التواصل بين الأنواع: الذكاء الاصطناعي ووهم مترجم الحيوانات

التكنولوجيا تُحدث ثورة في علم السلوك الحيواني: فنماذج الذكاء الاصطناعي قادرة اليوم على تصنيف آلاف الأصوات الصادرة عن حيتان العنبر والدلافين والغربان، محددةً بُن

يُحدث التعلم الآلي تحولًا جذريًا في علم السلوك الحيواني، مما يتيح الانتقال من الاستماع اليدوي البطيء إلى التحليل على نطاق صناعي للبيانات الصوتية. ويتمكن الذكاء الاصطناعي اليوم من اكتشاف وفصل وتصنيف آلاف الأصوات الحيوانية، كاشفًا عن بنى تواصلية غير مرئية للأذن البشرية. ومع ذلك، فإن فك شيفرة نمط إحصائي لا يعني ترجمة معناه: فالمسافة بين تحديد بنية صوتية وفهم ما يقصده الحيوان فعليًا من تواصل تمثل القلب النقدي لهذه الحدود العلمية الجديدة.

أبجديات محيطية والتعلم غير الخاضع للإشراف

أكثر التقدمات إثارة للاهتمام تأتي من المحيطات. فقد طوّر مشروع CETI مؤخرًا كاشفًا تلقائيًا لـالكودات (النقرات المميزة) لحيتان العنبر، مما افتتح مسارًا بحثيًا يستفيد من التعلم غير الخاضع للإشراف ونماذج سلاسل ماركوف وبنى المحوّلات لرسم خريطة تواصل الحيتان. يمثل هذا النهج الانتقال الفعلي من الاستماع البشري إلى إنشاء خطوط معالجة للتعلم الآلي قادرة على معالجة كميات هائلة من الصوتيات.

من خلال تحليل ما يقارب 9,000 كودا جُمعت على مدى أكثر من عقد، اقترح الباحثون في صفحات Nature Communications "أبجدية صوتية" حقيقية لحيتان العنبر، قائمة على الإيقاع والزمن والزخرفة، مع تنويعات شديدة الحساسية للسياق الحواري. ورغم أن هذا هو الدليل الأقوى على أن إشارات الحيتان تمتلك بنية تركيبية، فإن الاكتشاف لا يُثبت على الإطلاق وجود ترجمة كلمة بكلمة قابلة للفك من قبل الإنسان.

البيانات المفتوحة والنهج متعدد الوسائط

لتحويل إشارة إلى معنى، لا يكفي التحليل الصوتي وحده. يتطلب البحث نهجًا متعدد الوسائط: من الضروري تقاطع الأصوات وبيانات مقاييس التسارع والفيديو والملاحظات السلوكية الصارمة لربط الأصوات بالسلوكيات الفعلية.

يقدم الذكاء الاصطناعي بالفعل أدوات استثنائية للتعرف على الأفراد ورصد التجمعات، قبل أن نحلم بحوارات مفترضة بين الأنواع.

• الصفير المميز: تمكنت شبكة عصبية التفافية من تصنيف صفير التوقيع لدى 70 دلفينًا من نوع تورسيوبس بدقة 95.8% على بيانات منسقة و92.6% في ظروف بيئية أكثر واقعية.
• عنق زجاجة البيانات: يُظهر النشر الأخير لمجموعة بيانات OpenWhistle (التي أتاحت حوالي 180,000 صفيرة تعادل 114 ساعة من التسجيلات و8,354 تعليقًا خبيرًا) أن توفر بروتوكولات قابلة للتكرار وبيانات مفتوحة ومعلّقة وقابلة للمقارنة أهم بكثير من تدريب نماذج لغوية بأحجام متزايدة.

على اليابسة، حلّل نموذج Voxaboxen، المستخدم من قبل مشروع أنواع الأرض وجامعة ليون، 188 ساعة من تسجيلات الغربان متمكنًا من اكتشاف وتصنيف أكثر من 127,000 صوت. كشف الذكاء الاصطناعي عالمًا غارقًا من النداءات القريبة ومنخفضة الصوت، صعبة الدراسة للغاية بالطرق التقليدية، مما يُثبت أن التكنولوجيا قادرة على اكتشاف تواصل "غير مرئي" دون أن تدّعي ترجمته.

فك الشيفرة ليس ترجمة: الحدود الأخلاقية

كما أُشير في مقال برنامجي نُشر في Science، فإن إمكانات التعلم الآلي المطبّق على علم السلوك الحيواني هائلة، لكن لا ينبغي تقديمها للجمهور كإنجاز خيال علمي تحقق بالفعل. تقتصر النماذج الحالية على اكتشاف أنماط صوتية، لا معانٍ. ما زلنا بعيدين عن ترجمة فعّالة لأنظمة التواصل الحيواني وعلى مسافات فلكية من إجراء محادثات حقيقية.

يفرض هذا الوعي قيودًا أخلاقية صارمة. يجب أن تخدم التكنولوجيا primarily حماية رفاهية الحيوان، لا إشباع فضول الإنسان أو أرباحه. تتطلب مبادئ عدم الإضرار والمنفعة والاستقلالية حذرًا خاصًا لا سيما في إعادة التشغيل (بث) الأصوات الاصطناعية في الموائل الطبيعية. إذا تمكنا تقنيًا في المستقبل من "التحدث" مع غراب أو دلفين، فإن السؤال الأخلاقي الأساسي لن يكون فقط هل يمكننا فعل ذلك، بل هل ينبغي لنا فعله وبأي شروط صارمة.

السؤال الصحيح لمستقبل البحث ليس "متى سنتمكن من التحدث مع الحيتان؟"، بل بالأحرى: ماذا يمكننا أن نتعلم إذا توقفنا عن افتراض أن لغتهم يجب بالضرورة أن تشبه لغتنا؟ يمتلك التعلم الآلي القدرة على كشف البنى والعلاقات الاجتماعية والإشارات الدقيقة، لكن يبقى على علم الأحياء التحقق مما تعنيه هذه في السياق الحقيقي لحياة الحيوان. قبل محاولة بناء مترجم عالمي، ينبغي لنا ببساطة أن نتعلم الاستماع إلى الحيوانات، دون أن نطالبها بأن تقول بالضبط الأشياء التي نريد سماعها.

المراجع الببليوغرافية والمصادر

• Contextual and Combinatorial Structure in Sperm Whale Vocalisations — Nature Scientific Reports (2025)
• Sperm Whale Phonetic Alphabet Proposed for the First Time — Project CETI (2024)
• AI decodes the calls of the wild — Nature (2024)
• Automatic Deep-Learning-Based Classification of Bottlenose Dolphin Signature Whistles — Springer (2019)
• OpenWhistle: A Large-Scale Longitudinal Dataset and Benchmark of Bottlenose Dolphin Vocalizations — arXiv (2026)
• Annual Report 2025 — Earth Species Project
• Can we talk to the animals? The ethics of using machine learning to communicate with animals — Topoi (2026)
• Using machine learning to decode animal communication — Science (2023)
• Ethical implications of AI-mediated interspecies communication — AI and Ethics (2025)

مقال من إعداد هيئة تحرير La Bussola dell’IA