Als de zoektocht naar buitenaardse intelligentie (SETI) succesvol is, hebben we mogelijk de hulp van kunstmatige intelligentie (AI) nodig om te begrijpen wat de buitenaardse wezens zeggen en misschien met hen terug te praten.
In de populaire cultuur zijn we eraan gewend geraakt dat buitenaardse wezens Engels spreken, of onmiddellijk begrijpelijk zijn met de hulp van een schijnbaar magische universele vertaler. In het echte leven is het misschien niet zo eenvoudig.
Denk aan de mogelijke problemen. Nummer één zou zijn dat alle potentiële buitenaardse wezens die we tegenkomen geen menselijke taal zullen spreken. Nummer twee zou het gebrek aan kennis zijn over de cultuur of sociologie van de buitenaardse wezens – zelfs als we zouden kunnen vertalen, zouden we misschien niet begrijpen welke relevantie dit heeft voor hun culturele toetsstenen.
Eamonn Kerins, een astrofysicus van het Jodrell Bank Centre for Astrophysics aan de Universiteit van Manchester in Groot-Brittannië, denkt dat de buitenaardse wezens zelf deze beperkingen zouden kunnen herkennen en ervoor zouden kiezen om een deel van het zware werk voor ons te doen door hun boodschap zo eenvoudig mogelijk te maken.
“Je zou kunnen hopen dat buitenaardse wezens die contact willen leggen, proberen hun signaal zo universeel begrijpelijk mogelijk te maken”, zei Kerins in een Zoom-interview. ‘Misschien is het zoiets basaals als een wiskundige reeks, en dat brengt al de enige boodschap over die ze misschien in de eerste plaats hoopten te sturen, namelijk dat we hier zijn en dat je niet de enige bent.’
Verwant: Zou AI buitenaards leven sneller kunnen vinden dan mensen, en zou dat ons dat vertellen?
De mogelijkheid om herkenbare wiskundige informatie te ontvangen – pi, een reeks opeenvolgende priemgetallen (zoals het geval was in de roman ‘Contact’ van Carl Sagan) – wordt in SETI al tientallen jaren overwogen, maar het is niet de enige mogelijke boodschap. dat wij zouden kunnen ontvangen. Andere signalen zijn misschien geavanceerder van opzet en proberen ingewikkelder concepten over te brengen, en hier stuiten we op probleem nummer drie: die buitenaardse taal zou ordes van grootte complexer kunnen zijn dan menselijke communicatie.
Dit is waar we de hulp van AI nodig zullen hebben, maar om te begrijpen hoe, moeten we eerst in de details achter de structuur van taal duiken.
Informatie theorie
Als we het hebben over een signaal of een boodschap die complex is, bedoelen we niet dat de buitenaardse wezens het noodzakelijkerwijs over complexe zaken zullen hebben. Het verwijst eerder naar de complexiteit die ten grondslag ligt aan de structuur van hun boodschap, hun taal. Taalkundigen noemen dit ‘informatietheorie’, die werd ontwikkeld door de cryptograaf en wiskundige Claude Shannon die eind jaren veertig bij Bell Labs in New Jersey werkte, en werd uitgebreid door taalkundige George Zipf van de Harvard University.
Informatie theorie is een manier om de informatie-inhoud van een bepaalde communicatie te destilleren. Shannon realiseerde zich dat elke vorm van overdracht van informatie – of het nu menselijke taal is, de chemische uitademing van planten om roofdieren aan te trekken om rupsen op hun bladeren te eten of de overdracht van gegevens via een glasvezelkabel – kan worden opgesplitst in afzonderlijke eenheden, of bits. . Deze zijn als de ‘kwanta’ van communicatie, zoals de letters van het alfabet of het fluitrepertoire van een dolfijn.
In taal kunnen deze stukjes niet zomaar in willekeurige volgorde staan. Er is syntaxis, die de grammaticale regels beschrijft die bepalen hoe de bits kunnen worden geordend. Bijvoorbeeld: In het Engels wordt een ‘q’ aan het begin van een woord altijd gevolgd door een ‘u’, en vervolgens kan de ‘u’ worden gevolgd door een beperkt aantal letters, enzovoort. Stel nu dat er een gat is – ‘qu-–k’. We weten uit de syntaxis dat er slechts een paar combinaties van letters zijn die de leemte kunnen opvullen: ‘ac’ (kwakzalver), ‘ar’ (quark), ‘ic’ (snel) en ir (quirk). Maar als het woord deel uitmaakt van een zin (‘De eend ging qu––k’), dan weten we door de context dat de ontbrekende letters ‘ac’ zijn.
Door de regels of syntaxis te kennen, kunnen we de lege plekken invullen. De hoeveelheid die ons nog steeds in staat stelt om het woord van de zin af te maken, wordt ‘Shannon-entropie’ genoemd, en dankzij de complexiteit ervan hebben menselijke talen de hoogste Shannon-entropie van alle bekende vormen van natuurlijke communicatie op deze planeet.
Ondertussen was Zipf in staat deze basisprincipes van Shannons informatietheorie te kwantificeren. In elke communicatie zullen sommige van de kleine eenheden, deze fundamentele stukjes, vaker voorkomen dan andere. In de menselijke taal komen letters als ae, o, t en r bijvoorbeeld veel vaker voor dan q of z. Wanneer ze in een grafiek worden uitgezet met de meest voorkomende eenheden bovenaan (op de x-as, hun frequentie van voorkomen op de y-as), zijn alle menselijke talen produceren een helling met een gradiënt van –1. Aan het andere uiterste resulteert het willekeurige gebabbel van een baby in een horizontale lijn in de grafiek, waarbij alle geluiden even waarschijnlijk zijn. Hoe complexer de communicatie – naarmate de baby bijvoorbeeld uitgroeit tot een peuter en begint te praten – hoe meer de helling convergeert op een –1-gradiënt.
Een transmissie van de cijfers van pi zou nu bijvoorbeeld een helling van –1 hebben. Dus in plaats van te zoeken naar technosignaturen, de technologisch gegenereerde signalen die andere geavanceerde buitenaardse beschavingen zouden kunnen markeren, denken sommige onderzoekers dat SETI specifiek zou moeten zoeken naar signalen met een helling van –1, ongeacht of ze kunstmatig lijken of niet, en de machine- Leeralgoritmen die zorgvuldig elk stukje data doorzoeken dat door radiotelescopen is verzameld, zouden kunnen worden geconfigureerd om elk potentieel signaal te analyseren om te bepalen of een signaal aan de wet van Zipf voldoet.
Daarnaast zou buitenaardse communicatie een hogere Shannon-entropie kunnen hebben dan de menselijke taal, en als deze veel hoger is, zou het hun taal te moeilijk kunnen maken voor mensen om te begrijpen.
Maar misschien niet voor AI. AI wordt nu al op de proef gesteld in een poging de communicatie van een niet-menselijke soort te begrijpen. Als het die test kan doorstaan, zal AI misschien in de toekomst klaar zijn om eventuele buitenaardse boodschappen aan te pakken.
Dolfijncommunicatie interpreteren
Denise Herzing, onderzoeksdirecteur van het Wild Dolphin Project in Jupiter, Florida, is een van ‘s werelds meest vooraanstaande experts in het proberen te begrijpen wat dolfijnen tegen elkaar zeggen. Herzing zwemt al veertig jaar met dolfijnen en bestudeert hun communicatie, en heeft nu AI in de mix geïntroduceerd.
“We hebben twee manieren waarop we naar dolfijncommunicatie kijken, en ze gebruiken allebei AI”, vertelde Herzing aan Space.com.
Eén manier is luisteren naar opnames van de verschillende fluittonen en geblaf die deel uitmaken van de eigen communicatie van de dolfijnen. In het bijzonder kan een machinaal leeralgoritme een fragment van de dolfijnchat nemen en die communicatie opsplitsen in afzonderlijke eenheden op een spectrogram (een grafiek van geluiden gerangschikt op frequentie), precies zoals Shannon en Zipf hebben beschreven, en vervolgens labelt het elke unieke eenheid met een letter. Deze worden analoog aan woorden of letters, en Herzing kijkt naar de verschillende manieren waarop ze combineren, of met andere woorden hun mate van orde en structuur.
“Op dit moment hebben we 24 kleine geluidseenheden geïdentificeerd die recombineren binnen een spectrogram”, zegt Herzing. “Dus misschien heb je opwaarts fluitje ‘A’ gevolgd door neerwaarts fluitje ‘B’, enzovoort, en dit creëert een symbolische code voor een reeks geluiden.”
Het machine learning-algoritme kan vervolgens de geluidsopnames diepgaand analyseren, op zoek naar gevallen waarin die symbolische code wordt herhaald.
“We zijn op zoek naar interessante sequenties die op de een of andere manier repetitief zijn”, zei Herzing. “De algoritmen zoeken vervolgens naar vervangingen en verwijderingen in de reeksen, dus je hebt misschien dezelfde symbolische code, maar een klein fluitje is anders. Dat is een leeralgoritme dat behoorlijk belangrijk is.”
Dat kleine verschil zou kunnen komen doordat het het kenmerkende fluitje van een dolfijn bevat (elke dolfijn heeft zijn eigen unieke kenmerkende fluitje, een soort identificatiemiddel zoals menselijke namen) of omdat de context anders is.
Dit komt allemaal volledig overeen met de informatietheorie van Shannon, en Herzing is ook geïnteresseerd in de wet van Zipf en hoe nauw de dolfijncommunicatie deze –1-helling repliceert.
“We zoeken naar taalachtige structuren, omdat elke taal een structuur en een grammatica heeft die regels volgt”, zegt Herzing. “We kijken specifiek naar wat de mogelijkheden zijn voor recombinatiegegevens – worden onze kleine geluidseenheden alleen afzonderlijk gevonden, of worden sommige opnieuw gecombineerd met een ander geluid?”
Het team van Herzing heeft gezocht naar bigrams: gevallen waarin twee eenheden vaak samen voorkomen, wat een specifieke zin zou kunnen betekenen. Meer recentelijk zijn ze ook op zoek gegaan naar trigrammen – waarbij drie eenheden regelmatig in volgorde voorkomen – wat een grotere complexiteit impliceert.
Op zoek naar betekenis
Dit is precies de manier waarop AI zou beginnen met het analyseren van een echt bericht ingebed in een SETI-signaal. Als de buitenaardse communicatie complexer is qua structuur en syntaxis dan menselijke talen, dan zegt dat ons iets over hen; misschien dat hun soort ouder is dan de onze, waardoor ze voldoende tijd hebben gehad om hun communicatie te laten evolueren.
We zouden echter nog steeds niet weten wat de context is van wat ze in de boodschap tegen ons zeggen. Dit is momenteel een van de uitdagingen bij het begrijpen van dolfijncommunicatie. Herzing heeft videobeelden van dolfijnpods om te zien wat ze aan het doen waren wanneer de AI een herhaalde vocalisatie van symbolische code detecteert, waardoor Herzing kan proberen de context van de geluiden af te leiden.
“Maar als je met radiosignalen te maken hebt, hoe ga je er dan ooit achter komen wat de context van het bericht is?” vraagt Herzing, die ook geïnteresseerd is in SETI. “Kijken naar dierengeluiden is een analogie voor het kijken naar buitenaardse signalen, mogelijk om de tools op te bouwen om te categoriseren en analyseren [the signals]. Maar voor het interpretatiegedeelte? O jongen, ik weet het niet.”
Zodra we een signaal van buitenaardse wezens hebben ontvangen, willen we misschien iets tegen hen zeggen. De moeilijkheid om de context te begrijpen steekt ook hier weer de kop op. Zoals Spock in de film “Star Trek IV: The Voyage Home” zegt, wanneer hij de reactie op een buitenaards onderzoek bespreekt, “kunnen we de geluiden nabootsen, maar niet de betekenis. We zouden in wartaal reageren.”
Herzing probeert dit contextprobleem te omzeilen door onderling met de dolfijnen af te spreken hoe ze dingen moeten noemen. Dit is de essentie van CHAT (Cetacean Hearing and Telemetry), de tweede manier waarop onderzoekers AI gebruiken om met dolfijnen te communiceren.
In zijn eerste incarnatie was CHAT een groot apparaat dat om de borst van de gebruiker werd vastgemaakt, dat geluiden ontving via een hydrofoon (onderwatermicrofoon) en vervolgens geluid produceerde via een luidspreker. De moderne versie heeft het formaat van een smartphone en wordt om de pols gedragen. Het idee is niet om in ‘dolfijns’ te praten, maar om met de dolfijnen afspraken te maken over voorgeprogrammeerde geluiden voor bepaald speelgoed waarmee de dolfijnen willen spelen. Als ze bijvoorbeeld met een hoepel willen spelen, maken ze het afgesproken fluitsignaal voor ‘hoepel’. Als een duiker die het CHAT-apparaat draagt, wil dat een dolfijn hem een hoepel brengt, kan de onderwaterluidspreker het fluitsignaal voor ‘hoepel’ spelen. Het is de taak van de AI om het afgesproken fluitsignaal te herkennen tussen alle andere geluiden die een dolfijn maakt te midden van alle verschillende bronnen van audio-interferentie onder water, zoals bellen en scheepspropellers.
Herzing heeft waargenomen dat de dolfijnen de afgesproken fluitjes hebben gebruikt, maar in meestal verschillende contexten. Het probleem, zegt Herzing, is dat hij genoeg tijd aan een bepaalde dolfijn besteedt, zodat hij of zij de afgesproken geluiden volledig kan leren.
Bij buitenaardse wezens zal hun boodschap vele lichtjaren hebben afgelegd; elke tweerichtingscommunicatie kan decennia, eeuwen, millennia duren, als het überhaupt al mogelijk is. Dus alle informatie die we hebben over de buitenaardse wezens zal worden gecondenseerd in hun oorspronkelijke transmissie. Als ze, zoals Kerins vermoedt, iets wiskundigs sturen als signaal dat ze er zijn en dat we niet alleen zijn, dan hoeven we ons geen zorgen te maken over het ontcijferen ervan.
Als ze echter een boodschap sturen die meer betrokken is, dan is, zoals Herzing bij dolfijnen ontdekt, de omvang van de dataset cruciaal. Laten we dus hopen dat de buitenaardse wezens hun boodschap voorzien van informatie om ons en AI de beste kans te geven om op zijn minst te beoordelen een beetje ervan.
