Yapay zeka hayvanlarla konuşmamıza gerçekten yardımcı olabilir mi?
Kaliforniya merkezli bir kuruluş, tüm hayvanlar alemindeki iletişimi çözmek için makine öğreniminin gücünden yararlanmak istiyor. Ancak projenin şüphecileri var
Bir yunus terbiyecisi elleriyle “birlikte” işareti yapar ve ardından “yarat” der. İki eğitimli yunus su altında kayboluyor, sesler çıkarıyor ve sonra ortaya çıkıyor, sırt üstü dönüyor ve kuyruklarını kaldırıyorlar. Kendilerine ait yeni bir numara geliştirmişler ve tam da istendiği gibi bunu birlikte gerçekleştirmişlerdir. Aza Raskin, “Bu bir dil olduğunu kanıtlamaz,” diyor. “Ama zengin, sembolik bir iletişim yöntemine erişimleri olsaydı, bunun bu görevi çok daha kolay hale getireceği kesinlikle çok mantıklı.”
Raskin, Kaliforniya’da faaliyet gösteren ve kâr amacı gütmeyen Earth Species Project’in (ESP) kurucu ortağı ve başkanıdır ve cesur bir hedefe sahiptir: makine öğrenimi adı verilen bir tür yapay zekâ (AI) kullanarak insan dışı iletişimi çözmek ve tüm bilgi birikimini kamuya açık hale getirmek, böylece diğer canlı türleriyle olan bağımızı derinleştirmek ve onları korumaya yardımcı olmak. 1970 tarihli bir balina şarkısı albümü, ticari balina avcılığının yasaklanmasına yol açan hareketi harekete geçirdi. Hayvanlar alemi için bir Google Translate ne ortaya çıkarabilir?
LinkedIn’in kurucu ortağı Reid Hoffman gibi büyük bağışçıların desteğiyle 2017 yılında kurulan kuruluş, ilk bilimsel makalesini geçtiğimiz Aralık ayında yayınladı. Amaç, yaşam süremiz içinde iletişimin kilidini açmak. Raskin, “Üzerinde çalıştığımız amaç, hayvan iletişimini çözebilir miyiz, insan olmayan dili keşfedebilir miyiz?” diyor. “Yol boyunca ve aynı derecede önemli olan, biyologları ve koruma çalışmalarını destekleyen bir teknoloji geliştiriyor olmamız.”
Hayvan seslerini anlamak uzun zamandır insanların ilgisini çeken ve üzerinde çalışılan bir konu olmuştur. Çeşitli primatlar avcıya göre farklılık gösteren alarm sesleri çıkarır; yunuslar birbirlerine özel ıslıklarla hitap eder; ve bazı ötücü kuşlar çağrılarının unsurlarını alıp farklı mesajlar iletmek için yeniden düzenleyebilir. Ancak çoğu uzman, hiçbir hayvan iletişimi tüm kriterleri karşılamadığı için bunu bir dil olarak adlandırmaktan kaçınmaktadır.
Yakın zamana kadar, kod çözme çoğunlukla özenli gözlemlere dayanıyordu. Ancak, modern hayvan kaynaklı sensörler tarafından toplanabilen büyük miktarda veriyle başa çıkmak için makine öğrenimini uygulamaya yönelik ilgi artmıştır. Kopenhag Üniversitesi’nde memeliler ve kuşlarda sesli iletişim üzerine çalışan doçent Elodie Briefer, “İnsanlar bunu kullanmaya başlıyor” diyor. “Ancak ne kadarını yapabileceğimizi henüz tam olarak anlamış değiliz.”
Briefer, domuz homurtularını analiz ederek hayvanın olumlu ya da olumsuz bir duygu yaşayıp yaşamadığını belirleyen bir algoritma geliştirdi. DeepSqueak adı verilen bir başka algoritma ise kemirgenlerin ultrasonik çağrılarına dayanarak stresli bir durumda olup olmadıklarına karar veriyor. Bir başka girişim olan Project CETI (açılımı Cetacean Translation Initiative), ispermeçet balinalarının iletişimini tercüme etmek için makine öğrenimini kullanmayı planlıyor.
Ancak ESP, yaklaşımının farklı olduğunu, çünkü tek bir türün değil, tüm türlerin iletişimini çözmeye odaklandığını söylüyor. Raskin, primatlar, balinalar ve yunuslar gibi sosyal hayvanlar arasında zengin, sembolik iletişim olasılığının daha yüksek olacağını kabul ederken, amaç tüm hayvanlar alemine uygulanabilecek araçlar geliştirmek. Raskin, “Biz türlerden bağımsızız” diyor. “Geliştirdiğimiz araçlar… solucanlardan balinalara kadar tüm biyolojide işe yarayabilir.”
Bu süreç, kelimeleri fiziksel bir uzayda temsil etmek için bir algoritma geliştirilmesiyle başlar. Bu çok boyutlu geometrik gösterimde, noktalar (kelimeler) arasındaki mesafe ve yön, birbirleriyle anlamlı bir şekilde nasıl ilişkili olduklarını (anlamsal ilişkilerini) açıklar. Örneğin, “kral” kelimesinin “erkek” kelimesiyle olan ilişkisi, “kadın” kelimesinin “kraliçe” kelimesiyle olan ilişkisi ile aynı mesafe ve yöne sahiptir. (Eşleme, kelimelerin ne anlama geldiğini bilerek değil, örneğin birbirlerinin yakınında ne sıklıkta geçtiklerine bakılarak yapılır).
Daha sonra bu “şekillerin” farklı diller için benzer olduğu fark edildi. Ve 2017’de, birbirinden bağımsız çalışan iki grup araştırmacı, şekilleri hizalayarak çeviri yapmayı mümkün kılan bir teknik buldu. İngilizce’den Urduca’ya geçmek için, şekilleri hizalayın ve Urduca’da kelimenin İngilizce’deki noktasına en yakın noktayı bulun. Raskin, “Çoğu kelimeyi makul ölçüde iyi çevirebilirsiniz” diyor.
ESP’nin amacı, hayvan iletişiminin bu tür temsillerini yaratmak – hem tek tek türler hem de birçok tür üzerinde aynı anda çalışmak – ve ardından evrensel insan şekliyle örtüşüp örtüşmediği gibi soruları araştırmak. Raskin, hayvanların dünyayı nasıl deneyimlediklerini bilmiyoruz, ancak keder ve neşe gibi bazı duyguların bizimle paylaşıldığı ve kendi türlerindeki diğer hayvanlarla iletişim kurabilecekleri görülüyor diyor. “Hangisinin daha inanılmaz olacağını bilmiyorum – şekillerin örtüştüğü ve doğrudan iletişim kurabildiğimiz veya tercüme edebildiğimiz kısımlar mı, yoksa edemediğimiz kısımlar mı?”
Hayvanların sadece sesli iletişim kurmadığını da ekliyor. Örneğin arılar bir çiçeğin yerini “sallanma dansı” yoluyla diğerlerine bildiriyor. Farklı iletişim biçimleri arasında da çeviri yapılması gerekecek.
Raskin, hedefin “aya gitmek gibi” olduğunu kabul ediyor, ancak fikir aynı zamanda oraya bir kerede ulaşmak değil. ESP’nin yol haritası daha ziyade, büyük resmin gerçekleşmesi için gerekli olan bir dizi küçük sorunun çözülmesini içeriyor. Bu sayede, üzerinde çalışılan türlerin sırlarını çözmek için yapay zekayı uygulamaya çalışan araştırmacılara yardımcı olabilecek genel araçlar geliştirilebilecek.
Örneğin, ESP kısa bir süre önce hayvan iletişiminde “kokteyl partisi problemi” olarak adlandırılan ve gürültülü bir sosyal ortamda aynı hayvanlardan oluşan bir grupta hangi bireyin ses çıkardığını ayırt etmenin zor olduğu bir makale yayınladı (ve kodunu paylaştı).
Raskin, “Bildiğimiz kadarıyla daha önce hiç kimse [hayvan sesinin] bu şekilde uçtan uca ayrıştırılmasını yapmamıştı” diyor. ESP tarafından geliştirilen ve yunus imza ıslıkları, makak koho çağrıları ve yarasa sesleri üzerinde denenen yapay zeka tabanlı model, çağrılar modelin üzerinde eğitildiği bireylerden geldiğinde en iyi sonucu verdi; ancak daha büyük veri kümeleriyle, eğitim kohortunda olmayan hayvanlardan gelen çağrıların karışımlarını çözebildi.
