اگر ما از یک تمدن بیگانه پیام دریافت کنیم، آیا هوش مصنوعی می‌تواند بهتر از ما با آن ارتباط برقرار کند؟
به گزارش دیجیاتو،اگر جستجو برای هوش فرازمینی موفقیت‌آمیز باشد، ممکن است به کمک هوش مصنوعی نیاز داشته باشیم تا بفهمیم بیگانگان چه می‌گویند.
در فرهنگ عامه، ما عادت کرده‌ایم که بیگانگان انگلیسی صحبت کنند یا کلام آن‌ها با کمک یک مترجم جادویی، فوراً قابل درک باشد. اما در زندگی واقعی ممکن است همه‌چیز آنقدر آسان نباشد.
دو مشکل احتمالی وجود دارد. اول اینکه هر موجود بیگانه‌ای که با آن روبه‌رو می‌شویم به زبان انسانی صحبت نمی‌کند. دوم آنکه فقدان دانش در مورد فرهنگ یا جامعه‌شناسی بیگانگان باعث می‌شود حتی اگر بتوانیم صحبت‌هایشان را ترجمه کنیم، متوجه نشویم که چه ارتباطی با فرهنگ آن‌ها دارد.
«ایمون کرینز»، اخترفیزیکدان مرکز جودرل بانک، فکر می‌کند که خود بیگانگان ممکن است این محدودیت‌ها را تشخیص دهند و تصمیم بگیرند تا با ساده‌ترین پیام، کار را برای ما آسان‌تر کنند.
کرینز در مصاحبه‌ای گفته است:
«می‌توان امیدوار بود بیگانگانی که می‌خواهند ارتباط برقرار کنند، تلاش داشته باشند که سیگنال خود را تا حد امکان قابل درک جهانی کنند. این ارتباط می‌تواند به‌اندازه یک دنباله ریاضی اساسی باشد؛ شاید آن‌ها در وهله اول امیدوارند این پیام را ارسال کنند که ما اینجا هستیم و شما تنها نیستید.»
درواقع امکان دریافت اطلاعات ریاضی قابل تشخیص، مانند عدد پی یا انبوهی از اعداد اول به‌ترتیب، برای چندین دهه در جستجو برای هوش فرازمینی درنظر گرفته شده است. اما این تنها پیامی نیست که ممکن است دریافت کنیم. سیگنال‌های دیگر احتمالاً در طراحی خود پیچیده‌تر باشند و سعی کنند مفاهیم پیچیده‌تری را منتقل کنند و اینجاست که به مشکل شماره سه برخوردیم: آن زبان بیگانه می‌تواند قدری پیچیده‌تر از ارتباطات انسانی باشد.
اینجاست که ما به کمک هوش مصنوعی نیاز داریم؛ اما برای درک چگونگی، ابتدا باید به جزئیات پشت ساختار زبان بپردازیم.
وقتی از پیچیدگی یک سیگنال صحبت می‌کنیم، منظورمان این نیست که بیگانگان لزوماً در مورد مسائل پیچیده صحبت می‌کنند، بلکه به پیچیدگی زیربنای ساختار پیام آن‌ها و زبانشان اشاره داریم.
زبان‌شناسان این نظریه را «نظریه اطلاعات» می‌نامند که توسط رمزنگار و ریاضی‌دان «کلود شانون» ایجاد شد و سپس توسط «جرج زیپف»، زبان‌شناس دانشگاه هاروارد، گسترش یافت.
تئوری اطلاعات راهی برای جداکردن محتوای اطلاعاتی در هر ارتباط معین است. شانون متوجه شد که هر نوع انتقال اطلاعات – چه زبان انسان باشد، چه بازدم شیمیایی گیاهان برای جذب شکارچیان یا انتقال داده‌ها از طریق کابل فیبر نوری – را می‌توان به واحد‌ها یا تکه‌های مجزا تقسیم کرد؛ مانند حروف الفبا یا مجموعه سوت‌های دلفین.
در زبان، این قطعات نمی‌توانند به هر ترتیبی پیش بروند، بلکه قوانین گرامری نحوه ترتیب قطعات را دیکته می‌کند. به عنوان مثال در زبان انگلیسی، «q» در ابتدای کلمه همیشه با «u» دنبال می‌شود و سپس «u» می‌تواند با تعداد محدودی حروف دنبال شود.
حال فرض کنید یک شکاف در کلمه «qu– –k» وجود دارد. ما از این نحوه قرارگیری می‌دانیم که فقط چند ترکیب از حروف وجود دارد که می‌توانند شکاف را پر کنند: (quack، quark، quick و quirk). اما اگر کلمه بخشی ازجمله The duck went qu––k باشد، می‌دانیم که حروف گمشده «ac» هستند.
با دانستن قواعد، می‌توانیم جا‌های خالی را پر کنیم. مقدار گم‌شده‌ای که هنوز به ما امکان می‌دهد کلمات جمله را کامل کنیم، «آنتروپی شانون» نامیده می‌شود. به‌لطف پیچیدگی آن، زبان‌های انسانی بالاترین آنتروپی شانون را در بین هرگونه ارتباط طبیعی شناخته‌شده در این سیاره دارند.
زیپف توانست اصول اولیه نظریه اطلاعات شانون را کمّی‌سازی کند. توسط این امر، الگوریتم‌های یادگیری ماشینی که با دقت تمام داده‌های جمع‌آوری‌شده توسط تلسکوپ‌های رادیویی را غربال می‌کنند، می‌توانند هر سیگنال را تجزیه‌وتحلیل کنند تا تعیین کنند که آیا به قانون زیپف پایبند است یا خیر.
ارتباطات بیگانگان می‌تواند آنتروپی شانون بالاتری نسبت به زبان انسان داشته باشد، در این صورت ممکن است درک زبان آن‌ها برای انسان دشوار باشد. اما شاید نه برای هوش مصنوعی! درحال‌حاضر هوش مصنوعی برای درک ارتباط از یک گونه غیرانسانی آزمایش می‌شود.
«دنیس هرزینگ» که مدیر تحقیقات پروژه دلفین در فلوریدا است، یکی از برجسته‌ترین متخصصان جهان در تلاش برای درک آنچه دلفین‌ها به یکدیگر می‌گویند، محسوب می‌شود. هرزینگ چهار دهه است که با دلفین‌ها شنا و ارتباطات آن‌ها را مطالعه می‌کند و اکنون هوش مصنوعی را وارد این ترکیب کرده است.
هرزینگ می‌گوید:
«ما دو راه برای بررسی ارتباط دلفین‌ها داریم و در هر دوی آن‌ها از هوش مصنوعی استفاده می‌شود.»
یکی از راه‌ها گوش‌دادن به سوت‌ها و پارس‌های مختلفی است که ارتباط دلفین‌ها را تشکیل می‌دهد. به‌طور خاص، الگوریتم یادگیری ماشینی قادر است قطعه‌ای از صدا‌های ارتباطی دلفین را بگیرد و آن ارتباط را به واحد‌های گسسته در یک طیف‌گرام تقسیم کرده و هر واحد منحصربه‌فرد را با یک حرف برچسب‌گذاری کند.
این محتوای اطلاعاتی شبیه به کلمات یا حروف می‌شود و هرزینگ به روش‌های مختلف به ترکیب یا درجه نظم و ساختار آن‌ها نگاه می‌کند. هرزینگ می‌گوید:
«درحال‌حاضر ما ۲۴ واحد کوچک صدا را شناسایی کرده‌ایم که در یک طیف‌گرام ترکیب می‌شوند. الگوریتم یادگیری ماشینی قادر است صدا‌های ضبط‌شده را عمیقاً تجزیه‌وتحلیل کند و مواردی را جستجو کند که در آن کدی نمادین تکرار می‌شود.»
تیم هرزینگ به‌دنبال دوگرام‌ها (Bigram) بوده‌اند؛ مواردی که دو واحد اغلب باهم اتفاق می‌افتند که ممکن است به‌معنای یک عبارت خاص باشد. اخیراً آن‌ها همچنین به‌دنبال سه‌گرام‌ها (Trigram) هستند که در آن سه واحد به‌ترتیب به‌طور منظم رخ می‌دهند که بر پیچیدگی بیشتر دلالت دارد.
با وجود تمام این موارد، ما هنوز نمی‌دانیم پیام‌ها چه چیزی به ما می‌گویند که یکی از چالش‌های درک ارتباط دلفین‌هاست.
هرزینگ برای حل این مشکل، ویدیویی از دلفین‌ها دارد. او بررسی می‌کند تا ببیند هر زمان که هوش مصنوعی صداگذاری مکرر یا کد نمادین را تشخیص می‌دهد، دلفین‌ها چه می‌کنند تا بتواند متن صدا‌ها را استنتاج کند.
اما اگر با سیگنال‌های رادیویی سروکار دارید، چگونه می‌خواهید بفهمید که متن پیام چیست؟
هنگامی که سیگنالی از بیگانگان دریافت کردیم، ممکن است بخواهیم چیزی هم به آن‌ها بگوییم. ما می‌توانیم اصوات را تکرار کنیم، اما معنا را نه؛ بنابراین پاسخی که می‌دهیم بیهوده خواهد بود.
راه دوم برقراری ارتباط با دلفین‌ها شبیه به تله‌متری است که در آن می‌توانیم با صدا‌های از پیش برنامه‌ریزی‌شده، برای اسباب‌بازی‌های خاصی که دلفین‌ها می‌خواهند با آن‌ها بازی کنند، موافقت کنیم.
وظیفه هوش مصنوعی این است که سوت مورد توافق را در میان تمام صدا‌های دلفین تشخیص دهد. هرزینگ مشاهده کرده است که دلفین‌ها از سوت‌های مورد توافق استفاده کرده‌اند، اما عمدتاً در زمینه‌های متفاوت. مشکل این نوع ارتباط این است که هرزینگ زمان کافی را با دلفین‌های خاص صرف می‌کند تا به آن‌ها اجازه دهد صدا‌های مورد توافق را به‌طور کامل یاد بگیرند.
در مورد بیگانگان، پیام آن‌ها سال‌های نوری زیادی را طی کرده است تا به ما برسد. هرگونه ارتباط دوطرفه می‌تواند دهه‌ها، قرن‌ها و هزاره‌ها طول بکشد.
اگر آن‌ها چیزی ریاضی را فقط به‌عنوان یک سیگنال برای اعلام حضور ارسال کنند، دیگر نگران رمزگشایی آن نخواهیم بود. بااین‌حال، اگر پیامی ارسال کنند که پیچیده‌تر باشد، اندازه مجموعه داده‌ها بسیار مهم است؛ بنابراین بیایید امیدوار باشیم که بیگانگان پیام خود را با اطلاعات بسته‌بندی کنند تا به ما و هوش مصنوعی بهترین شانس را برای حداقل ارزیابی دهند.
