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

76,685 views ・ 2021-04-28

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Dick Stada Nagekeken door: Tahlia Flora
Je gaat nu de geluiden horen
van het grootste roofdier met tanden op aarde.
Een dier dat groter is dan een bus,
met misschien wel de meest verfijnde vorm van communicatie
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
die ooit heeft bestaan.
00:15
on the planet:
1
15708
1268
(Video: klikgeluiden van een walvis)
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
00:22
that has ever existed.
4
22458
2310
00:24
(Video: whale clicking)
5
24792
6000
Dit zijn de geluiden van de machtige potvis,
een mede-zoogdier dat bijna 1600 meter diep kan duiken,
zijn adem meer dan een uur kan inhouden,
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
en in verbazingwekkend complexe matriarchale groepen leeft.
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
Dat geklik dat je hoort,
en codas genoemd worden,
00:49
hold its breath for more than an hour
8
49292
2267
is maar een klein deel van wat we weten van hun communicatie.
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
We weten dat ze communiceren,
00:55
These clicks you heard,
10
55458
1310
maar we weten alleen nog niet wat ze zeggen.
00:56
called codas,
11
56792
1267
00:58
are just a facet of what we know of their communication.
12
58083
3101
Project CETI probeert dat uit te vinden.
De komende vijf jaar
01:01
We know these animals are communicating,
13
61208
2393
wil ons team van AI-specialisten,
01:03
we just don't yet know what they're saying.
14
63625
2976
robotica, taalkundigen en mariene biologen,
01:06
Project CETI aims to find out.
15
66625
2268
de meest moderne technologieën gebruiken
01:08
Over the next five years,
16
68917
1559
om contact te maken met een diersoort,
01:10
our team of AI specialists,
17
70500
1684
en hopelijk om terug te kunnen praten.
01:12
roboticists, linguists
18
72208
1768
01:14
and marine biologists
19
74000
1434
We denken dat we door goed naar de natuur te luisteren,
01:15
aim to use the most cutting-edge technologies
20
75458
2310
01:17
to make contact with another species,
21
77792
1892
ons eigen perspectief kunnen veranderen
01:19
and hopefully communicate back.
22
79708
3476
en onze relatie met al het leven op aarde opnieuw kunnen vormen.
01:23
We believe that by listening deeply to nature,
23
83208
2518
Dat lijkt natuurlijk een onmogelijke opgave.
01:25
we can change our perspective of ourselves
24
85750
2476
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
Pogingen om contact te krijgen met dieren
gebeuren al eeuwen.
Hoe kunnen wij doen wat anderen niet konden,
01:33
This of course seems like an impossible goal.
26
93333
3393
en al helemaal terwijl ik hier op mijn bank zit in New York
01:36
People have been trying to make contact with other animals
27
96750
2768
middenin een pandemie en protestacties?
01:39
for hundreds of years.
28
99542
1309
01:40
How could we do what others could not,
29
100875
2393
Ik was de afgelopen 20 jaar mariene bioloog en oceanograaf
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
en heb de oceaan vanuit allerlei perspectieven bestudeerd,
01:47
in the middle of a pandemic and protests?
31
107458
2476
van microben tot haaien.
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
Ik heb interdisciplinaire teams gevormd
die de eerste haaienoog-camera hebben gebouwd
01:53
studying the ocean from all different perspectives,
33
113792
3059
om de wereld vanuit haaienperspectief te zien
01:56
from microbes to sharks.
34
116875
1851
en hebben samengewerkt met ingenieurs
01:58
I've assembled interdisciplinary teams
35
118750
1893
om robots te bouwen die zo gevoelig zijn dat ze nog geen kwal kwaad doen.
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
Pas in 2018, toen ik met een studiebeurs
02:05
and have collaborated with engineers
38
125083
1851
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
bij het Radcliffe Institute for Advanced Studies zat,
besefte ik dat je om de oceaan en zijn bewoners het beste te begrijpen
02:11
But it wasn't until 2018
40
131875
2143
de wereld niet alleen door hun ogen moet bekijken,
02:14
when I was on fellowship
41
134042
1309
02:15
at the Radcliffe Institute for Advanced Study
42
135375
2434
maar moet luisteren.
02:17
that I realized that perhaps the best way to understand the ocean
43
137833
3060
Door echt heel goed te luisteren.
02:20
and its inhabitants
44
140917
1267
Ik raakte geboeid door potvissen toen ik hun geluid hoorde.
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
Het klonk alsof ze van een andere planeet kwamen.
02:25
but by listening --
46
145333
1310
02:26
by really, deeply listening.
47
146667
2142
Een sirenenzang dat uit de donkerste hoeken van de zee kwam.
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
Niet die typische harmonieuze walvisliedjes
02:31
They sounded like they were coming from another universe;
49
151917
2726
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
die ik gewend was.
Dit klonk eerder als digitale gegevensoverdracht.
We stelden het toekomstige CETI-projectteam samen
02:39
These weren't the typical harmonious whale songs
51
159125
3393
en bespraken hoe we de meest geavanceerde techniek konden inzetten
02:42
that I had been accustomed to.
52
162542
1559
02:44
These sounded more like digital data transfer.
53
164125
3268
om met walvissen te communiceren.
Een van de hoofdconclusies was
02:47
We assembled the future Project CETI team
54
167417
2434
dat je met machine learning een goede kans hebt
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
om de patronen te snappen van de communicatie tussen walvissen.
02:53
to communicate with whales.
56
173250
2101
De tijd om deze technologieën toe te passen was aangebroken.
02:55
One of the principal conclusions
57
175375
1559
02:56
was that machine learning had a really good chance
58
176958
2685
De communicatiecode kraken van de soorten onderling
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
leek niet alleen te kunnen,
03:02
And the time to apply these technologies was now.
60
182625
3684
het leek zelfs te gaan gebeuren.
Hoe helpt het analyseren van patronen
03:06
Cracking the interspecies communication code
61
186333
2726
bij het praten met walvissen en andere dieren?
03:09
didn't just seem possible,
62
189083
3018
Nou, eerst moeten we de elementen van de walviscommunicatie begrijpen.
03:12
it almost seemed inevitable.
63
192125
2268
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
De codas die je hoorde, blijken geen zinnen te zijn zoals wij die kennen,
03:17
and other animals?
65
197292
1267
03:18
Well, step one is to understand the elements of sperm whale communication.
66
198583
4393
maar er zit wel een duidelijke structuur in.
Potvissen sturen codas heen en terug naar elkaar
03:23
These codas you heard don't appear to be sentences as we know them,
67
203000
4059
in klikreeksen,
en er zijn dialecten zoals het Engelse en het Amerikaanse accent.
03:27
but there's clear structure in how these animals communicate.
68
207083
2935
Daarom werkt machine learning zo krachtig.
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
03:33
in sequences,
70
213000
1309
Deze aanpak analyseert patronen en hangt daar een betekenis aan.
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
Pas sinds kort gebruikten wetenschappers machine learning
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
om te vertalen tussen twee onbekende menselijke talen.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
Niet met de Steen van Rosetta of een woordenboek,
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
maar door de patronen in kaart te brengen in meer-dimensionele ruimtes.
03:48
to translate between two totally unknown human languages.
75
228958
3810
Om machine learning goed te laten werken,
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
heb je gegevens nodig,
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
heel veel gegevens.
In de afgelopen vijftig jaar,
hebben mariene onderzoekers nauwgezet
04:00
But for machine learning to work effectively,
78
240042
2267
04:02
it needs data --
79
242333
1310
04:03
it needs lots and lots of data.
80
243667
2767
een paar duizend geluidsopnames van walvissen verzameld en vastgelegd,
04:06
In the past half-century,
81
246458
1726
maar om iets van walviscommunicatie te leren
04:08
marine researchers have painstakingly collected
82
248208
3476
hebben we miljoenen,
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
zo niet tientallen miljoenen
nauwkeurig vastgelegde geluidsopnames nodig,
04:16
but in order to learn sperm whale communication,
84
256333
2310
samen met de gedragingen.
04:18
we'll need to collect millions,
85
258667
2392
We doen dat met niet-invasieve, autonome onderwaterrobots,
04:21
if not tens of millions
86
261083
1976
lucht-waterdrones,
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
onderwatermicrofoons en meer.
04:26
correlated with behaviors.
88
266000
1893
We werken samen met onze partners aan het Dominica-potvisproject
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
dat een stuk zee beslaat van 20 km²
04:31
aerial-aquatic drones,
90
271083
1685
04:32
bottom-mounted hydrophone arrays
91
272792
1601
dat regelmatig bezocht wordt door meer dan 25 bekende potvisfamilies.
04:34
and more.
92
274417
1267
04:35
We'll work with our close partners at the Dominica Sperm Whale Project
93
275708
3351
We richten ons vooral op contact tussen moeders en kalfjes,
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
om daarmee onze algoritmes te voeden
om de walvissentaal vanaf de basis te leren.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
Al die data werd in een pijpleiding gegooid
en geanalyseerd door het vertaalteam van CETI.
04:50
training our machine learning algorithms
97
290458
2185
De ruwe geluids- en omgevingsgegevens gaan door het machine-learningproces
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
waar ze eerst worden gesorteerd op structuur.
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
Het team van taalkundigen zoekt dan naar dingen als syntax
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
en tijdverschuiving.
Als we bijvoorbeeld zien
dat een walvis iets zegt over gisteren
05:04
where it's going to be first sorted by structure.
102
304083
2351
05:06
The linguistics team will then search for things like syntax
103
306458
2893
dan zou dat al een geweldige uitkomst zijn.
05:09
and time displacement.
104
309375
1268
Iets wat we tot nu toe alleen bij mensen zagen.
05:10
For example,
105
310667
1267
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
Als we het luisteren echt onder de knie hebben,
05:15
that alone would be a major finding,
107
315792
2142
gaan we proberen voorzichtig terug te praten
05:17
something that has thus far only been shown in humans.
108
317958
3268
al was het maar op basisniveau.
Uiteindelijk zal het CETI-project een open platform bouwen
05:21
And once we've really mastered listening,
109
321250
2309
05:23
we're going to try really carefully to talk back
110
323583
3226
waar we onze datasets voor iedereen toegankelijk maken
05:26
even on the most simplistic level.
111
326833
2185
om iedereen aan te moedigen
om samen met ons op reis te gaan naar meer kennis.
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
Deze dieren konden wel eens de intelligentste op aarde zijn.
05:31
where we will make our data sets available to the public,
113
331792
2809
05:34
encouraging the global community
114
334625
2059
Ze hebben een neocortex en spoelcellen,
05:36
to come along on this journey for understanding.
115
336708
2393
structuren die onze hogere gedachten,
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
emoties, geheugen, taal en liefde sturen.
05:43
They have a neocortex and spindle cells --
117
343542
2851
De platforms die we maken, kunnen ook voor andere dieren worden gebruikt:
05:46
structure that in humans control our higher thoughts,
118
346417
3101
voor olifanten, vogels,
05:49
emotions, memory, language and love.
119
349542
3226
mensapen, dolfijnen,
eigenlijk voor elke diersoort.
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
Eind jaren zestig,
ontdekte ons teamlid Roger Payne, dat walvissen zingen.
05:56
to elephants, birds,
121
356500
1601
05:58
primates, dolphins --
122
358125
1643
(Opname: zingende walvis)
05:59
essentially any animal.
123
359792
1517
Een bevinding die leidde tot de beweging Save the Wales
06:01
In the late 1960s,
124
361333
1643
en het einde inluidde van de walvisjacht op grote schaal
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
en het uitsterven voorkwam van een aantal walvissoorten.
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
Alleen door het zingen van de walvissen te laten horen.
06:10
led to the end of large-scale whaling
128
370958
2643
Stel dat we konden begrijpen wat ze zeggen.
06:13
and prevented several whale species from extinction
129
373625
3476
De tijd is aangebroken voor een brede dialoog.
06:17
just by showing that whales sing.
130
377125
3143
Het is nu tijd dat we heel goed gaan luisteren
06:20
Imagine if we could understand what they're saying.
131
380292
2476
en aan deze wonderlijke dieren
06:22
Now is the time to open this larger dialogue.
132
382792
3642
en aan elkaar
ons hervonden respect tonen.
06:26
Now is the time to listen deeply
133
386458
2643
Dank je wel.
06:29
and show these magical animals,
134
389125
1893
06:31
and each other,
135
391042
1851
06:32
newfound respect.
136
392917
1375
06:35
Thank you.
137
395417
1250
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7