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

76,548 views ・ 2021-04-28

TED


Пожалуйста, дважды щелкните на английские субтитры ниже, чтобы воспроизвести видео.

Переводчик: Misha Hickey Редактор: Yulia Kallistratova
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
Сейчас вы услышите голоса самых больших хищников в мире.
00:15
on the planet:
1
15708
1268
Размером они больше автобуса,
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
а их форма общения — самая замысловатая в животном мире.
00:22
that has ever existed.
4
22458
2310
00:24
(Video: whale clicking)
5
24792
6000
(Щёлкающие звуки китов)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
Это звуки величественных кашалотов,
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
млекопитающих, способных нырять на глубину более километра
00:49
hold its breath for more than an hour
8
49292
2267
и находиться под водой более часа,
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
живущих в невероятно сложных матриархальных обществах.
00:55
These clicks you heard,
10
55458
1310
Эти щелчки называются «кодами»
00:56
called codas,
11
56792
1267
и являются лишь гранью того, что известно об их коммуникации.
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
Мы знаем, что они общаются между собой,
01:03
we just don't yet know what they're saying.
14
63625
2976
просто не знаем, что именно они говорят.
01:06
Project CETI aims to find out.
15
66625
2268
Это и есть цель проекта CETI.
01:08
Over the next five years,
16
68917
1559
В течение следующих пяти лет наша команда специалистов по ИИ,
01:10
our team of AI specialists,
17
70500
1684
01:12
roboticists, linguists
18
72208
1768
робототехников, лингвистов и морских биологов
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
приступит к установке контакта с животными
01:17
to make contact with another species,
21
77792
1892
и, возможно, даже общению с ними
01:19
and hopefully communicate back.
22
79708
3476
при помощи самых передовых технологий.
01:23
We believe that by listening deeply to nature,
23
83208
2518
Мы убеждены, что глубоко прислушиваясь к природе,
01:25
we can change our perspective of ourselves
24
85750
2476
мы сможем изменить наше представление о самих себе
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
и перестроить отношение с животным миром.
01:33
This of course seems like an impossible goal.
26
93333
3393
Конечно, такая цель кажется недостижимой.
01:36
People have been trying to make contact with other animals
27
96750
2768
Люди пытались установить контакт с другими животными много веков.
01:39
for hundreds of years.
28
99542
1309
01:40
How could we do what others could not,
29
100875
2393
Как же именно мы сможем этого добиться,
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
особенно сидя на диване в Нью-Йорке
01:47
in the middle of a pandemic and protests?
31
107458
2476
во времена пандемии и протестов?
01:49
I've spent the last 20 years as a marine biologist and oceanographer,
32
109958
3810
Как морской биолог и океанограф
01:53
studying the ocean from all different perspectives,
33
113792
3059
я провел 20 лет, изучая глубины океана,
01:56
from microbes to sharks.
34
116875
1851
от микробов до акул.
01:58
I've assembled interdisciplinary teams
35
118750
1893
Я собрал междисциплинарные команды,
02:00
that have built the first shark-eye camera
36
120667
2142
которые сконструировали первую камеру,
02:02
to see the world from a shark's perspective,
37
122833
2226
показывающую мир глазами акулы,
02:05
and have collaborated with engineers
38
125083
1851
и работал с инженерами
02:06
to design robots so gentle that they don't even stress a jellyfish.
39
126958
4893
над созданием таких деликатных роботов, которые даже медуз не беспокоят.
02:11
But it wasn't until 2018
40
131875
2143
Но только в 2018 году,
02:14
when I was on fellowship
41
134042
1309
в Рэдклиффском институте перспективных исследований,
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
я осознал, что, возможно,
чтобы действительно понять океан и его обитателей,
02:20
and its inhabitants
44
140917
1267
нужно не только смотреть на мир их глазами,
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
02:25
but by listening --
46
145333
1310
но и слушать.
02:26
by really, deeply listening.
47
146667
2142
Осознанно, глубоко слушать.
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
Я заинтересовался кашалотами, как только услышал их голоса.
02:31
They sounded like they were coming from another universe;
49
151917
2726
Они звучали, будто исходили из другой вселенной,
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
будто песни сирен из тёмных глубин.
02:39
These weren't the typical harmonious whale songs
51
159125
3393
Они не были тем гармоничным пением китов,
02:42
that I had been accustomed to.
52
162542
1559
к которому я привык.
02:44
These sounded more like digital data transfer.
53
164125
3268
Они больше походили на звуки цифровой передачи данных.
02:47
We assembled the future Project CETI team
54
167417
2434
Мы собрали будущую команду CETI
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
и принялись обсуждать использование передовых технологий
02:53
to communicate with whales.
56
173250
2101
для общения с китами.
02:55
One of the principal conclusions
57
175375
1559
Главный вывод был в том, что машинное обучение
02:56
was that machine learning had a really good chance
58
176958
2685
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
должно быть способно понять структуру общения кашалотов.
03:02
And the time to apply these technologies was now.
60
182625
3684
Пришло время использовать эти технологии.
03:06
Cracking the interspecies communication code
61
186333
2726
Расшифровка кодов межвидовой коммуникации
03:09
didn't just seem possible,
62
189083
3018
казалась не только возможной,
03:12
it almost seemed inevitable.
63
192125
2268
но и почти неизбежной.
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
Но как анализ структуры общения
поможет нам говорить с китами?
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
Сначала нам нужно изучить элементы их коммуникации.
Коды, которые вы слышали, не являются предложениями как таковыми,
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
но в коммуникации китов присутствует чёткая структура.
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
Кашалоты шлют друг другу коды в последовательностях,
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
и у них встречаются региональные диалекты, как британский или австралийский акцент.
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
Поэтому машинное обучение — очень подходяший метод.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
Оно анализирует отношения структур и присваивает им значение.
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
Всего несколько лет назад с помощью машинного обучения
03:48
to translate between two totally unknown human languages.
75
228958
3810
учёным удалось создать перевод между неизвестными программе языками.
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
Не при помощи словарей или Rosetta Stone,
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
а путём нахождения закономерностей в многомерном пространстве.
04:00
But for machine learning to work effectively,
78
240042
2267
Но для эффективной работы машинного обучения
04:02
it needs data --
79
242333
1310
ему нужны данные.
04:03
it needs lots and lots of data.
80
243667
2767
Много, много данных.
04:06
In the past half-century,
81
246458
1726
За последние полвека
04:08
marine researchers have painstakingly collected
82
248208
3476
морские исследователи собрали и аннотировали
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
всего несколько тысяч вокализаций китов.
04:16
but in order to learn sperm whale communication,
84
256333
2310
Но чтобы изучить их коммуникацию,
04:18
we'll need to collect millions,
85
258667
2392
нам нужно будет собрать миллионы,
04:21
if not tens of millions
86
261083
1976
даже десятки миллионов,
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
аккуратно аннотированных примеров вокализаций кашалотов,
согласованных с их поведением.
04:26
correlated with behaviors.
88
266000
1893
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
Сделать это мы сможем с помощью
бесконтактных, свободно плавающих роботов, воздушно-водных дронов,
04:31
aerial-aquatic drones,
90
271083
1685
04:32
bottom-mounted hydrophone arrays
91
272792
1601
гидрофонов на дне океана и других устройств.
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
В сотрудничестве с проектом «Доминиканский кашалот»
мы покроем область в 20 кв. км.,
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
которую часто посещают более 25 хорошо известных семей кашалотов.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
В центре нашего внимания будет общение матерей и детёнышей,
04:50
training our machine learning algorithms
97
290458
2185
так что алгоритмы машинного обучения
04:52
to learn whale language from the bottom up.
98
292667
2601
смогут изучать язык с самого начала.
04:55
All this data we'll have sent through a pipeline
99
295292
2309
Все собранные данные мы пошлём на анализ
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
переводчикам проекта CETI.
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
Необработанные данные и аудиозаписи пройдут через механизм машинного обучения.
05:04
where it's going to be first sorted by structure.
102
304083
2351
Там они сперва будут рассортированы по структуре.
05:06
The linguistics team will then search for things like syntax
103
306458
2893
Затем лингвисты будут искать признаки синтаксиса и «смещения времени».
05:09
and time displacement.
104
309375
1268
05:10
For example,
105
310667
1267
То есть, если мы обнаружим,
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
что кит говорил о чём-то, произошедшем вчера,
05:15
that alone would be a major finding,
107
315792
2142
это было бы потрясающим открытием,
05:17
something that has thus far only been shown in humans.
108
317958
3268
так как пока что эта способность обнаружена лишь у людей.
05:21
And once we've really mastered listening,
109
321250
2309
А когда мы действительно научимся их слушать,
05:23
we're going to try really carefully to talk back
110
323583
3226
мы попробуем осторожно с ними поговорить,
05:26
even on the most simplistic level.
111
326833
2185
пусть даже на самом базовом уровне.
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
И наконец, проект CETI откроет платформу,
05:31
where we will make our data sets available to the public,
113
331792
2809
где наши данные будут доступны всем,
05:34
encouraging the global community
114
334625
2059
приглашая людей всего мира
05:36
to come along on this journey for understanding.
115
336708
2393
присоединиться к нам на пути к пониманию.
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
Эти животные могут оказаться самыми интеллигентными на Земле.
05:43
They have a neocortex and spindle cells --
117
343542
2851
У них присутствуют неокортекс и веретенообразные клетки,
05:46
structure that in humans control our higher thoughts,
118
346417
3101
то, что у людей отвечает за мышление,
05:49
emotions, memory, language and love.
119
349542
3226
эмоции, память, язык и любовь.
05:52
And all the platforms that we develop can be cross-applied to other animals:
120
352792
3684
Всё, что мы разработаем, мы сможем применять и к другим животным:
05:56
to elephants, birds,
121
356500
1601
слонам, птицам,
05:58
primates, dolphins --
122
358125
1643
приматам, дельфинам,
05:59
essentially any animal.
123
359792
1517
практически к любому виду.
06:01
In the late 1960s,
124
361333
1643
В конце 1960 годов
наш сотрудник Роджер Пейн открыл для нас пение китов.
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
(Запись пения китов)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
Открытие, запустившее движение «Спасите кита»,
06:10
led to the end of large-scale whaling
128
370958
2643
положило конец китобойству
06:13
and prevented several whale species from extinction
129
373625
3476
и предотвратило вымирание нескольких видов китов,
06:17
just by showing that whales sing.
130
377125
3143
и это только потому, что киты поют.
06:20
Imagine if we could understand what they're saying.
131
380292
2476
А что, если бы мы понимали, о чём они говорят?
06:22
Now is the time to open this larger dialogue.
132
382792
3642
Пришло время расширить этот диалог.
06:26
Now is the time to listen deeply
133
386458
2643
Пришло время по-настоящему прислушаться
06:29
and show these magical animals,
134
389125
1893
и проявить уважение
06:31
and each other,
135
391042
1851
друг к другу
06:32
newfound respect.
136
392917
1375
и к этим волшебным животным.
06:35
Thank you.
137
395417
1250
Спасибо.
Об этом сайте

Этот сайт познакомит вас с видеороликами YouTube, полезными для изучения английского языка. Вы увидите уроки английского языка, преподаваемые высококлассными учителями со всего мира. Дважды щелкните по английским субтитрам, отображаемым на каждой странице видео, чтобы воспроизвести видео оттуда. Субтитры прокручиваются синхронно с воспроизведением видео. Если у вас есть какие-либо комментарии или пожелания, пожалуйста, свяжитесь с нами, используя эту контактную форму.

https://forms.gle/WvT1wiN1qDtmnspy7