جدیدترین مطالب
فصلنامه «گام سوم» شماره ۳
در این شماره نیز مقالاتی متنوع در موضوعات اقتصاد، آینده‌پژوهی، خانواده به همراه بخش‌های نوشتار، سیاست و پرونده‌ای با عنوان «آینده‌ای قمر در عقرب» و بخش ضمیمه نوروزی با عنوان «بزرگ شدن در خاندان مرداک» چاپ شده است.
چرا پوپولیست‌ها پیروز می‌شوند:وعده‌ی شکسته‌ی دموکراسی لیبرال
ژان-ماری لوپن که تا سن ۹۶ سالگی زندگی کرد، به ما یادآوری می‌کند که پوپولیسم افراطی راست‌گرا از زمان شکل‌گیری دموکراسی لیبرال پس از جنگ جهانی دوم، یکی از ویژگی‌های پایدار سیاست اروپا بوده است. او نخستین‌بار در سال ۱۹۵۶ به پارلمان فرانسه راه یافت، اما هرگز به سطح نفوذی که دخترش امروز از آن برخوردار است، نرسید. دلیل آن هم این بود که در دوران طلایی دموکراسی اروپایی، تقاضا برای پوپولیست‌ها محدود بود.
چگونه مادرم با فرزندپروری ملایم مادربزرگ بهتری شد؟
مادرم وقتی بچه بودم سرم داد می‌کشید. به او سبک فرزندپروری ملایم را یاد دادم و حالا مادربزرگ فوق‌العاده‌ای است. والدینم واقعاً فوق‌العاده بودند،من دوست داشته می‌شدم، از من مراقبت می‌شد و امنیت داشتم و چون تک‌فرزند بودم، تمام توجه آنها به من معطوف بود. با این حال، در دهه ۱۹۸۰ سبک متفاوتی از فرزندپروری رایج بود.
چرا فرزندپروری ملایم همیشه کافی نیست؟ نگاهی به روش ساختاریافته
اگر فرزندپروری به شیوه ملایم برایتان کارساز نیست، به‌جای آن فرزندپروری ساختاریافته را امتحان کنید.به‌عنوان یک مادر و آموزگار، فکر می‌کنم این روش برای والدین و فرزندان بهتر است. این مقاله به‌صورت روایتی از گفت‌وگویی با پام آلن نوشته شده است؛ بنیان‌گذار «دیویی»، شرکتی که ابزارهای آموزشی برای والدین و معلمان تولید می‌کند. متن برای اختصار و وضوح ویرایش شده است.
پربازدیدترین مطالب
هوش مصنوعی و سیاست: چگونه بفهمیم چه چیزی و چه کسی واقعی است؟
اگر خوش‌شانس باشیم، فناوری‌های جدید فقط باعث سردرگمی مختصری می‌شوند. وگرنه، حوزه سیاسی ما می‌تواند برای همیشه تغییر کند.
روند ۱۰۰ ساله تغییر اشتغال زنان به روایت تصویر
نگاهی به تصاویر صد سال گذشته نشان می‌دهد که زنان چگونه از جنگ‌های جهانی تا قرن ۲۱، توانستند مرزهای شغلی را جابه‌جا کنند و مسیر جدیدی در تاریخ نیروی کار رقم بزنند.
انواع هوش، کاربردهای هوش هیجانی و تقویت آن در کودکان
ین مطلب نگاهی دارد به انواع هوش و نقش مهم آنها در زندگی روزمره و توانایی‌های شناختی انسان. همچنین مروری بر هوش هیجانی و کاربردها و روش‌های تقویت آن در کودکان.
نویسنده: آریک کرشنباوم مترجم: نیوشا امیدی ۱۶ تیر ۱۴۰۴
رقابت برای ترجمه صدای حیوانات به زبان انسان!
در سال ۲۰۲۵ شاهد خواهیم بود که هوش مصنوعی و یادگیری ماشین در خدمت پیشرفت واقعی در درک ارتباطات حیوانات قرار می‌گیرند؛ پاسخی به پرسشی که از آغاز تاریخ ذهن بشر را به خود مشغول کرده: «حیوانات با یکدیگر درباره چه چیزهایی صحبت می‌کنند؟»
این مطلب نوشته‌ای است از آریک کرشنباوم که در تاریخ ۲۲ دسامبر ۲۰۲۴ با عنوان
The Race to Translate Animal Sounds Into Human Language
در وب‌سایت Wired منتشر شده است.
با در نظر گرفتن جوایز نقدی هنگفت و بهره‌گیری از هوش مصنوعی برای تقویت تحقیقات،ترجمه میان‌گونه‌ای از هر زمان دیگری به واقعیت نزدیک‌تر شده است. اما اگر قرار باشد چیزی بگویند، حیوانات چه چیزی می‌خواهند با ما در میان بگذارند؟
در سال ۲۰۲۵ شاهد خواهیم بود که هوش مصنوعی و یادگیری ماشین در خدمت پیشرفت واقعی در درک ارتباطات حیوانات قرار می‌گیرند؛ پاسخی به پرسشی که از آغاز تاریخ ذهن بشر را به خود مشغول کرده: «حیوانات با یکدیگر درباره چه چیزهایی صحبت می‌کنند؟» جایزه اخیر «کالر-دولیتل»، که جوایز نقدی تا سقف نیم میلیون دلار به دانشمندانی که موفق به «رمزگشایی این زبان» شوند اهدا می‌کند، نشان‌دهنده اعتماد به نفس بالای جامعه علمی است،اعتمادی که از پیشرفت‌های نوین در زمینه یادگیری ماشین و مدل‌های زبانی بزرگ (LLMs) سرچشمه می‌گیرد و دستیابی به این هدف را قابل‌دسترس می‌سازد.
سال‌هاست که گروه‌های پژوهشی مختلف روی طراحی الگوریتم‌هایی برای درک اصوات حیوانات کار می‌کنند. پروژه «ستی» (Project CETI)، برای مثال، در حال رمزگشایی الگوهای صدای کلیک نهنگ‌های عنبر و آوازهای نهنگ‌های گوژپشت است. ابزارهای مدرن یادگیری ماشین به حجم بسیار زیادی از داده نیاز دارند، و تاکنون چنین حجم عظیمی از داده‌های باکیفیت و دقیقاً برچسب‌گذاری‌شده در دسترس نبوده است.
به مدل‌های زبانی بزرگی مانند ChatGPT فکر کنید،مدل‌هایی که داده‌های آموزشی‌شان شامل تمام متون موجود در اینترنت است. اما چنین اطلاعاتی درباره ارتباطات حیوانات تاکنون در دسترس نبوده. موضوع فقط این نیست که بدنه داده‌های انسانی از لحاظ حجم چندین مرتبه بزرگ‌تر از داده‌هایی است که از حیوانات در طبیعت در اختیار داریم؛ برای مثال، در آموزش مدل GPT-3 بیش از ۵۰۰ گیگابایت متن استفاده شده، در حالی که برای تحلیل اخیر پروژه ستی از ارتباطات نهنگ‌های عنبر، تنها کمی بیش از ۸٬۰۰۰ «کودا» (یعنی واحدهای صوتی یا همان آواها) در دسترس بوده‌اند.
علاوه بر این، زمانی که با زبان انسان سر و کار داریم، ما از پیش می‌دانیم چه چیزی گفته می‌شود. حتی می‌دانیم چه چیزی یک «کلمه» به‌حساب می‌آید،و این مزیتی بسیار بزرگ در مقایسه با تفسیر ارتباطات حیوانات است؛ جایی که دانشمندان به‌ندرت می‌دانند آیا مثلاً زوزه‌ای خاص از یک گرگ، معنایی متفاوت از زوزه‌ای دیگر دارد یا خیر، یا اصلاً اینکه آیا گرگ‌ها زوزه را به‌نوعی معادل «کلمه» در زبان انسانی می‌دانند یا نه.
با این حال، سال ۲۰۲۵ پیشرفت‌های جدیدی به همراه خواهد داشت؛ هم از نظر حجم داده‌های ارتباطی حیوانات که در اختیار دانشمندان قرار خواهد گرفت، و هم از نظر نوع و قدرت الگوریتم‌های هوش مصنوعی که می‌توان روی این داده‌ها پیاده‌سازی کرد. ضبط خودکار صداهای حیوانات اکنون در دسترس تمامی گروه‌های پژوهشی قرار دارد؛ چرا که دستگاه‌های ضبط کم‌هزینه‌ای مانند AudioMoth به‌شدت محبوب شده‌اند.
مجموعه‌داده‌های عظیمی در حال ورود به صحنه هستند، چرا که می‌توان ضبط‌کننده‌ها را در طبیعت رها کرد تا در طولانی‌مدت و به‌صورت ۲۴ ساعته به صداهای میمون‌های گیبون در جنگل یا پرندگان در دل طبیعت گوش دهند. زمانی مدیریت چنین داده‌های گسترده‌ای به‌صورت دستی غیرممکن بود. اما اکنون، الگوریتم‌های شناسایی خودکار مبتنی بر شبکه‌های عصبی پیچشی (convolutional neural networks) می‌توانند هزاران ساعت از فایل‌های صوتی را با سرعت پردازش کرده و صداهای حیوانات را شناسایی کرده، و آنها را بر اساس ویژگی‌های طبیعی صوتی‌شان، در دسته‌های مختلف طبقه‌بندی کنند.
زمانی که این مجموعه‌داده‌های وسیع از صدای حیوانات در دسترس قرار گیرند، الگوریتم‌های تحلیلی جدیدی نیز ممکن خواهند شد،مانند استفاده از شبکه‌های عصبی عمیق برای کشف ساختارهای پنهان در دنباله‌های آوایی حیوانات؛ ساختارهایی که ممکن است با ساختارهای معنایی در زبان انسان مشابهت داشته باشند.
با این حال، پرسش بنیادی که همچنان بی‌پاسخ مانده این است که دقیقاً چه هدفی را از تحلیل این صداهای حیوانی دنبال می‌کنیم؟ برخی سازمان‌ها مانند Interspecies.io هدف خود را به‌روشنی چنین تعریف کرده‌اند: «تبدیل سیگنال‌های یک گونه به سیگنال‌هایی قابل‌فهم برای گونه‌ای دیگر.» به‌عبارت دیگر، ترجمه ارتباطات حیوانات به زبان انسان. با این‌حال، بیشتر دانشمندان بر این باورند که حیوانات غیرانسان زبان واقعی خاص خود را ندارند،حداقل نه به شیوه‌ای که انسان‌ها زبان دارند.
جایزه «کالر-دولیتل» دیدگاهی پیچیده‌تر دارد و به‌دنبال راهی است برای «برقراری ارتباط یا رمزگشایی از ارتباطات یک ارگانیسم». رمزگشایی هدفی کمی فروتنانه‌تر از ترجمه است؛ چرا که این احتمال را در نظر می‌گیرد که حیوانات ممکن است اصولاً زبانی نداشته باشند که بتوان آن را به زبان دیگر ترجمه کرد. در حال حاضر نمی‌دانیم حیوانات چه میزان اطلاعات،کم یا زیاد،را میان خود رد و بدل می‌کنند. اما در سال ۲۰۲۵، بشر این فرصت را خواهد داشت که درک خود را نه‌تنها از اینکه حیوانات چقدر با یکدیگر حرف می‌زنند، بلکه از اینکه دقیقاً چه چیزی به یکدیگر می‌گویند، به‌طور چشمگیری ارتقا دهد.
درباره نویسنده:
آریک کرشنبام مدرس کالج و مدیر مطالعات در دانشگاه کمبریج است. کتاب او با عنوان «چرا حیوانات صحبت می‌کنند» هم‌اکنون توسط انتشارات پنگوئن پرس منتشر شده است.
