โครงการที่มีความทะเยอทะยานกำลังพยายามตีความการคลิกของวาฬสเปิร์มด้วยปัญญาประดิษฐ์ แล้วพูดคุยกับพวกมัน
“ฉันไม่รู้อะไรมากเกี่ยวกับปลาวาฬ ฉันไม่เคยเห็นวาฬมาก่อนเลยในชีวิต” Michael Bronstein กล่าว นักวิทยาศาสตร์คอมพิวเตอร์ชาวอิสราเอลซึ่งสอนอยู่ที่ Imperial College London ประเทศอังกฤษ อาจดูไม่เหมาะกับโครงการที่เกี่ยวข้องกับการสื่อสารของวาฬสเปิร์ม แต่ทักษะของเขาในฐานะผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงอาจเป็นกุญแจสู่ความพยายามอันทะเยอทะยานที่เริ่มอย่างเป็นทางการในเดือนมีนาคม 2020: กลุ่มนักวิทยาศาสตร์สหวิทยาการต้องการใช้ปัญญาประดิษฐ์ (AI) เพื่อถอดรหัสภาษาของสัตว์เลี้ยงลูกด้วยนมในทะเลเหล่านี้ หากโครงการ CETI (สำหรับโครงการริเริ่มการแปลภาษาซีตาเชียน) ประสบความสำเร็จ จะเป็นครั้งแรกที่เราเข้าใจจริงๆ ว่าสัตว์กำลังพูดถึงอะไร และบางทีเราอาจคุยกับพวกมันด้วยซ้ำ
เริ่มต้นในปี 2560 เมื่อกลุ่มนักวิทยาศาสตร์นานาชาติใช้เวลาหนึ่งปีร่วมกันที่มหาวิทยาลัยฮาร์วาร์ดในเคมบริดจ์ แมสซาชูเซตส์ ที่โครงการ Radcliffe Fellowship ซึ่งเป็นโครงการที่สัญญาว่าจะ “มีโอกาสที่จะหลีกหนีจากกิจวัตรประจำวัน” วันหนึ่ง Shafi Goldwasser นักวิทยาศาสตร์คอมพิวเตอร์และผู้เชี่ยวชาญด้านการเข้ารหัสจากอิสราเอลก็มาที่สำนักงานของ David Gruber นักชีววิทยาทางทะเลที่ City University of New York Goldwasser ซึ่งเพิ่งได้รับการเสนอชื่อให้เป็นผู้อำนวยการคนใหม่ของ Simons Institute for the Theory of Computing แห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ได้ยินเสียงคลิกเป็นชุดๆ ซึ่งทำให้เธอนึกถึงเสียงที่วงจรอิเล็กทรอนิกส์ผิดพลาด—หรือรหัสมอร์ส . นั่นเป็นวิธีที่วาฬสเปิร์มพูดคุยกัน กรูเบอร์บอกเธอ “ฉันพูดว่า, ‘บางทีเราควรทำโปรเจกต์ที่เราแปลเสียงของวาฬให้เป็นสิ่งที่มนุษย์เข้าใจได้’” โกลด์วาสเซอร์เล่า “ฉันพูดจริงๆ มันเป็นความคิดภายหลัง ฉันไม่เคยคิดว่าเขาจะจริงจังกับฉัน”
แต่การคบหากันเป็นโอกาสที่จะนำความคิดที่ไกลออกไปอย่างจริงจัง ในงานเลี้ยงอาหารค่ำ พวกเขาได้นำเสนอแนวคิดนี้ต่อ Bronstein ซึ่งกำลังติดตามความก้าวหน้าล่าสุดในการประมวลผลภาษาธรรมชาติ (NLP) ซึ่งเป็นแขนงหนึ่งของ AI ที่เกี่ยวข้องกับการวิเคราะห์อัตโนมัติของคำพูดที่เขียนและพูด ซึ่งจนถึงตอนนี้เป็นเพียงภาษามนุษย์เท่านั้น บรอนสไตน์เชื่อมั่นว่า codas ซึ่งเรียกว่าการเปล่งเสียงของวาฬสเปิร์มสั้น ๆ มีโครงสร้างที่เอื้อต่อการวิเคราะห์ในลักษณะนี้ โชคดีที่กรูเบอร์รู้จักนักชีววิทยาชื่อเชน เกโร ผู้บันทึกโคดาวาฬสเปิร์มจำนวนมากในน่านน้ำรอบๆ เกาะโดมินิกาในทะเลแคริบเบียนตั้งแต่ปี 2548 บรอนสไตน์ใช้อัลกอริธึมการเรียนรู้ของเครื่องกับข้อมูล “พวกเขาดูเหมือนจะทำงานได้ดีมาก อย่างน้อยก็กับงานที่ค่อนข้างง่าย” เขากล่าว แต่นี่ไม่ใช่มากกว่าการพิสูจน์แนวคิด สำหรับการวิเคราะห์เชิงลึก
แต่สัตว์มีภาษาหรือไม่? คำถามนี้เป็นที่ถกเถียงกันในหมู่นักวิทยาศาสตร์มาช้านาน สำหรับหลาย ๆ คน ภาษาเป็นหนึ่งในป้อมปราการสุดท้ายของการผูกขาดของมนุษย์ สัตว์สื่อสารกันได้ แต่พวกมันไม่พูด คอนราด ลอเรนซ์ นักชีววิทยาชาวออสเตรีย หนึ่งในผู้บุกเบิกวิทยาศาสตร์พฤติกรรมสัตว์ ผู้เขียนเกี่ยวกับการสื่อสารกับสัตว์ในหนังสือKing Solomon’s Ring เมื่อปี 1949 กล่าว “สัตว์ไม่มีภาษาในความหมายที่แท้จริงของคำ” ลอเรนซ์เขียน
“ฉันคิดว่าเรายังดูแลไม่มากพอ” คาร์สเตน เบรนซิง นักชีววิทยาทางทะเลชาวเยอรมัน ผู้เขียนหนังสือหลายเล่มเกี่ยวกับการสื่อสารของสัตว์กล่าว เบรนซิงเชื่อว่าการเปล่งเสียงของสัตว์หลายชนิดสามารถเรียกได้ว่าเป็นภาษาได้อย่างแน่นอน นี่ไม่ใช่แค่การเห่าของสุนัขเท่านั้น: ต้องปฏิบัติตามเงื่อนไขหลายประการ “ประการแรก ภาษามีความหมาย นั่นหมายความว่าการเปล่งเสียงบางอย่างมีความหมายคงที่ไม่เปลี่ยนแปลง” ตัวอย่างเช่น นกเจย์ไซบีเรีย (Siberian jays) ซึ่งเป็นนกชนิดหนึ่ง มีชื่อเรียกประมาณ 25 คำ ซึ่งบางคำมีความหมายตายตัว
เงื่อนไขที่สองคือไวยากรณ์: กฎสำหรับการสร้างประโยค เป็นเวลานานแล้วที่นักวิทยาศาสตร์เชื่อว่าการสื่อสารของสัตว์นั้นไม่มีโครงสร้างประโยคใดๆ แต่ในปี 2559 นักวิจัยชาวญี่ปุ่นได้เผยแพร่ผลการศึกษาในNature Communicationsเกี่ยวกับการเปล่งเสียงของหัวนมที่ดี ในบางสถานการณ์ นกจะประสานเสียงเรียกที่แตกต่างกันสองเสียงเพื่อเตือนกันและกันเมื่อผู้ล่าเข้ามาใกล้ พวกเขายังตอบสนองเมื่อนักวิจัยเล่นลำดับนี้ให้พวกเขาฟัง อย่างไรก็ตาม เมื่อกลับคำสั่งเรียก นกก็ตอบสนองน้อยลงมาก “นั่นคือไวยากรณ์” เบรนซิงกล่าว
เกณฑ์ที่สาม: คุณจะไม่เรียกการเปล่งเสียงของสัตว์ว่าเป็นภาษาหากพวกมันมีมาแต่กำเนิด ลอเรนซ์เชื่อว่าสัตว์เกิดมาพร้อมกับการแสดงออกและไม่ได้เรียนรู้อะไรมากมายในชีวิตของพวกมัน “การแสดงอารมณ์ของสัตว์ทั้งหมด เช่น โน้ต ‘เกีย’ และ ‘เกียว’ ของอีกา จึงเทียบไม่ได้กับภาษาพูดของเรา แต่จะเฉพาะกับการแสดงอารมณ์เหล่านั้น เช่น หาว ย่นคิ้ว และยิ้มเท่านั้นที่แสดงออกมา โดยไม่รู้ตัวเป็นการกระทำโดยกำเนิด” Lorenz เขียน
สัตว์หลายชนิดได้รับการพิสูจน์แล้วว่าเป็นผู้เรียนเสียงร้อง—เรียนรู้คำศัพท์ใหม่ พัฒนาภาษาถิ่น ระบุชื่อกันและกัน นกบางตัวเรียนรู้ที่จะเลียนแบบเสียงเรียกเข้าโทรศัพท์มือถือ ปลาโลมาได้รับนกหวีดแต่ละตัวซึ่งใช้เป็นตัวบ่งชี้สำหรับตัวเอง เกือบจะเหมือนกับชื่อ
เสียงคลิกของวาฬสเปิร์มเป็นตัวเลือกที่เหมาะสมอย่างยิ่งสำหรับการพยายามถอดรหัสความหมายของมัน ไม่ใช่แค่เพราะไม่เหมือนกับเสียงต่อเนื่องที่วาฬสายพันธุ์อื่นๆ สร้างขึ้น พวกมันแปลเป็นเลขหนึ่งและเลขศูนย์ได้ง่าย สัตว์เหล่านี้ดำดิ่งลงไปในมหาสมุทรที่ลึกที่สุดและสื่อสารกันในระยะทางไกล ดังนั้นพวกมันจึงไม่สามารถใช้ภาษากายและสีหน้า ซึ่งเป็นวิธีการสื่อสารที่สำคัญสำหรับสัตว์อื่นๆ “เป็นเรื่องจริงที่จะสันนิษฐานว่าการสื่อสารของวาฬเป็นเสียงเป็นหลัก” บรอนสไตน์กล่าว วาฬสเปิร์มมีสมองที่ใหญ่ที่สุดในอาณาจักรสัตว์ ซึ่งใหญ่กว่าของเราถึง 6 เท่า เมื่อสัตว์สองตัวนี้คุยกันเป็นเวลานาน เราไม่ควรสงสัยว่าพวกเขามีอะไรจะพูดกันหรือเปล่า? พวกเขาให้คำแนะนำซึ่งกันและกันเกี่ยวกับแหล่งตกปลาที่ดีที่สุดหรือไม่? แม่วาฬแลกเปลี่ยนเรื่องราวเกี่ยวกับการเลี้ยงลูกเหมือนมนุษย์หรือไม่? นักวิจัย CETI กล่าวว่าคุ้มค่าที่จะลองค้นหา
การเรียนรู้ภาษาที่ไม่รู้จักนั้นง่ายกว่าถ้ามี Rosetta Stone ที่มีชื่อเสียง Stele นี้ค้นพบในปี 1799 มีข้อความเดียวกันในสามภาษาและเป็นกุญแจสำคัญในการถอดรหัสอักษรอียิปต์โบราณ แน่นอนว่าไม่มีสิ่งนั้นสำหรับอาณาจักรสัตว์ เราไม่มีทั้งพจนานุกรมมนุษย์-วาฬหรือหนังสือที่มีกฎทางไวยากรณ์ของภาษาวาฬสเปิร์ม
แต่มีวิธีแก้ไข เห็นได้ชัดว่า เด็กๆ เรียนรู้ภาษาแม่ของตนเองโดยไม่ต้องใช้เครื่องมือเหล่านี้ เพียงแค่สังเกตภาษาที่พูดรอบตัวพวกเขา นักวิจัยได้ข้อสรุปว่าการเรียนรู้ประเภทนี้โดยพื้นฐานแล้วเป็นการเรียนรู้ทางสถิติ เด็กจำได้ว่าคำว่าสุนัขมักถูกพูดออกมาเมื่อสัตว์มีขนยาวเข้ามาในห้อง คำศัพท์บางคำมักใช้เชื่อมโยงกับคำอื่นๆ ลำดับของคำที่เฉพาะเจาะจง มีโอกาสมากกว่าอย่างอื่น ในช่วง 10 ปีที่ผ่านมา วิธีการเรียนรู้ของเครื่องได้เลียนแบบการเรียนรู้ประเภทนี้ นักวิจัยป้อนโครงข่ายประสาทเทียมขนาดใหญ่ด้วยข้อมูลภาษาจำนวนมหาศาล และเครือข่ายเหล่านั้นสามารถค้นหาโครงสร้างในภาษาต่างๆ จากการสังเกตทางสถิติ โดยไม่ต้องบอกอะไรเกี่ยวกับเนื้อหา
ตัวอย่างหนึ่งคือโมเดลภาษาที่เรียกว่า ซึ่งเป็นที่รู้จักกันดีคือ GPT-3 ซึ่งพัฒนาโดยบริษัท OpenAI โมเดลภาษาเป็นเครื่องเติมเต็ม ตัวอย่างเช่น GPT-3 กำหนดให้ขึ้นต้นประโยคและเติมคำต่อคำในลักษณะเดียวกับคำแนะนำที่สมาร์ทโฟนทำเมื่อเราพิมพ์ข้อความ ซึ่งซับซ้อนกว่ามาก ด้วยการประมวลผลข้อความจำนวนมากทางสถิติที่ดึงมาจากอินเทอร์เน็ต โมเดลภาษาไม่เพียงแต่รู้ว่าคำใดปรากฏพร้อมกันบ่อยเท่านั้น แต่ยังเรียนรู้กฎของการแต่งประโยคด้วย พวกเขาสร้างประโยคที่มีเสียงถูกต้อง และมักจะเป็นประโยคที่มีคุณภาพดีเยี่ยม พวกเขาสามารถเขียนบทความข่าวปลอมในหัวข้อที่กำหนด สรุปข้อความทางกฎหมายที่ซับซ้อนด้วยคำศัพท์ง่ายๆ และแม้แต่แปลระหว่างสองภาษา
ความสำเร็จเหล่านี้มาพร้อมกับราคา: ต้องการข้อมูลจำนวนมาก โปรแกรมเมอร์ฝึกโครงข่ายประสาทเทียมของ GPT-3 ด้วยคำศัพท์ประมาณ 175 พันล้านคำ จากการเปรียบเทียบ โครงการ Dominica Sperm Whale ของ Gero ได้รวบรวม codas ของวาฬสเปิร์มน้อยกว่า 100,000 ตัว งานแรกของโครงการวิจัยใหม่คือการขยายการรวบรวมนั้นอย่างมากมายโดยมีเป้าหมายในการรวบรวมคำศัพท์สี่พันล้านคำ แม้ว่าจะยังไม่มีใครรู้ว่า “คำ” ในภาษาวาฬสเปิร์มคืออะไร
