如果我們接收到來自外星文明的信號，人工智能能比我們更好地與之交流嗎？好地(圖片鳴謝:uux.cn/Getty Images)
（神秘的地球uux.cn）據美國太空網（基思·庫珀）：如果搜尋地外智慧生物(SETI)成功，我們可能需要人工智能(AI)的外星幫助來理解外星人在說什么，或許還能和他們對話。人工人交
在流行文化中，好地我們已經習慣了外星人說英語，外星或者在一個看似神奇的人工人交通用翻譯器的幫助下立即被理解。在現實生活中，好地可能沒那么容易。外星
考慮潛在的人工人交問題。首先，好地我們遇到的外星任何潛在的外星人都不會說人類的語言。第二個是人工人交缺乏關于外星人文化或社會學的知識——即使我們能翻譯，我們也可能不明白這與他們的好地文化標準有什么關系。
Eamonn Kerins是外星來自英國曼徹斯特大學Jodrell Bank天體物理中心的天體物理學家，他認為外星人自己可能會認識到這些局限性，并選擇通過盡可能簡單地傳遞信息來為我們做一些繁重的工作。
“人們可能希望想要建立聯系的外星人可能會試圖讓他們的信號盡可能普遍理解，”Kerins在Zoom采訪中說。“也許這是一些像數學序列一樣基本的東西，并且已經傳達了一個信息，也許他們希望首先傳遞的信息是，我們在這里，你并不孤單。”
事實上，幾十年來，SETI一直在考慮接收可識別的數學信息的可能性——圓周率，一系列素數(如卡爾·薩根的小說《接觸》中的情況)——但這不是我們可能接收的唯一可能的信息。其他信號的設計可能更復雜，試圖傳達更復雜的概念，這就是我們遇到第三個問題的地方:外星語言可能比人類交流復雜幾個數量級。
這就是我們需要人工智能幫助的地方，但要理解如何幫助，首先我們必須深入研究語言結構背后的細節。
信息論
當我們談論一個復雜的信號或信息時，我們并不意味著外星人一定會談論復雜的事情。相反，它指的是他們的信息結構，他們的語言背后的復雜性。語言學家稱之為“信息論”，它是由20世紀40年代在新澤西州貝爾實驗室工作的密碼學家和數學家克勞德·香農提出的，并由哈佛大學的語言學家喬治·齊夫加以擴展。
信息論是一種提取任何給定通信的信息內容的方法。香農意識到，任何類型的信息傳遞——無論是人類語言，還是吸引捕食者吃樹葉上的毛蟲的植物化學散發物，或者是通過光纜傳輸的數據——都可以分解為離散的單元或比特。這些就像交流的“量子”,如字母表的字母或海豚的口哨聲。
在語言中，這些位不能以任何順序排列。還有語法，它描述了語法規則，這些規則規定了比特如何排序。比如:英語中，單詞開頭的一個‘q’后面總是跟著一個‘u’，然后這個‘u’后面可以跟著有限的幾個字母，以此類推。現在假設有一個缺口——“qu——k”。從語法上我們知道，只有幾種字母組合可以填補這個空白——“AC”(嘎嘎)、“ar”(夸克)、“IC”(quick)和ir (quirk)。但是，如果這個單詞是句子的一部分——‘鴨子去了——k ’,那么通過上下文我們知道丟失的字母是‘AC’。
通過了解規則或語法，我們可以填補空白。仍然允許我們完成句子單詞的缺失量被稱為“香農熵”，由于其復雜性，人類語言在地球上任何已知的自然交流形式中具有最高的香農熵。
同時，Zipf能夠量化香農信息論的這些基本原則。在任何交流中，一些小單位，這些基本的比特，會比其他的出現得更頻繁。例如，在人類語言中，字母e、o、t和r出現的頻率遠遠高于q或z。當首先用最常見的單位(在x軸上，它們在y軸上的出現率)繪制圖表時，所有人類語言都會產生一個梯度為–1的斜率。在另一個極端，嬰兒的隨機牙牙學語會在圖上造成一條水平線，所有的聲音都是同樣可能的。交流越復雜——例如，當嬰兒長到蹣跚學步并開始說話時——斜率就越趨向于-1的梯度。
例如，現在傳輸圓周率的數字時，斜率為–1。因此，一些研究人員認為SETI應該專門尋找斜率為-1的信號，而不是尋找技術簽名，即技術生成的信號，這些信號可以標記其他高級地外文明，不管它們是否看起來是人工的，并且仔細篩選射電望遠鏡收集的每一個數據片段的機器學習算法可以配置為分析每個潛在信號，以確定信號是否符合Zipf定律。
除此之外，外星交流可能比人類語言具有更高的香農熵，如果它高得多，可能會使他們的語言對人類來說太難掌握。
但對人工智能來說可能不是。人工智能已經在接受測試，試圖理解來自非人類物種的交流。如果它能通過這個測試，也許人工智能將在未來準備好處理任何外星信息。

ChatGPT等人工智能系統已經擅長理解和產生自然的人類語言。(圖片鳴謝:uux.cn/iStock/Getty Images)
解讀海豚交流
丹尼斯·赫金是佛羅里達州朱庇特野生海豚項目的研究主任，她是世界上試圖理解海豚之間交流的最權威的專家之一。Herzing四十年來一直與海豚一起游泳，研究它們的交流，現在他將人工智能引入其中。
“我們有兩種方式來看待海豚的交流，它們都使用人工智能，”Herzing告訴Space.com。
一種方法是聽組成海豚自身交流的各種口哨聲和叫聲的錄音。特別是，正如Shannon和Zipf所描述的那樣，機器學習算法能夠提取海豚聊天的片段，并在聲譜圖(一種按頻率組織的聲音圖)上將其分解為離散的單元，然后用字母標記每個獨特的單元。這些變得類似于單詞或字母，Herzing正在研究它們組合的不同方式，或者換句話說，它們的有序度和結構。
“現在我們已經確定了24個小單元的聲音在聲譜圖中重新組合，”Herzing說。"所以你可能有向上的哨聲' A '，然后是向下的哨聲' B '，等等，這就為一系列的聲音創造了一個符號代碼。"
然后，機器學習算法能夠深度分析錄音，搜索符號代碼重復的實例。
“我們正在尋找有趣的重復序列，”Herzing說。“然后算法在序列中尋找替換和刪除，所以你可能有相同的符號代碼，但一個小哨子是不同的。這是一個非常重要的學習算法。”
這種微小的差異可能是因為它包含了海豚的標志性哨聲(每只海豚都有自己獨特的標志性哨聲，一種類似人類名字的標識符)，或者是因為上下文不同。
這完全符合香農的信息論，Herzing也對Zipf定律感興趣，并對海豚的交流如何復制該-1斜率感興趣。
“我們正在尋找類似語言的結構，因為每種語言都有遵循規則的結構和語法，”Herzing說。“我們正在專門尋找重組數據的可能性——我們的小聲音單元是單獨存在，還是與另一種聲音重組？”
Herzing的團隊一直在尋找二元詞——兩個單位頻繁出現在一起的情況，這可能意味著一個特定的短語。最近，他們還一直在尋找三元組——其中三個單元按順序有規律地出現——這意味著更大的復雜性。

語言學家幾十年來一直在研究海豚的交流，這項研究可能是與外星人交流的一個很好的類比。(圖片鳴謝:uux.cn/iStock/Getty Images)
尋找意義
這正是人工智能開始分析SETI信號中嵌入的真實信息的方式。如果外星人的交流在結構和句法上比人類語言更復雜，那么這就告訴了我們一些關于他們的事情；也許他們的物種比我們的更古老，這給了他們足夠的時間來進化他們的交流。
然而，我們仍然不知道他們在信息中對我們說的上下文。這是目前理解海豚交流的挑戰之一。Herzing有海豚豆莢的視頻片段，每當AI檢測到符號代碼的重復發聲時，就可以看到它們在做什么，這允許Herzing嘗試并推斷聲音的背景。
“但如果你處理的是無線電信號，你怎么才能弄清楚信息的上下文呢？”Herzing問道，他也對SETI感興趣。“觀察動物的聲音類似于觀察外星信號，可能是為了建立分類和分析(信號)的工具。但是對于解讀部分呢？天哪，我不知道。”
一旦我們收到外星人的信號，我們可能會想對他們說些什么。理解上下文的困難在這里也再次出現。正如斯波克在電影《星際迷航4:回家的旅程》中討論回應外星人探測器時說的，“我們可以復制聲音，但不能復制意義。我們會胡言亂語。”
Herzing試圖通過與海豚共同商定如何稱呼事物來規避這個語境問題。這是CHAT(鯨類聽覺和遙測)的本質，這是研究人員使用AI嘗試與海豚交流的第二種方式。
在它的第一個版本中，CHAT是一個綁在用戶胸部的大型設備，通過水聽器(水下麥克風)接收聲音，然后通過揚聲器發出聲音。現代版是智能手機大小，戴在手腕上。這個想法不是用“海豚語”交談，而是在海豚想玩的某些玩具的預編程聲音上與海豚達成一致。例如，如果他們想玩呼啦圈，他們會按約定吹口哨叫“呼啦圈”。如果戴著聊天設備的潛水員想讓海豚帶給他們一個鐵環，水下揚聲器可以吹口哨發出“鐵環”人工智能的工作是從海豚發出的所有其他聲音中識別出商定的哨聲，這些聲音來自水下的各種音頻干擾源，如氣泡和船只螺旋槳。
Herzing觀察到海豚使用了約定的口哨聲，但是在大多數不同的情況下。Herzing說，問題是花足夠的時間與任何一只特定的海豚相處，讓它們完全學會一致同意的聲音。
對于外星人，他們的信息將會傳播許多光年；任何雙向交流都可能需要幾十年、幾個世紀、幾千年，如果有可能的話。所以無論我們有什么關于外星人的信息都會被濃縮到他們的原始傳輸中。如果像Kerins猜測的那樣，他們發送一些數學上的東西只是作為一個信號，告訴我們他們在那里，我們并不孤單，那么我們就不必擔心破譯它。
然而，如果他們確實發送了一個更復雜的信息，那么正如Herzing在海豚身上發現的那樣，數據集的大小是至關重要的，所以讓我們希望外星人將他們的信息打包，給我們和AI一個最好的機會，至少評估一些信息。