تصور کنید جهانی را در نظر بگیرید که در آن هوش نخستین‌بازان وحشی را بتوان در زیستگاه‌های طبیعی خودشان و به‌طور کامل بدون هرگونه دخالت انسانی، به صورت کمی اندازه‌گیری کرد. این هدف اکنون به لطف یک سامانه هوش مصنوعی ارزان‌قیمت که توسط پژوهشگران دانشگاه اموری (Emory) توسعه یافته، به واقعیت تبدیل شده است. این تیم با ترکیب فناوری تشخیص چهره و یک مکانیزم پاداش فیزیکی، راهی را برای انجام آزمایش‌های شناختی خودکار روی حیوانات وحشی برای اولین بار در تاریخ ابداع کرده‌اند.
این پروژه در واقع به عنوان یک توسعه مدرن از کارهای آغاز شده توسط «فرانس دو وال» (Frans de Waal)، نخستین‌شناس فقیدی است که پیش از این مدیریت مرکز Living Links (مرکز مطالعات پیشرفته تکامل میمون‌ها و انسان‌ها) در دانشگاه اموری را بر عهده داشت. دو وال پیشگام مطالعات مربوط به شناخت حیوانات بود و کتاب‌های پرفروشی نوشت که این حوزه را برای عموم مردم محبوب کرد. او در سال ۲۰۲۴ درگذشت. در حالی که تمرکز دو وال بر ترسیم پرتره‌های دقیق، صمیمی و فردی از زندگی هر میمون بود و با آن‌ها به عنوان «افراد» مجزا رفتار می‌کرد، محققان فعلی اکنون از یادگیری ماشین استفاده می‌کنند تا آن مشاهدات کیفی را به داده‌های سخت و قابل اندازه‌گیری تبدیل کنند.
زمینه و شکاف‌های متدولوژیک
به طور سنتی، پژوهشگران با یک انتخاب سخت و دشوار روبرو بودند: یا از آزمایشگاه استفاده کنند تا کنترل دقیقی بر متغیرها داشته باشند اما «اعتبار اکولوژیک» (Ecological Validity) را از دست بدهند، یا به طبیعت بروند و در عوض توانایی کنترل متغیرها را ببازند. آزمایش‌ها در محیط آزمایشگاهی می‌توانند به شدت کنترل شوند، اما نتایج ممکن است منحرف شوند زیرا حیوان در محیط طبیعی خود تعامل نمی‌کند و تحت استرس یا محدودیت‌های محیطی مصنوعی قرار دارد. در مقابل، آزمایش‌های میدانی در طبیعت، زمینه‌های اجتماعی و اکولوژیکی معتبری را فراهم می‌کنند، اما طراحی و کنترل آن‌ها بسیار چالش‌برانگیز است زیرا متغیرهای محیطی غیرقابل پیش‌بینی هستند.
مارسلا بنیتز (Marcela Benítez)، پژوهشگری که تخصصش در تلاقی انسان‌شناسی، روان‌شناسی و زیست‌شناسی تکاملی قرار دارد، به دنبال پلی برای عبور از این شکاف است. او همکاری و رفتارهای اجتماعی را با استفاده از دو گروه مطالعه می‌کند: یک جمعیت اسارت‌شده از میمون‌های کاپوچین تاج‌دار در آزمایشگاه و میمون‌های کاپوچین سفید-چهره وحشی در ذخیره‌گاه جنگلی تابوگا در شمال شرقی کاستاریکا. او از سال ۲۰۱۷ مدیریت مشترک پروژه Capuchinos de Taboga را بر عهده دارد؛ پروژه‌ای که در همکاری با دانشگاه ملی فنی کاستاریکا (Universidad Nacional Técnica) راه‌اندازی شد.
بنیتز تصمیم گرفت پتانسیل هوش مصنوعی را برای دستیابی به هدف خود، یعنی پر کردن شکاف بین کنترل آزمایشگاهی و اعتبار میدانی، بررسی کند. هدف او ایجاد سیستمی بود که اجازه اتوماسیون تست‌های شناختی را بدهد؛ امری که به پژوهشگران کمک می‌کند بفهمند تأثیرات محیطی چگونه بر روی افرادی که تجربیات متفاوت زندگی دارند، اثر گذاشته و آن‌ها را شکل داده است. این رویکرد اجازه می‌دهد تا تفاوت‌های فردی در یادگیری و شناخت در بستر طبیعی بررسی شود.
موتور شناسایی هوش مصنوعی
برای حل مشکل شناسایی هویت تک‌تک میمون‌ها، مارسلا بنیتز و جیکوب ابرنتی (Jacob Abernethy) — استادیار علوم کامپیوتر در جورجیا تک — از نرم‌افزار متن‌باز YOLO (You Only Look Once) استفاده کردند. آن‌ها به همراه «سای راکشیت پوتلوری» (Sai Rakshith Potluri)، دستیار پژوهشی سابق فارغ‌التحصیل جورجیا تک و مهندس نرم‌افزار فعلی شرکت ExtraHop در سیاتل، مدلی را توسعه دادند که قادر است روی یک لپ‌تاپ معمولی اجرا شود.
این فرآیند با یک مرحله دستی و بسیار دشوار آغاز شد؛ جایی که دانشجویان مقطع کارشناسی باید هزاران «کادرهای محدودکننده» (Bounding Boxes) را روی چهره‌های کاپوچین‌ها در ویدیوهای باکیفیت دوربین‌های GoPro می‌کشیدند تا مدل آموزش ببیند. این تلاش متمرکز بر شناسایی شش میمون خاص بود، از جمله افرادی با نام‌های «پله» (Pele)، «پدرو» (Pedro)، «پیو» (Pio) و «پستو» (Pesto). این دانشجویان کار طاقت‌فرسای اطمینان از اینکه هر چهره با هویت صحیح برچسب‌گذاری شده است را انجام دادند تا دقت تشخیص به حداکثر برسد.
طبق گزارشی که در ۱ آگوست ۲۰۲۶ در وب‌سایت news.emory.edu منتشر شد، سیستم تشخیص چهره حاصل، به دقت ۹۷٪ در شناسایی این شش فرد از طریق تصاویر ثابت، ویدیو و پخش زنده میدانی دست یافت. این مرحله اولیه از طریق یک گرنت بذری (Seed Grant) از برنامه AI.Humanity دانشگاه اموری به راه افتاد و امکانسنجی این فناوری را در محیط‌های سخت اثبات کرد.
گسترش در محیط وحشی
در حالی که مدل اولیه برای یک گروه کوچک پاسخگو بود، اما ذخیره‌گاه جنگلی تابوگا میزبان تقریباً ۱۰۰ میمون کاپوچین است. فدریکو سانچز وارگاس (Federico Sánchez Vargas)، دانشجوی دکتری انسان‌شناسی دانشگاه اموری که در سال ۲۰۲۳ به تیم پیوست، متوجه شد که تیم فاقد ویدیوهای باکیفیت از تک‌تک میمون‌ها برای آموزش یک مدل در مقیاس کامل است. جمع‌آوری داده‌های بصری برای ۱۰۰ فرد به صورت دستی غیرممکن بود.
سانچز وارگاس که مدارک تحصیلی‌اش در زمینه زیست‌شناسی تکاملی و روان‌شناسی است، از زبان برنامه‌نویسی پایتون (Python) برای ساده‌سازی و تغییر پارامترهای مدل اصلی استفاده کرد. او با وجود اینکه یک کدنویس حرفه‌ای کامپیوتر نبود، با جسارت به سراغ این چالش رفت تا سیستم را مقیاس‌پذیر کند. او اعتراف می‌کند که در واقع سیستم را «ساده‌تر» (Dumbed it down) کرد تا به‌جای طبقه‌بندی چهره‌های خاصِ تک‌تک افراد، سیستم صرفاً هر میمون کاپوچینی را تشخیص دهد — و فقط کاپوچین‌ها را.
این تغییر هوشمندانه منجر به ایجاد یک خط لوله داده‌ای بسته (Closed-loop data pipeline) شد:
- سیستم هر زمان که هر میمون کاپوچینی به صفحه لمسی کامپیوتر نزدیک شود، یک وب‌کم را برای ضبط ویدیو فعال می‌کند.
- این مکانیسم به‌سرعت یک مجموعه داده بزرگتر و به‌روزتر از چهره‌های میمون‌هایی که در حال تعامل هستند تولید می‌کند.
- این ضبط‌های جدید سپس دوباره به حلقه آموزش بازگردانده می‌شوند تا دایره شناسایی چهره‌های مدل در طول زمان گسترش یابد و هویت‌های جدید شناسایی شوند.
سخت‌افزار «CapuchinAI»
برای اینکه سیستم مقیاس‌پذیر و آماده برای محیط میدانی باشد، تیم یک رابط سخت‌افزاری تخصصی با استفاده از رزبری-پای (Raspberry Pi) ساخت؛ کامپیوتری بسیار کوچک که تقریباً نیمی از اندازه یک آیفون است. کل این مجموعه توسط یک بسته باتری سبک تغذیه می‌شود که با یک بار شارژ تقریباً هشت ساعت دوام می‌آورد. این طراحی با هدف تیم برای داشتن فناوری ارزان‌قیمت و سازگار با محیط زیست مطابقت داشت تا نیاز به زیرساخت‌های برق پیچیده در جنگل نباشد.
پلتفرم فیزیکی که CapuchinAI نامیده شد، یک ساخت DIY (خودساز) است که در گاراژ بنیتز بنا شد. تیم تخته‌های کاج، مواد آب‌بندی عرشه، نوارهای عایق لاستیکی و لوله‌های پلاستیکی را از فروشگاه Home Depot خریداری کردند. بنیتز اشاره کرد که چون هدف پروژه پیچیده بود و توضیح دادنش زمان‌بر بود، وقتی کسی در حین ساخت دستگاه درباره کار آن‌ها پرسید، آن‌ها هرگز توضیحات کامل را به او ندادند تا از سردرگمی احتمالی جلوگیری کنند.
اجزای این دستگاه عبارت‌اند از:
- یک جعبه چوبی به ارتفاع ۲۰ اینچ که برای آب‌بندی در برابر شرایط جوی و محافظت در برابر حیوانات وحشی مهروموم شده است.
- یک صفحه نمایش لمسی کامپیوتری که محرک‌های تعاملی را ارائه می‌دهد.
- یک توزیع‌کننده غذای پلاستیکی چاپ شده با پرینتر سه-بعدی که توسط Emory TechLab توسعه یافته است.
- یک موتور چرخان (Rotary Motor) که توزیع‌کننده را برای رهاسازی تکه‌های خشک‌شده موز جنگلی به حرکت در می‌آورد.
سانچز وارگاس خاطرنشان کرد که بخشی از لذت مطالعه شناخت حیوانات، خلاق بودن و تلاش برای قرار دادن خود در ذهن حیوان است تا راهی برای درگیر کردن آن‌ها در آزمایش‌ها پیدا شود و بتوان تعاملی طبیعی ایجاد کرد.
آزمایش در تابوگا
در طول آزمایش‌های میدانی در کاستاریکا، تیم از یک اسکریپت پایتون دوم به نام pygame برای تسهیل محرک‌های تعاملی استفاده کردند. آن‌ها یک محرک ساده برای عادت دادن میمون‌ها ساختند: یک مربع آبی که صفحه لمسی را می‌پوشاند. هرگاه میمون مربع را لمس می‌کرد، رزبری-پای سیگنالی به موتور می‌فرستاد تا یک تکه موز را رها کند. این روند برای آموزش اولیه رابطه بین لمس و پاداش طراحی شده بود.
استقرار این سیستم نیازمند تلاش‌های زیاد در لحظات آخر بود. سانچز وارگاس و بنیتز تا ساعت ۱۱ شب قبل از پرواز به کاستاریکا، مشغول ایجاد تغییرات و اصلاحات روی جعبه بودند تا از کارکرد صحیح قطعات مطمئن شوند. پس از رسیدن به مرکز Capuchinos de Toboga، تیم ساعت ۴ صبح بیدار شد و مسیر طولانی و پر دست‌اندازی را طی کرد تا به سایت پژوهشی برسد.
بعد از رسیدن، تیم با شکست‌های اولیه روبرو شد. در دو روز اول، هیچ کاپوچینی از جعبه بازدید نکرد و این موضوع باعث نگرانی شدید سانچز وارگاس شد. اما در روز سوم، یک نر بزرگ به نام «ترومپودو» (Trompudo به معنای پوزه بزرگ) دستگاه را کشف کرد.
سانچز وارگاس به یاد می‌آورد که ترومپودو ابتدا روی جعبه بالا رفت و به پشت آن ضربه زد و در نهایت صفحه لمسی را لمس کرد. به محض اینکه یک تکه موز بیرون پرید، ترومپودو بلافاصله دوباره صفحه را لمس کرد. او غذا را بلعید و عمل را تکرار کرد. این اتفاق توانایی سیستم در ثبت «یادگیری بلادرنگ» (Real-time learning) را به نمایش گذاشت، زیرا میمون سریعاً رابطه علت و معلولی بین صفحه و پاداش را درک کرد و شروع به تکرار رفتار هدفمند نمود.
تحلیل: بازتعریف زیست‌شناسی میدانی
این تغییر رویکرد از مشاهده دستی به تعامل خودکار و مبتنی بر هوش مصنوعی، متدولوژی بنیادی نخستین‌شناسی را تغییر می‌دهد. با حذف ناظر انسانی، پژوهشگران «اثر ناظر» (Observer Effect) را حذف می‌کنند؛ وضعیتی که در آن حیوانات رفتار خود را به دلیل حضور انسان تغییر می‌دهند یا متوقف می‌کنند. این امر به دانشمندان اجازه می‌دهد تا با کمی کردن نحوه شکل‌گیری افراد تحت تأثیر محیط در زیستگاه طبیعی‌شان، «به ذهن‌های پشت شخصیت‌ها» نفوذ کنند و الگوهای رفتاری خالص را استخراج نمایند.
میمون‌های کاپوچین به دلیل هوش، کنجکاوی و ساختارهای اجتماعی پیچیده، مدل‌های ایده‌آلی برای این تحقیق هستند. با خودکار کردن تست‌های شناختی، محققان اکنون می‌توانند یافته‌هایی را کمی کنند که پیش از این فقط در قالب «پرتره‌های» کیفی و توصیفی در دسترس بودند.
برای جامعه علمی گسترده‌تر، مهم‌ترین تأثیر، «دموکراتیزه کردن» این فناوری است. چون تیم کدها را به‌صورت متن‌باز (Open-source) منتشر کرد و نقشه‌ای برای سخت‌افزار ارزان‌قیمت ارائه داد، سایر زیست‌شناگان اکنون می‌توانند سامانه‌های مشابهی را برای گونه‌ها و محیط‌های مختلف، بدون نیاز به بودجه‌های کلان یا مدرک دکتری در علوم کامپیوتر، مستقر کنند. مقاله متن‌باز شامل یک راهنما برای کدنویسی کامپیوتری و یک نقشه دقیق برای پلتفرم پژوهشی میدانی کم‌هزینه است.
گام‌های بعدی
دانشمندانی که علاقه‌مند به تکتار این خط لوله داده‌ای هستند، می‌توانند به راهنمای کدنویسی متن‌باز و نقشه‌های سخت‌افزاری ارائه شده در مقاله پژوهشی تیم دسترسی پیدا کنند. نویسندگان امیدوارند پژوهشگران دیگر این روش هوش مصنوعی را برای تولید داده‌های شناختی در طیف متنوعی از گونه‌های نخستین‌بازان وحشی و محیط‌های مختلف تطبیق دهند تا درک جامع‌تری از تکامل شناخت در طبیعت به دست آید.
گفتگو