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

76,548 views ・ 2021-04-28

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Natsuhiko Mizutani 校正: Moe Shoji
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
歯のある肉食動物の中では 世界で最大の生物の声をお聞かせします
00:15
on the planet:
1
15708
1268
スクールバスよりも大きくて
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
おそらく生物史上で 最も洗練された会話を行います
00:22
that has ever existed.
4
22458
2310
00:24
(Video: whale clicking)
5
24792
6000
(ビデオ:クジラのクリック音)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
これは巨大なマッコウクジラが 発する音です
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
マッコウクジラは 1時間以上も息を止めて
00:49
hold its breath for more than an hour
8
49292
2267
1600メートルぐらいは潜ることができ
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
驚くほど複雑な 母系の社会を作る哺乳類です
00:55
These clicks you heard,
10
55458
1310
この一連のクリック音は コーダと呼ばれ
00:56
called codas,
11
56792
1267
クジラの会話について 我々の知っていることの一端です
00:58
are just a facet of what we know of their communication.
12
58083
3101
01:01
We know these animals are communicating,
13
61208
2393
クジラたちの 会話だとは分かっても
01:03
we just don't yet know what they're saying.
14
63625
2976
何を言っているのかは分かりません
01:06
Project CETI aims to find out.
15
66625
2268
その解読を目指すのが プロジェクトCETIです
01:08
Over the next five years,
16
68917
1559
今後5年をかけて
01:10
our team of AI specialists,
17
70500
1684
AI専門家とロボットの専門家 言語学者と海洋生物学者のチームで
01:12
roboticists, linguists
18
72208
1768
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
最先端の技術を用いて クジラの言葉を理解し
01:17
to make contact with another species,
21
77792
1892
01:19
and hopefully communicate back.
22
79708
3476
できれば話しかけようとも考えています
01:23
We believe that by listening deeply to nature,
23
83208
2518
自然の音にしっかりと耳を澄ませれば
01:25
we can change our perspective of ourselves
24
85750
2476
自分たちについての見方が変わり
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
地球上のあらゆる生物との関係も 見直すことになると信じています
01:33
This of course seems like an impossible goal.
26
93333
3393
不可能なゴールに見えるかもしれません
01:36
People have been trying to make contact with other animals
27
96750
2768
何百年もの間 人類は 他の動物と対話しようとしてきました
01:39
for hundreds of years.
28
99542
1309
01:40
How could we do what others could not,
29
100875
2393
その難題は どうすれば 可能になるでしょうか
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
しかも パンデミックと BLM の抗議行動のさなかに
私はニューヨークの自分のソファーに 座っているというのに
01:47
in the middle of a pandemic and protests?
31
107458
2476
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
過去20年間 私は海洋生物学者 および海洋学者として
01:53
studying the ocean from all different perspectives,
33
113792
3059
微生物からサメに至るまで 海の様々な側面を研究してきました
01:56
from microbes to sharks.
34
116875
1851
01:58
I've assembled interdisciplinary teams
35
118750
1893
学際的なチームで サメの視覚を模したカメラを製作して
02:00
that have built the first shark-eye camera
36
120667
2142
02:02
to see the world from a shark's perspective,
37
122833
2226
サメの視点から世界を眺めたり
02:05
and have collaborated with engineers
38
125083
1851
クラゲも柔らかく掴めるような ロボットハンドの共同研究をしてきました
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
02:11
But it wasn't until 2018
40
131875
2143
2018年 ラドクリフ高等研究所の
02:14
when I was on fellowship
41
134042
1309
フェローシップ プログラムの中で
02:15
at the Radcliffe Institute for Advanced Study
42
135375
2434
02:17
that I realized that perhaps the best way to understand the ocean
43
137833
3060
海とそこに住む生き物を理解する 最良の方法は
02:20
and its inhabitants
44
140917
1267
生物の視点で眺めるだけでなく 聞くことだろうと気づきました
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
02:25
but by listening --
46
145333
1310
02:26
by really, deeply listening.
47
146667
2142
ほんとうにしっかりと聞くのです
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
マッコウクジラの音を耳にしたとき 私はとても惹きつけられました
02:31
They sounded like they were coming from another universe;
49
151917
2726
別世界から来る音のようであり
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
セイレーンの歌が 暗黒の海から響いてくるようでもありました
02:39
These weren't the typical harmonious whale songs
51
159125
3393
その音は私が慣れ親しんだ 典型的なクジラの唄声の響きとは違いました
02:42
that I had been accustomed to.
52
162542
1559
02:44
These sounded more like digital data transfer.
53
164125
3268
むしろデジタルデータ伝送のようです
02:47
We assembled the future Project CETI team
54
167417
2434
のちにプロジェクトCETIとなる メンバーが集まり
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
最先端の技術をどう使ったら
02:53
to communicate with whales.
56
173250
2101
クジラと会話できるか 議論を始めました
02:55
One of the principal conclusions
57
175375
1559
一つの大きな結論として
02:56
was that machine learning had a really good chance
58
176958
2685
機械学習でマッコウクジラの 会話パターンを
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
理解できる可能性が高いと考えました
03:02
And the time to apply these technologies was now.
60
182625
3684
今こそ この技術を適用するべき時です
03:06
Cracking the interspecies communication code
61
186333
2726
異なる生物種の会話を解読することが
03:09
didn't just seem possible,
62
189083
3018
可能であるように思われたばかりか
03:12
it almost seemed inevitable.
63
192125
2268
およそ必然にも思えたのです
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
パターンの解析が クジラや他の動物との会話に
03:17
and other animals?
65
197292
1267
どう役立つのでしょうか
03:18
Well, step one is to understand the elements of sperm whale communication.
66
198583
4393
まず最初のステップは マッコウクジラの 会話の要素を理解することです
聴いてもらったコーダは 私たちの知る文とは別物のようですが
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
やり取りの仕方には 明らかな構造があります
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
マッコウクジラは 交互にコーダを送り合います
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
オーストラリア英語や イギリス英語のような方言もあります
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
これが 機械学習が 強力な武器となると考えた理由です
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
パターンの関係を解析して そこに意味を対応付けるものだからです
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
ほんの数年前に
機械学習を用いて 何も知らないところから ヒトの2言語間を翻訳することができました
03:48
to translate between two totally unknown human languages.
75
228958
3810
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
ロゼッタストーンも 辞書も使っていません
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
高次元空間の中でのパターンの マッピングによって行ったのです
04:00
But for machine learning to work effectively,
78
240042
2267
ただ機械学習を効果的に実行するには
04:02
it needs data --
79
242333
1310
データが必要です
04:03
it needs lots and lots of data.
80
243667
2767
大量のデータが必要です
04:06
In the past half-century,
81
246458
1726
過去半世紀に渡って
04:08
marine researchers have painstakingly collected
82
248208
3476
海洋研究者が 苦労を重ねて収集し
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
手作業でラベル付けをした マッコウクジラの音声が数千件あります
04:16
but in order to learn sperm whale communication,
84
256333
2310
しかし機械学習をするには
04:18
we'll need to collect millions,
85
258667
2392
何百万ものデータが必要です
04:21
if not tens of millions
86
261083
1976
何千万件に届かないにしても
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
行動との関連を 注意深く ラベル付けされた音声データです
04:26
correlated with behaviors.
88
266000
1893
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
そこで非侵襲的で自律的な 自由遊泳型のロボットや
04:31
aerial-aquatic drones,
90
271083
1685
空中・水中両用のドローン
04:32
bottom-mounted hydrophone arrays
91
272792
1601
海底固定型の水中マイクなどで
04:34
and more.
92
274417
1267
データを集める考えです
04:35
We'll work with our close partners at the Dominica Sperm Whale Project
93
275708
3351
ドミニカ・マッコウクジラプロジェクトとは 緊密な協力関係にあり
04:39
to cover a 20-square-kilometer area
94
279083
2101
25以上のクジラの家族がよく訪れる
04:41
that is frequented by over 25 well-known families of sperm whales.
95
281208
4560
20平方キロメートルの範囲を カバーします
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
特に母クジラと子クジラの やりとりに注目しており
04:50
training our machine learning algorithms
97
290458
2185
それを機械学習するアルゴリズムを 1から作り上げる計画です
04:52
to learn whale language from the bottom up.
98
292667
2601
04:55
All this data we'll have sent through a pipeline
99
295292
2309
データはすべて一貫処理にかけて
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
プロジェクトCETI の 翻訳チームが解析します
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
無加工の音響データと文脈の情報を 機械学習エンジンに渡すと
05:04
where it's going to be first sorted by structure.
102
304083
2351
まず最初に構造で振り分けます
05:06
The linguistics team will then search for things like syntax
103
306458
2893
言語学者チームは 構文や時間経過を探ります
05:09
and time displacement.
104
309375
1268
05:10
For example,
105
310667
1267
たとえば
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
クジラが前日の何かについて 話している状況を見出したら
05:15
that alone would be a major finding,
107
315792
2142
それだけでも大発見です
05:17
something that has thus far only been shown in humans.
108
317958
3268
これは人間でしか見られていない事象です
05:21
And once we've really mastered listening,
109
321250
2309
こうして聞き取りが上達したら
05:23
we're going to try really carefully to talk back
110
323583
3226
極めて慎重にですが
ごく簡単な言葉から 話しかけてみようと思います
05:26
even on the most simplistic level.
111
326833
2185
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
またオープンソースの プラットフォームとして
05:31
where we will make our data sets available to the public,
113
331792
2809
プロジェクトCETI の データセットは広く公開し
05:34
encouraging the global community
114
334625
2059
世界中の研究者が一緒に
05:36
to come along on this journey for understanding.
115
336708
2393
理解の旅路を歩めるようにします
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
マッコウクジラはこの地球上で もっとも知的な生物でしょう
05:43
They have a neocortex and spindle cells --
117
343542
2851
脳には大脳新皮質と紡錘細胞があり
05:46
structure that in humans control our higher thoughts,
118
346417
3101
これはヒトの脳では 高次機能や感情 記憶、言語や愛情を司る部位です
05:49
emotions, memory, language and love.
119
349542
3226
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
我々の開発するプラットフォームはどれも 他の動物種に適用できます
05:56
to elephants, birds,
121
356500
1601
ゾウや鳥
05:58
primates, dolphins --
122
358125
1643
霊長類やイルカなど
05:59
essentially any animal.
123
359792
1517
どんな種でも適用可です
06:01
In the late 1960s,
124
361333
1643
1960年代後半に
チームの一員 ロジャー・ペインは クジラの歌を発見しました
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
(録音:クジラの歌)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
この発見でクジラ保護の活動は 大いに力を得て
06:10
led to the end of large-scale whaling
128
370958
2643
大規模捕鯨を終結させ 何種類ものクジラの絶滅を防ぎました
06:13
and prevented several whale species from extinction
129
373625
3476
06:17
just by showing that whales sing.
130
377125
3143
クジラが歌うと示しただけでこうです
06:20
Imagine if we could understand what they're saying.
131
380292
2476
何を話しているか理解できたら どうなるでしょう
06:22
Now is the time to open this larger dialogue.
132
382792
3642
今こそ この大きな会話の 口火を切るべき時です
06:26
Now is the time to listen deeply
133
386458
2643
しっかりと耳を傾けて
06:29
and show these magical animals,
134
389125
1893
これらの不思議な生物への敬意を 新たにすべき時です
06:31
and each other,
135
391042
1851
06:32
newfound respect.
136
392917
1375
06:35
Thank you.
137
395417
1250
ありがとう
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7