2020 წლის მაისში პრატიუშა შარმა გულმოდგინედ აანალიზებდა მონაცემებს და მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) კვლევით ჯგუფთან შესახვედრად ემზადებოდა. იმედი ჰქონდა, რომ რამე კანონზომიერებას იპოვიდა. ეს არ იყო მონაცემთა უბრალო ნაკრები – მათი გაშიფვრა მეტად რთულ საქმეს წარმოადგენდა. ის მოიცავდა ათი წლის განმავლობაში ჩაწერილ კაშალოტების მიერ გამოცემულ წკაპუნა ხმებს, რომლებსაც ეს ვეშაპები კომუნიკაციისთვის იყენებენ.

შარმა პროექტ „ვეშაპისნაირთა თარგმნის ინიციატივის“ (CETI) ჯგუფის წევრია. მათი თქმით, პროექტის მიზანია გაიგონ, „რას ამბობენ ვეშაპები“. მათ სურთ თარგმნონ ვეშაპების საკომუნიკაციო ენა, რისთვისაც ხელოვნური ინტელექტის პრიმიტიული პროგრამა დაიხმარეს აკუსტიკურ მინიშნებათა ახლებურად დასახარისხებლად.

პროექტის ჯგუფი იმედოვნებს, რომ თუ ადამიანები გააცნობიერებენ, რა ხდება ვეშაპების გონებაში – და საბოლოო ჯამში, სხვა ცხოველების გონებაშიც – შეიძლება გაძლიერდეს ძალისხმევა მათი კონსერვაციისთვის. მათ იმედს კარგი საფუძველი აქვს. 1960-იან წლებში, როდესაც მკვლევრებმა აღმოაჩინეს, რომ კუზა ვეშაპები ერთმანეთს უმღერიან, წამოიწყეს კამპანია „გადავარჩინოთ ვეშაპები“ და მიიღეს „ზღვის ძუძუმწოვრების დაცვის აქტი“.

პროექტი CETI შვიდი წლის წინ, ჰარვარდის უნივერსიტეტის რედკლიფის ინსტიტუტში დაიწყო. საზღვაო ბიოლოგი და National Geographic-ის მკვლევარი დევიდ გრუბერი თავის ოფისში კაშალოტების ხმების ჩანაწერებს უსმენდა. ინფორმატიკოსმა შაფი გოლდვასერმა იქ შემთხვევით გაიარა, უცნაური წკაპუნა ხმები მოესმა, გრუბერის ოფისში შევიდა და ჰკითხა, რა იყო ეს. პასუხი რომ მიიღო, იდეა დაებადა: გოლდვასერის რამდენიმე კოლეგა უკვე იყენებდა მანქანურ სწავლას სხვადასხვა ენაზე თარგმანის გასაუმჯობესებლად. რატომ არ შეიძლება მსგავსი მიდგომის გამოყენება ვეშაპებთან? 

„ეს წკაპუნი ბინარულ კოდს ჰგავს, საბაზისო კომპიუტერულ ენას“, – ამბობს გრუბერი. „კუზა ვეშაპის სპექტრულად კომპლექსური 20-წუთიანი სიმღერის გაანალიზება მეტად რთულია, მაგრამ წკაპუნი ძალიან მოსახერხებელია“. ხელოვნურმა ინტელექტმა იოლად უნდა აღიქვას და, იმედია, გააანალიზებს კიდეც.

გრუბერი დაუკავშირდა შეინ გეროს, National Geographic-ის კიდევ ერთ მკვლევარს, რომელიც 13 წელი შეისწავლიდა კაშალოტებს კარიბის ზღვის კუნძულოვან სახელმწიფო დომინიკაში. „მას ვეშაპის ხმების ყველაზე ვრცელი მონაცემთა ბაზა ჰქონდა“, – ამბობს გრუბერი. მათ საპილოტე კვლევა ჩაატარეს, რათა ენახათ, შეძლებდნენ თუ არა მანქანური სწავლის ისეთი პროგრამის შემუშავებას, რომელიც მოახერხებდა კაშალოტების კომუნიკაციაში ნაცნობი თანმიმდევრობების დაჭერას, ისევე როგორც ადამიანთა ლაპარაკისას ამოიცნობა სახასიათო ნიშნები. შედეგად მიიღეს დამუშავების ახალი მოდელი, რომელიც წინასწარ განსაზღვრავდა ზოგიერთი ვეშაპის მომდევნო საკომუნიკაციო სიგნალს. „ის 99%-იანი სიზუსტით პროგნოზირებდა მომდევნო სიგნალს“, – ამბობს გრუბერი. 

შემდეგ ეს მოდელი გერომ და მისმა გუნდმა დომინიკაში ჩატარებულ კვლევაში გამოიყენეს, რომლის დროსაც მეცნიერები ვეშაპებს ნიშნავდნენ და მათ ხმებსა და მოძრაობებს იწერდნენ. ზედაპირზე ამოსვლისას, ვეშაპების ჯგუფის ქცევას დრონები აკონტროლებდა. შემდეგ მონაცემებს აანალიზებდნენ და ცდილობდნენ ვეშაპების მიერ გამოცემული წკაპუნა ბგერების სხვადასხვაგვარი ნაკრების (ე.წ. „კოდა“) მათ კონკრეტულ ქცევასთან დაკავშირებას, რაც დაამტკიცებდა, რომ ვეშაპები აქტიურად უსმენენ ერთმანეთს და რეაგირებენ მოქმედებით.

2020 წლისთვის გრუბერის პირველი ჯგუფი თითქმის 20 მეცნიერამდე გაფართოვდა, რომლებიც ისეთ ინსტიტუტებს წარმოადგენენ, როგორებიცაა ჰარვარდი, მასაჩუსეტსის ტექნოლოგიური ინსტიტუტი, ოქსფორდი თუ კალიფორნიის უნივერსიტეტი ბერკლიში და სხვადასხვა დარგის სპეციალისტები არიან: მანქანური სწავლის ექსპერტები, საზღვაო ბიოლოგები, ერთი კრიპტოგრაფი და, რაც მთავარია, ერთი ლინგვისტი. ხელოვნური ინტელექტის გამოყენებით, მათ ათასობით საათის ჩანაწერებიდან, ათასობით სხვადასხვა კოდა გამოყვეს და კატეგორიებად დაალაგეს.

როდესაც შარმა პროექტს შეუერთდა, იგი მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის მაგისტრანტი იყო ინფორმატიკისა და ხელოვნური ინტელექტის სპეციალობით. მას დაებადა იდეა. პროექტის დაწყების დღიდან მეცნიერებმა ცალკეული კოდები ერთნაირად გამოსახეს: წყვეტილი ხაზების სერია, რომელიც შეესაბამებოდა ვეშაპის წკაპუნის რაოდენობას წამში. მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის კოლეგების დახმარებით, შარმამ ეს აუდიომონაცემები ახლებურად გამოსახა – ჰორიზონტალურ ღერძზე წყვეტილი ხაზების ნაცვლად, ახლა ის ორკესტრის პარტიტურას უფრო ჰგავდა და რამდენიმე კოდას გამოსახავდა. პარალელურ ხაზებზე დატანილი წერტილების კასკადი გვერდიგვერდ გამოსახული ხმები იყო. 

ამ მიდგომამ შეუმჩნეველი განსხვავებები გამოავლინა თითოეული კოდის რიტმში, სადაც წკაპუნებს შორის ინტერვალი ნელდებოდა ან ჩქარდებოდა. მკვლევრებმა მას „რუბატო“ უწოდეს. ყოფილა შემთხვევებიც, როდესაც ვეშაპები კოდის დასასრულს კიდევ ერთ წკაპუნა ბგერას ამატებდნენ. ამ „გაფორმებას“, მკვლევრების აზრით, რაღაც მნიშვნელობა უნდა ჰქონოდა.

რიტმის, ტემპის, „გაფორმებისა“ და რუბატოს რთულად შესამჩნევმა ვარიაციებმა შარმას და მის კოლეგებს მოაგონა ფონემები – ბგერის ფრაგმენტები, რომლებსაც ადამიანები სიტყვებად აერთიანებენ. შესაძლოა, რომ ეს კოდები კომპლექსური ენის საფუძველია. ამ ნიუანსთა უმეტესობის გარჩევა დღემდე არ შეეძლოთ.

ამ ტიპის სამუშაო მხოლოდ ვეშაპებით არ შემოიფარგლება. მეცნიერები და მკვლევრები სულ უფრო ხშირად იყენებენ ხელოვნურ ინტელექტს ცხოველების შინაგანი სამყაროს და მათი ჰაბიტატების შესასწავლად – ოკეანეების, ტყეების, კომერციული მეურნეობებისაც კი.

სურეშ ნიტირაჯანი მუშაობს სხვა ტიპის ინოვაციურ კვლევაზე, რომელიც ტექნოლოგიის დახმარებით შეისწავლის ცხოველთა ურთიერთობებს. იგი ინფორმატიკისა და სოფლის მეურნეობის პროფესორია დალჰაუზის უნივერსიტეტში (ახალი შოტლანდია, კანადა). სურეში შეისწავლის, თუ როგორ შეიძლება ფერმერებმა გამოიყენონ რეალურ დროში მიმდინარე მონიტორინგი ცხოველთა ქცევის მნიშვნელობათა გასაგებად.

ნიტირაჯანმა დაახლოებით ათი წლის წინ დაიწყო სასოფლო-სამეურნეო ცხოველების – ქათმების, ძროხების, ცხენების, ცხვრებისა და ღორების შინაგანი სამყაროს შესწავლა. აინტერესებდა, როგორ შეიძლებოდა მათი ცხოვრების ხარისხის გაუმჯობესება ტექნოლოგიების გამოყენებით. ამისათვის, უპირველესად, მონაცემები უნდა შეეგროვებინა. იგი ამოწმებდა ცხოველების სხეულის ტემპერატურას, კორტიზოლის დონეს, ჰორმონებს, სუნთქვის სიხშირეს და გულისცემის რიტმს ბიოსენსორების გამოყენებით. ასევე იკვლევდა სისხლის, განავლის და ბალნის სინჯებს. შემდეგ ამ მონაცემებს უსადაგებდა აუდიო- და ვიდეოჩანაწერებს და გარე ფაქტორებთან კონტექსტში იკვლევდა, მაგალითად, როდესაც ცხოველი საკვებს იღებდა (დადებითი კონტექსტი) ან შემაცბუნებელი ხმაური ესმოდა (უარყოფითი კონტექსტი). მისი მიზანი იყო გაეგო, როგორ გამოიყურება ცხოველი კომფორტულ და არაკომფორტულ სიტუაციაში.

შვიდი წლის წინ ნიტირაჯანმა მონაცემების დამუშავება ხელოვნური ინტელექტის, მათ შორის, სიღრმისეული სწავლის მოდელის გამოყენებით დაიწყო, რომელსაც პირუტყვის სახის ამოცნობა და სიარულის მანერის ანალიზი შეუძლია. შარმასა და მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის გუნდის მსგავსად, ცხოველების ხმოვანი სიგნალების ანალიზისათვის ისიც ბუნებრივი ენის დამუშავების მოდელს იყენებს. მის მოდელს ზუსტად შეუძლია დაადგინოს კონკრეტული კრიახი, რომელსაც ქათამი ოთახიდან გასვლამდე გამოსცემს. ნიტირაჯანი განმარტავს, რომ დღეს შეუძლია ხელოვნურ ინტელექტს მიაწოდოს საქათმის ვიდეოკადრები, რომელშიც 5000 ქათამი იმყოფება და ის რამდენიმე წუთში შეძლებს ხუთი ფრინველის იდენტიფიცირებას, რომლებიც, სავარაუდოდ, ავად არიან.

ნიტირაჯანის შრომა ამტკიცებს, თუ რატომ არის მნიშვნელოვანი ცხოველთა კეთილდღეობა მეცხოველეობის ინდუსტრიისთვისაც კი, რომელიც ყოველთვის არ ანიჭებს პრიორიტეტს ცოცხალი პროდუქტის კეთილდღეობას. დაავადების ადრეული გამოვლენა როგორც ცხოველების ტანჯვის, ასევე ფინანსური ზარალის პრევენციაა. ამასთან, კვლევა აჩვენებს, რომ ბედნიერი ცხოველი უფრო პროდუქტიულია. დადებით გარემოში მობინადრე ძროხები მეტ და უკეთეს რძეს გვაძლევენ.

„ჩვენ მცენარეთა სამეფოსთან, ცხოველთა სამყაროსთან და სხვა ადამიანებთან ერთად ვარსებობთ და დედამიწის მოსახლეობის რაოდენობა უსწრაფესად იზრდება… როგორ შევძლოთ მშვიდობიანი თანაცხოვრება? როგორ შევქმნათ ჰარმონია?“ მკვლევართა ამ ახალი ჯგუფისთვის, რომელიც ხელოვნურ ინტელექტს იყენებს, ეს კითხვები უბრალოდ ეგზისტენციალური აღარ არის. ამას კი უფრო დიდი ექსპერიმენტი მოჰყვა.

იორგ მიულერი ხელმძღვანელობს კონსერვაციულ საქმიანობს ბავარიის ტყის ეროვნულ პარკში – გერმანიის უძველეს ეროვნულ პარკში და ტყის ეკოლოგიის ლექციებს კითხულობს ვიურცბურგის უნივერსიტეტში, მაგრამ მისმა კვლევამ ნახევარი მსოფლიო მოატარა და სამხრეთ ამერიკაში ჩაიყვანა, სადაც იგი ხელოვნური ინტელექტით გაძლიერებულ, ახალი ტიპის „სტეთოსკოპს“ ქმნის იმ ტროპიკული ეკოსისტემების მონიტორინგისთვის, რომლებიც სასოფლო-სამეურნეო საქმიანობისთვის გაკაფეს. ტყის ჩარდახის აღდგენაზე დაკვირვება შედარებით ადვილია თანამგზავრებითა და დისტანციური ზონდირებით. გაცილებით რთულია გავიგოთ, თუ რა დრო დასჭირდება მკვიდრი ბიომრავალფეროვნების აღდგენას ტყის ჩარდახის ქვეშ. მიულერი ეკვადორში სტატისტიკოსებთან, ენტომოლოგებთან, ორნითოლოგებთან და ადგილობრივ თემებთან ერთად მუშაობს და ცდილობს გაიგოს, რა ინდიკატორები შეიძლება იყოს აღდგენის ღონისძიებათა წარმატების მაჩვენებელი.

2021 წელს მიულერი დაუკავშირდა ზუზანა ბურჟივალოვას, უისკონსინის უნივერსიტეტის (მედისონი) ასისტენტ-პროფესორს, რომელსაც იგი უწოდებს „ახალგაზრდა ამომავალ ვარსკვლავს ბგერების ეკოლოგიის სფეროში“. მან და მისმა კოლეგებმა შეიმუშავეს ბიოაკუსტიკური მეთოდი, რომელიც გამოცემული ხმების მიხედვით ადგენს, რამდენი სახეობის წარმომადგენელი ბინადრობს ტყეში.

მიულერმა და მისმა გუნდმა ბურჟივალოვას მიდგომა გამოიყენეს. მათ ეკვადორში, ჩოკოს ტყის დაახლოებით 190 კვ. კმ-ის ტერიტორიაზე, ათობით ადგილას, ჩამწერი მოწყობილობები განათავსეს. მონაცემებს – ტყის ხმების თითქმის 2000-საათიან ჩანაწერს – ორი კვირის განმავლობაში აგროვებდნენ.

ფრინველები ტროპიკული ეკოსისტემის სიჯანსაღის ერთ-ერთი საუკეთესო ინდიკატორები არიან. როგორც მიულერი ამბობს, თუ ფრინველთა პოპულაციები აღდგება, კვებითი ჯაჭვის ზედა და ქვედა საფეხურებზე მყოფი სახეობებიც აღდგებიან, მწერებიდან იაგუარებამდე. ამიტომ, აუდიოჩანაწერებში ფრინველთა ხმების ამოსაცნობად, მიულერმა ფრინველების სპეციალისტები მიიწვია, რომლებმაც 300-ზე მეტი სახეობა დააფიქსირეს. შემდეგ აუდიოჩანაწერი ხელოვნურ ინტელექტს მიაწოდა გასაშიფრად. ეს პროგრამა ტყის ფრინველების 75 სახეობის ხმის ამოცნობაზე იყო გაწვრთნილი და მიწოდებულ ტყის ხმებში ყველა მათგანი ამოიცნო; ასევე შეეძლო ფრინველთა რიცხოვნობის უხეში შეფასება. შედეგებმა აჩვენა, რომ სრულად გაწვრთნილი ხელოვნური ინტელექტი ისევე ეფექტურია, როგორც საქმის მცოდნე ადამიანი, ამასთან – ბევრად უფრო სწრაფია და შეუძლია მეცნიერებს ტყის აღდგენის მონიტორინგში დაეხმაროს. ექსპერტებისა და ხელოვნური ინტელექტის მონაცემებზე დაყრდნობით, მიულერი ვარაუდობს, რომ ტროპიკული ტყის სასოფლო-სამეურნეო საქმიანობისთვის გაჩეხილ მიწებზე მკვიდრი ბიომრავალფეროვნების აღდგენისთვის დაახლოებით 55 წელია საჭირო.

პროექტი CETI სხვა ეტაპზეა. მკვლევრები ჯერ კიდევ ინფორმაციის შეგროვების ფაზაში არიან. მეცნიერებმა იციან, როგორ გამოიყურებიან და როგორ ხმებს გამოსცემენ ვეშაპები ურთიერთობისას, მაგრამ არ იციან მათი მნიშვნელობები. „ჩვენ პატარა ვეშაპებს ვგავართ, რომლებიც სწავლას იწყებენ“, – ამბობს გრუბერი.

მიუხედავად იმისა, რომ შეიძლება გარკვეული პარალელები გავავლოთ ადამიანის ენასთან, ეს არ ნიშნავს, რომ ვეშაპის მეტყველების სტრუქტურა ჩვენსას ჰგავს – ჩვენი ეკოლოგიური და ევოლუციური საჭიროებები სრულიად განსხვავებულია. ჯეიკობ ანდრეასი,  ბუნებრივი ენის დამუშავების ექსპერტი მასაჩუსეტსის ტექნოლოგიური ინსტიტუტიდან, განმარტავს, რომ ვეშაპები, შესაძლოა, უბრალოდ რაღაც ასეთს ამბობენ: „შეგიძლია ოდნავ მარცხნივ გაიწიო?“ მისი კოლეგები აკვირდებოდნენ ვეშაპების ჯგუფის ნავიგაციას დომინიკის სანაპიროზე, როდესაც ყველანი მოულოდნელად შებრუნდებოდნენ და ღია ზღვაში გადიოდნენ, მაშინაც კი, როცა ერთმანეთს ვერ ხედავდნენ.

შარმა იმედოვნებს, რომ ერთ დღეს გავიგებთ, როგორ გადაეცემა ენის ცოდნა დედისგან ნაშიერს. ადამიანების მსგავსად, არც ვეშაპებმა იციან თავიანთი ენა დაბადებიდან, არამედ სოციალური ურთიერთობისას სწავლობენ. ანდრეასს აინტერესებს, მიმართავენ თუ არა ვეშაპები ერთმანეთს სახელების ანალოგიური ძახილებით, როგორც ამას სპილოები და დელფინები აკეთებენ და რამდენად შეუძლიათ საუბარში მოიხსენიონ ვეშაპი, რომელიც არ არის მათთან ერთად.

ჯერ კიდევ ბევრი რამ არის გასაკეთებელი და შესასწავლი.

გრუბერს დიდი იმედი აქვს, რომ კაშალოტების ცხოვრებაში ღრმად ჩახედვა მათი სიცოცხლის ხარისხს გააუმჯობესებს. თუმცა, ამავე დროს, მას კარგად ახსოვს, როგორ თქვა ჰარვარდში ვიღაცამ: თუ კაშალოტების მეტყველების თარგმნას მოვახერხებთ, მაშინ უცხოპლანეტელებთან კომუნიკაციასაც შევძლებთ. ეს არ არის ახალი იდეა – ძველ ფილმშიც, „ვარსკვლავური გზა“, გვხვდება.

განსხვავება ისაა, რომ მკვლევრები ახლა რეალურად მიიწევენ წინ. თუ ხელოვნური ინტელექტი ბუნებრივი სამყაროს იმ ნაწილებზე წვდომაში დაგვეხმარება, რომლებიც ჯერ კიდევ გაუგებარია ჩვენთვის, ვინ იცის, ერთ დღეს კიდევ რა სამყაროთა კარიბჭეები შეიძლება გაიხსნას ჩვენ წინ.