روشنی در نحوه این ارتباطات انسانی وجود دارد.
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
نهنگ‌های عنبر این کدها را به صورت متوالی
با هم رد و بدل می‌کنند،
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
و گویش‌های منطقه‌ای مثل لهجه‌های بریتانیایی و استرالیایی دارند.
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
دقیقا به همین خاطر یادگیری ماشین ابزاری قدرتمند است.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
این رویکردها الگوها را در رابطه و نقشه‌ مقصود آنها تحلیل می‌کند.
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
همین چند سال پیش، دانشمندان از یادگیری ماشین جهت
03:48
to translate between two totally unknown human languages.
75
228958
3810
ترجمه بین دو زبان بشری کاملا ناشناخته استفاده کردند.
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
بدون استفاده از روزتا استون یا لغتنامه،
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
صرفا با نقشه‌برداری از الگوها در فضای بعدی بالاتر.
04:00
But for machine learning to work effectively,
78
240042
2267
اما برای کارکرد موثر ماشین یادگیری،
04:02
it needs data --
79
242333
1310
داده‌ها لازمند--
04:03
it needs lots and lots of data.
80
243667
2767
داده‌های فراوان.
04:06
In the past half-century,
81
246458
1726
در نیم قرن اخیر،
04:08
marine researchers have painstakingly collected
82
248208
3476
پژوهشگران دریایی با زحمت و دقت زیاد مشغول جمع‌آوری بوده‌اند و
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
فقط چند هزار آوای نهنگ عنبرها را با دست حاشیه نگاری کردند،
04:16
but in order to learn sperm whale communication,
84
256333
2310
اما برای یادگیری ارتباط نهنگ عنبر،
04:18
we'll need to collect millions,
85
258667
2392
عوض دهها میلیون به جمع‌آوری
04:21
if not tens of millions
86
261083
1976
میلیونها آوای به دقت
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
حاشیه‌نویسی شده مرتبط با رفتار از نهنگ‌های عنبر
نیاز داریم.
04:26
correlated with behaviors.
88
266000
1893
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
این کار را با روباتهای غیرمخرب، مستقل، شناگر آزاد و
04:31
aerial-aquatic drones,
90
271083
1685
پهبادهای آبی- هوایی،
04:32
bottom-mounted hydrophone arrays
91
272792
1601
تجهیزات آب آوا سنج‌ زیر نصب شده
04:34
and more.
92
274417
1267
و غیره استفاده خواهیم کرد.
04:35
We'll work with our close partners at the Dominica Sperm Whale Project
93
275708
3351
ما با شرکای نزدیک خود در پروژه نهنگ عنبر دومنیک همکاری خواهیم نمود
04:39
to cover a 20-square-kilometer area
94
279083
2101
که منطقه‌ای ۲۰ کیلومتر مربعی را پوشش می‌دهد،
04:41
that is frequented by over 25 well-known families of sperm whales.
95
281208
4560
جاییکه ۲۵ خانواده نهنگ عنبر مشهور رفت و آمد دارند.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
تمرکز خاص خود را بر روی تعاملات بین مادران و بچه‌ها خواهیم گذاشت،
04:50
training our machine learning algorithms
97
290458
2185
برای آموزش دیدن الگوریتم‌های
04:52
to learn whale language from the bottom up.
98
292667
2601
یادگیری ماشینمان تا زبان نهنگ را از ابتدا بیاموزند.
04:55
All this data we'll have sent through a pipeline
99
295292
2309
همه این داده‌ها را از طریق یک خط لوله می‌فرستیم و
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
از سوی تیم ترجمه پروژه CETI تحلیل خواهند شد.
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
داده‌های زمینه و شنیداری خام به موتور یادگیری ماشین تحویل خواهند شد
05:04
where it's going to be first sorted by structure.
102
304083
2351
جاییکه اول طبق ساختار ذخیره می‌شوند.
05:06
The linguistics team will then search for things like syntax
103
306458
2893
تیم زبان‌شناسی به دنبال تحقیق درباره چیزهایی مثل دستور زبان و
05:09
and time displacement.
104
309375
1268
جابجایی زمانی خواهد بود.
05:10
For example,
105
310667
1267
برای مثال،
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
اگر بتوانیم موردی را پیدا کنیم که نهنگ درباره اتفاقی در روز گذشته صحبت کند
05:15
that alone would be a major finding,
107
315792
2142
به تنهایی آن یافته اصلی ما خواهد بود،
05:17
something that has thus far only been shown in humans.
108
317958
3268
زیرا تا به حال این را در انسانها دیدیم.
05:21
And once we've really mastered listening,
109
321250
2309
و زمانی که در شنیدن استاد شدیم،
05:23
we're going to try really carefully to talk back
110
323583
3226
واقعا به دقت تلاش خواهیم کرد که پاسخ بدهیم
05:26
even on the most simplistic level.
111
326833
2185
حتی در ساده‌ترین سطح ممکن.
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
سرانجام، پروژه CETI پایگاه منبع بازی را خواهد ساخت که
05:31
where we will make our data sets available to the public,
113
331792
2809
آنجا داده‌های‌مان را در اختیار عموم قرار خواهیم داد،
05:34
encouraging the global community
114
334625
2059
جهت تشویق جامعه جهانی برای همراه شدن با
05:36
to come along on this journey for understanding.
115
336708
2393
با ما در این مسیر فهمیدن.
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
این حیوانات می‌توانند باهوش‌ترین موجودات در این کره باشند.
05:43
They have a neocortex and spindle cells --
117
343542
2851
نوقشر و سلول‌های دوکی دارند--
05:46
structure that in humans control our higher thoughts,
118
346417
3101
ساختاری که در انسان‌ها افکار متعالی ما را کنترل می‌کند،
05:49
emotions, memory, language and love.
119
349542
3226
عواطف، حافظه، زبان و عشق.
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
و همه پایگاه‌هایی که می‌سازیم را می‌توانیم برای حیوانات دیگر هم به کار بریم:
05:56
to elephants, birds,
121
356500
1601
برای فیل‌ها، پرندگان،
05:58
primates, dolphins --
122
358125
1643
نخستی‌ها، دلفین‌ها--
05:59
essentially any animal.
123
359792
1517
لزوما هر حیوانی.
06:01
In the late 1960s,
124
361333
1643
در اواخر دهه ۱۹۶۰،
راجر پاین، عضو تیم ما آن آوازخوانی نهنگ‌ها را کشف کرد.
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
(ضبط: آوازخوانی نهنگ)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
یافته‌ای که جنبش نجات نهنگ‌ها را جرقه زد که
06:10
led to the end of large-scale whaling
128
370958
2643
منتهی به ختم شدن شکار نهنگ‌ها در مقیاس بزرگ و
06:13
and prevented several whale species from extinction
129
373625
3476
ممانعت از انقراض چندین گونه مختلف از نهنگ‌ها شد،
06:17
just by showing that whales sing.
130
377125
3143
فقط با نشان دادن آن آواز نهنگ‌ها.
06:20
Imagine if we could understand what they're saying.
131
380292
2476
تصور کنید اگر بتوانیم بفهمیم که چه می‌خوانند.
06:22
Now is the time to open this larger dialogue.
132
382792
3642
اکنون زمان آغاز این گفتگوی بزرگتر است.
06:26
Now is the time to listen deeply
133
386458
2643
اکنون زمان عمیق گوش دادن و نشان دادن
06:29
and show these magical animals,
134
389125
1893
احترامی تازه به این
06:31
and each other,
135
391042
1851
جانوران جادویی و
06:32
newfound respect.
136
392917
1375
یکدیگر است.
06:35
Thank you.
137
395417
1250
متشکرم.
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7