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

76,280 views ・ 2021-04-28

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Şevval Naz Ertik Gözden geçirme: Can Boysan
00:12
You are about to hear the sounds of the largest-toothed predator
0
12375
3309
Dünyanın en büyük dişlere sahip predatörünün seslerini duymak üzeresiniz.
00:15
on the planet:
1
15708
1268
Bu hayvan, bir okul servisinden daha büyük
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
ve belki de var olan en komplike iletişim biçimine sahip.
00:22
that has ever existed.
4
22458
2310
00:24
(Video: whale clicking)
5
24792
6000
(Video: Balina sesleri)
00:43
These are the sounds of the mighty sperm whale,
6
43833
2518
Bu sesler, kudretli ispermeçet balinasına ait.
00:46
a fellow mammal that can dive almost a mile,
7
46375
2893
Bu memeli yaklaşık 1500 metreye kadar dalabilir,
00:49
hold its breath for more than an hour
8
49292
2267
nefesini bir saatten uzun süre tutabilir
00:51
and lives in these amazingly complex, matriarchal societies.
9
51583
3851
ve oldukça kompleks anaerkil topluluklar halinde yaşar.
00:55
These clicks you heard,
10
55458
1310
Duyduğunuz seslere koda deniyor.
00:56
called codas,
11
56792
1267
Kodalar ispermeçet balinalarının iletişimi hakkında bildiklerimizin sadece bir kısmı.
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
Bu hayvanların iletişim kurduklarını biliyoruz
01:03
we just don't yet know what they're saying.
14
63625
2976
ancak ne söylediklerini henüz bilmiyoruz.
01:06
Project CETI aims to find out.
15
66625
2268
Project CETI bunu keşfetmeyi hedefliyor.
01:08
Over the next five years,
16
68917
1559
Önümüzdeki beş yıl boyunca
01:10
our team of AI specialists,
17
70500
1684
ekibimizdeki yapay zeka uzmanları,
01:12
roboticists, linguists
18
72208
1768
robot bilimciler, dil bilimciler
ve deniz biyologları
01:14
and marine biologists
19
74000
1434
01:15
aim to use the most cutting-edge technologies
20
75458
2310
başka türlerle iletişim kurabilmek
01:17
to make contact with another species,
21
77792
1892
ve bir yanıt alabilmek adına
01:19
and hopefully communicate back.
22
79708
3476
son teknolojileri kullanmayı hedefliyor.
01:23
We believe that by listening deeply to nature,
23
83208
2518
Kendimize olan bakış açımızı
01:25
we can change our perspective of ourselves
24
85750
2476
ve dünyada yaşayan tüm canlılarla olan ilişkilerimizi
01:28
and reshape our relationship with all life on this planet.
25
88250
5059
doğaya derinlemesine kulak vererek değiştirebileceğimize inanıyoruz.
01:33
This of course seems like an impossible goal.
26
93333
3393
Tabii bu gerçekleşmesi imkânsız bir hedef gibi görünebilir.
01:36
People have been trying to make contact with other animals
27
96750
2768
İnsanlar yüzyıllardır diğer hayvanlarla iletişim kurmaya çalışıyor.
01:39
for hundreds of years.
28
99542
1309
01:40
How could we do what others could not,
29
100875
2393
Bir pandeminin ve eylemlerin ortasında
01:43
especially given that I'm sitting here on my couch in New York City
30
103292
4142
New York’taki evimin koltuğunda oturduğumu göz önünde bulundurduğumuzda
diğer insanların başaramadığını biz nasıl başaracağız?
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
Hayatımın son 20 yılını bir deniz biyoloğu ve oşinograf olarak geçirdim.
01:53
studying the ocean from all different perspectives,
33
113792
3059
Mikroplardan köpek balıklarına kadar
farklı bakış açılarından ele alarak okyanusları inceledim.
01:56
from microbes to sharks.
34
116875
1851
01:58
I've assembled interdisciplinary teams
35
118750
1893
Farklı disiplinlerden ekipleri bir araya getirdim
02:00
that have built the first shark-eye camera
36
120667
2142
ve o ekipler dünyayı köpek balıklarının gözünden gösteren
02:02
to see the world from a shark's perspective,
37
122833
2226
ilk kamerayı geliştirdiler.
Bir denizanasını dahi rahatsız etmeyecek kadar hafif robotlar tasarlamaları için
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
mühendislerle iş birliği yaptım.
02:11
But it wasn't until 2018
40
131875
2143
Okyanusları ve deniz canlılarını anlamanın en iyi yolunun
02:14
when I was on fellowship
41
134042
1309
yalnızca dünyaya onların gözünden bakmak değil,
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
aynı zamanda onlara derinlemesine kulak vermek olduğunu
02:20
and its inhabitants
44
140917
1267
2018 yılında
02:22
wasn't just by seeing the world through their eyes,
45
142208
3101
Radcliffe İleri Araştırma Enstitüsü’nde
02:25
but by listening --
46
145333
1310
öğretmenlik yaptığım dönemde fark edebildim.
02:26
by really, deeply listening.
47
146667
2142
02:28
I became interested in sperm whales when I heard their sounds.
48
148833
3060
İspermeçet balinaları, seslerini duyduğumda ilgimi çekti.
02:31
They sounded like they were coming from another universe;
49
151917
2726
Başka bir evrenden geliyor gibilerdi.
02:34
a siren song being broadcast from the darkest reaches of the sea.
50
154667
4434
Denizin derinliklerinden bir siren çağrısı yayınlanıyordu âdeta.
02:39
These weren't the typical harmonious whale songs
51
159125
3393
Bu sesler alışkın olduğum ahenkli balina şarkılarından değildi.
02:42
that I had been accustomed to.
52
162542
1559
02:44
These sounded more like digital data transfer.
53
164125
3268
Daha çok dijital veri aktarımı gibiydi.
02:47
We assembled the future Project CETI team
54
167417
2434
Geleceğin Project CETI ekibini bir araya getirdik
02:49
and began discussing how to use the most advanced technologies
55
169875
3351
ve balinalarla iletişim kurabilmek için
en son teknolojileri nasıl kullanacağımızı tartışmaya başladık.
02:53
to communicate with whales.
56
173250
2101
02:55
One of the principal conclusions
57
175375
1559
Ulaştığımız başlıca sonuç
02:56
was that machine learning had a really good chance
58
176958
2685
ispermeçet balinalarının iletişim modellerini
02:59
of understanding the patterns of sperm whale communication.
59
179667
2934
yapay zeka ile anlama şansımızın yüksek olduğuydu.
03:02
And the time to apply these technologies was now.
60
182625
3684
Bu teknolojileri kullanmanın tam zamanıydı.
03:06
Cracking the interspecies communication code
61
186333
2726
Türler arası iletişim kodlarını çözmek
03:09
didn't just seem possible,
62
189083
3018
hem mümkün hem de kaçınılmaz görünüyordu.
03:12
it almost seemed inevitable.
63
192125
2268
Peki iletişim modellerini incelemek
03:14
But how can analyzing patterns help us converse with whales
64
194417
2851
balinalarla ve diğer hayvanlarla konuşmamızı nasıl sağlayabilir?
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
İlk adım, ispermeçet balinalarının iletişim esaslarını anlamak.
Duyduğunuz kodalar bildiğimiz hâliyle cümleler değiller
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
ancak bu hayvanların iletişiminin belirli bir yapısı var.
03:30
Sperm whales send codas back and forth to each other
69
210042
2934
İspermeçet balinaları birbirlerine art arda kodalar gönderiyorlar.
03:33
in sequences,
70
213000
1309
03:34
and there are regional dialects like British and Australian accents.
71
214333
3976
İngiliz ve Avustralya aksanları gibi bölgesel lehçeleri var.
03:38
This is exactly why machine learning is such a powerful tool.
72
218333
3768
İşte bu yüzden yapay zeka oldukça güçlü bir araç.
03:42
These approaches analyze patterns in relationship and map meaning to them.
73
222125
4018
Bu araçlar iletişim modellerini inceleyip anlamlarını saptıyor.
03:46
Just a few years ago, scientists used machine learning
74
226167
2767
Birkaç yıl önce bilim insanları
Bilinmeyen iki tane farklı insan dili arasında çeviri yapmak için
03:48
to translate between two totally unknown human languages.
75
228958
3810
yapay zekayı kullandı.
03:52
Not by using a Rosetta Stone or a dictionary,
76
232792
2767
Rosetta Stone adlı dil öğrenimi yazılımı veya sözlük kullanmaktan ziyade
03:55
but by mapping them on patterns in higher-dimensional space.
77
235583
4435
yüksek boyutlu olan uzay modelleri üzerinde bu dilleri saptadılar.
04:00
But for machine learning to work effectively,
78
240042
2267
Ancak yapay zekanın etkili bir şekilde çalışması için
04:02
it needs data --
79
242333
1310
04:03
it needs lots and lots of data.
80
243667
2767
çok fazla veriye ihtiyaç var.
04:06
In the past half-century,
81
246458
1726
Geçtiğimiz 50 yılda deniz araştırmacıları
04:08
marine researchers have painstakingly collected
82
248208
3476
birkaç bin ispermeçet balinası seslendirmesini
04:11
and hand annotated just a few thousand sperm whale vocalizations,
83
251708
4601
titizlikle topladı ve notlarla açıkladı.
04:16
but in order to learn sperm whale communication,
84
256333
2310
Ancak ispermeçet balinalarının iletişimini öğrenebilmek için
04:18
we'll need to collect millions,
85
258667
2392
davranışla uyumlu
04:21
if not tens of millions
86
261083
1976
on milyonlarca ek açıklama içeren
04:23
of carefully annotated sperm whale vocalizations
87
263083
2893
ispermeçet balinası seslendirmesine ihtiyacımız var.
04:26
correlated with behaviors.
88
266000
1893
Bunu noninvaziv, otonom, serbest yüzen robotlarla,
04:27
We'll do it with noninvasive, autonomous, free-swimming robots,
89
267917
3142
hem uçan hem yüzen drone’larla,
04:31
aerial-aquatic drones,
90
271083
1685
tabana monteli hidrofon dizilimleriyle
04:32
bottom-mounted hydrophone arrays
91
272792
1601
ve daha fazlasıyla yapacağız.
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
25 tane ispermeçet balinası ailesinin sık görüldüğü
04:39
to cover a 20-square-kilometer area
94
279083
2101
20 kilometrekarelik bir alanı incelemek için
04:41
that is frequented by over 25 well-known families of sperm whales.
95
281208
4560
Dominica Sperm Whale projesindeki ortaklarımızla çalışacağız.
04:45
We're going to put specific focus on the interactions of mothers and calfs,
96
285792
4642
Anneler ile yavrular arasındaki etkileşime özel olarak odaklanacağız.
04:50
training our machine learning algorithms
97
290458
2185
Yapay zekâ algoritmalarımızı
04:52
to learn whale language from the bottom up.
98
292667
2601
balina dilini temelden öğrenmek için programlayacağız.
04:55
All this data we'll have sent through a pipeline
99
295292
2309
Tüm bu verileri analiz etmeleri için
04:57
and analyzed by the Project CETI translation team.
100
297625
2434
Project CETI çeviri ekibine göndereceğiz.
05:00
The raw audio and context data will go through our machine learning engine
101
300083
3976
İşlem görmemiş sesler ve bağlam verileri
yapay zekâ cihazımız ile öncelikle yapıya göre sıralanacak.
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
Ardından dil bilimi ekibi,
sözdizim ve zamanın yer değiştirmesi gibi unsurları arayacak.
05:09
and time displacement.
104
309375
1268
05:10
For example,
105
310667
1267
Bir balinanın geçmiş zaman üzerine konuştuğunu keşfetmek bile
05:11
if we find an event where a whale was talking about something yesterday,
106
311958
3810
başlı başına büyük bir buluş olur
05:15
that alone would be a major finding,
107
315792
2142
05:17
something that has thus far only been shown in humans.
108
317958
3268
çünkü bu daha önce yalnızca insanlarda gözlemlenen bir durum.
05:21
And once we've really mastered listening,
109
321250
2309
Dinleme konusunda uzmanlaştıktan sonra
05:23
we're going to try really carefully to talk back
110
323583
3226
en basit seviyede olsa bile
05:26
even on the most simplistic level.
111
326833
2185
dikkatlice yanıt vermeye çalışacağız.
05:29
Finally, Project CETI will build an open-source platform
112
329042
2726
Son olarak Project CETI, küresel bir topluluğun
05:31
where we will make our data sets available to the public,
113
331792
2809
idrak üzerine olan bu yolculuğa katılmasını desteklemek adına
05:34
encouraging the global community
114
334625
2059
verilerin kamusal olduğu bir açık kaynak platformu kuracak.
05:36
to come along on this journey for understanding.
115
336708
2393
05:39
These animals could be the most intelligent beings on this planet.
116
339125
4393
Bu hayvanlar dünya üzerindeki en zeki canlılar olabilir.
05:43
They have a neocortex and spindle cells --
117
343542
2851
Neokorteksleri ve iğsi hücreleri var.
05:46
structure that in humans control our higher thoughts,
118
346417
3101
Bunlar insanlarda
derin düşünceleri, duyguları, hafızayı, dili ve sevgiyi kontrol eden yapılar.
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
Geliştirdiğimiz tüm platformlar
fillere, kuşlara, primatlara, yunuslara
05:56
to elephants, birds,
121
356500
1601
05:58
primates, dolphins --
122
358125
1643
ve özünde tüm hayvanlara uygulanabilir.
05:59
essentially any animal.
123
359792
1517
06:01
In the late 1960s,
124
361333
1643
1960′ların sonunda ekibimizden Roger Payne
06:03
our team member, Roger Payne, discovered that whales sing.
125
363000
3976
balinaların şarkı söylediğini keşfetti.
(Kayıt: Balinalar şarkı söylüyor)
06:07
(Recording: whale singing)
126
367000
1268
06:08
A finding that sparked the Save the Whales movement
127
368292
2642
Bu keşif Save the Whales hereketini ateşledi,
06:10
led to the end of large-scale whaling
128
370958
2643
geniş çaplı bir balina avının sona ermesini sağladı
06:13
and prevented several whale species from extinction
129
373625
3476
ve çeşitli balina türlerinin soylarının tükenmesini önledi.
Tüm bunları sadece balinaların şarkı söyleyişini göstererek başardı.
06:17
just by showing that whales sing.
130
377125
3143
06:20
Imagine if we could understand what they're saying.
131
380292
2476
Neler söylediklerini anlayabilsek olacakları düşünün.
06:22
Now is the time to open this larger dialogue.
132
382792
3642
Şimdi bu mühim meseleye odaklanmanın,
06:26
Now is the time to listen deeply
133
386458
2643
derinlemesine dinlemenin,
06:29
and show these magical animals,
134
389125
1893
bu muhteşem hayvanlara
06:31
and each other,
135
391042
1851
06:32
newfound respect.
136
392917
1375
ve birbirimize saygı duymanın zamanı.
06:35
Thank you.
137
395417
1250
Teşekkür ederim.
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7