உயிரியல் ஒலிப்பொலிவியலில் (bioacoustics) ஒரு புரட்சிகரமான முன்னேற்றமாக, விஞ்ஞானிகள் 1,16,000-க்கும் மேற்பட்ட பறவைகளின் பாடல்களை ஆய்வு செய்ய செயற்கை நுண்ணறிவைப் பயன்படுத்தியுள்ளனர். இதன் மூலம் பறவைகளின் தகவல் தொடர்பிற்கான ஒரு உலகளாவிய "அகரவரிசையை" (alphabet) அவர்கள் கண்டறிந்துள்ளனர். இம்மாபெரும் ஆய்வு, பறவைகளின் இனங்கள் எவ்வளவு மாறுபட்டவையாக இருந்தாலும், பெரும்பாலான பாடல்கள் வெறும் எட்டு அடிப்படை ஒலி கட்டுமானத் தொகுதிகளாலேயே (acoustic building blocks) கட்டமைக்கப்படுகின்றன என்பதை வெளிப்படுத்துகிறது.

உயிரியல் ஒலிப்பொலிவியல் ஆராய்ச்சியில் AI புரட்சி

பாரம்பரிய பறவையியல் ஆய்வுகள் பெரும்பாலும் சுருதி (pitch) அல்லது அதிர்வெண் (frequency) போன்ற எளிய அளவீடுகளை மட்டுமே நம்பியிருந்தன, இது பாடல்களுக்குள் பொதிந்துள்ள சிக்கலான தகவல்களைப் பெரும்பாலும் புறக்கணித்துவிட்டது. 'மாடுலேஷன் பவர் ஸ்பெக்ட்ரம்' (modulation power spectrum) எனப்படும் தானியங்கி ஒலி பகுப்பாய்வு முறையைப் பயன்படுத்துவதன் மூலம், ஆராய்ச்சியாளர்கள் பறவைகளின் பாடல்களை வெறும் சத்தமாகப் பார்க்காமல், ஒரு நுணுக்கமான தகவல் அமைப்பாகக் கருத முடிந்தது.

இந்த ஆய்வு பாஸரின்ஸ் (passerines) எனப்படும் உட்கிளைப் பறவைகளில் கவனம் செலுத்தியது; இவை உலகளாவிய பறவை இனங்களில் 60%-க்கும் அதிகமானவை. திறந்தநிலை குடிமக்கள் அறிவியல் தரவுத்தளங்கள் (open-source citizen science databases) மூலம் 3,160 இனங்களை ஆய்வு செய்ததன் மூலம், AI எட்டு வகையான மீண்டும் மீண்டும் வரும் இசை வடிவங்களை (motifs) அடையாளம் கண்டறிந்தது. இந்த "கட்டுமானத் தொகுதிகளில்" வெவ்வேறு வேகத்தில் ஒலிக்கும் மூன்று வகையான அதிர்வு ஒலிகள் (trills), வெவ்வேறு சுருதி மாற்றங்களைக் கொண்ட மூன்று வகையான விசில்கள் (whistles), மற்றும் இசைத்தன்மையற்ற குழப்பமான குறிப்புகள் (atonal chaotic notes) மற்றும் இசைத்தன்மை கொண்ட அடுக்குகள் (harmonic stacks) என வகைப்படுத்தப்பட்ட இரண்டு சிக்கலான ஒலிகள் அடங்கும். ஒரு இசைக்கலைஞர் குறிப்புகளை ஒரு மெல்லிசையாகத் தொகுப்பது போலவே, பறவைகள் தங்கள் எல்லைப் பாதுகாப்பிற்கும் துணையை ஈர்ப்பதற்கும் தனித்துவமான குரல்களை உருவாக்க இந்த எட்டு வடிவங்களையும் ஒருங்கிணைக்கின்றன.

சுற்றுச்சூழல் தகவமைப்பு மற்றும் பரிணாம உந்துதல்கள்

Science இதழில் வெளியிடப்பட்ட இந்த ஆராய்ச்சியின் மிக முக்கியமான கண்டுபிடிப்புகளில் ஒன்று, தகவல் அடர்த்திக்கும் (information density) சிக்னல் தெளிவுக்கும் (signal clarity) இடையிலான சிக்கலான சமநிலை ஆகும். புவியியல் மற்றும் வாழ்விடங்கள் பறவைகள் தகவல் தொடர்பு கொள்ளும் முறையை எவ்வாறு வடிவமைக்கின்றன என்பதை இந்த ஆய்வு எடுத்துக்காட்டுகிறது:

  • வெப்பமண்டல மழைக்காடுகள்: ஒலி சிதைவு அதிகமாக இருக்கும் அடர்ந்த, ஈரப்பதமான தாவரங்கள் நிறைந்த பகுதிகளில், பறவைகள் எளிமையான, தட்டையான விசில்கள் மற்றும் மெதுவான அதிர்வு ஒலிகளைப் பயன்படுத்தும் போக்கு கொண்டுள்ளன. அடர்ந்த இலைகளுக்கு இடையே தெளிவை இழக்காமல் நீண்ட தூரம் பயணிக்கும் வகையில் இந்த ஒலிகள் வடிவமைக்கப்பட்டுள்ளன.
  • மிதவெப்ப மண்டலப் பகுதிகள்: திறந்தவெளி நிலப்பரப்புகளில், பறவைகள் வேகமான, சிக்கலான அதிர்வு ஒலிகள் மற்றும் இசைத்தன்மை கொண்ட அடுக்குகளைப் பயன்படுத்துகின்றன. இந்த ஒலிகள் தூரம் செல்லும்போது சிதைவடைய அதிக வாய்ப்பு இருந்தாலும், இவை அதிக தகவல் அடர்த்தியைக் கொண்டுள்ளன; இது அந்தப் பகுதிகளில் துணைகளுக்கான தீவிரப் போட்டியால் தூண்டப்பட்டிருக்கலாம்.

வாழ்விடம் முக்கிய பங்கு வகித்தாலும், பாடல்களின் முதன்மை வடிவமைப்பாளர் பரிணாமமே என்று இந்த ஆய்வு முடிவு செய்துள்ளது. பரிணாம வரலாறு அல்லது மரபியல் வகைப்பாட்டியல் (phylogeny), பாட வடிவங்களில் உள்ள 82% மாறுபாடுகளை விளக்கியது. இதன் மூலம் பறவைகளின் தகவல் தொடர்பில் பெரும்பகுதி ஒரு பரம்பரை உயிரியல் பண்பு என்பது நிரூபிக்கப்பட்டுள்ளது.

இந்தியாவின் பல்லுயிர் பெருக்கம் மற்றும் தொழில்நுட்ப சூழலுக்கான மூலோபாய தாக்கங்கள்

இமயமலை அடிவாரங்கள் முதல் மேற்குத் தொடர்ச்சி மலைகள் மற்றும் சுந்தரவனங்கள் வரை பல்வேறு நிலப்பரப்புகளில் பரந்து விரிந்த பாஸரின்ஸ் இனங்களைக் கொண்ட இந்தியா போன்ற ஒரு பெரும் பல்லுயிர் பெருக்கத்தைக் கொண்ட நாட்டிற்கு, இந்த ஆராய்ச்சி ஆழமான தாக்கங்களைக் கொண்டுள்ளது.

இந்தியா செயற்கை நுண்ணறிவு மற்றும் டிஜிட்டல் உள்கட்டமைப்பில் தொடர்ந்து அதிக முதலீடு செய்து வரும் நிலையில், சுற்றுச்சூழல் ஆரோக்கியத்தைக் கண்காணிப்பதில் AI-ஐப் பயன்படுத்துவது ஒரு மூலோபாயத் தேவையாகிறது. இயந்திர கற்றலைப் (machine learning) பயன்படுத்தி சிக்கலான உயிரியல் சிக்னல்களைக் கண்டறியும் திறன், நமது இயற்கை வளங்களை நாம் எவ்வாறு நிர்வகிக்கிறோம் என்பதையும், வனவிலங்கு நடத்தையில் காலநிலை மாற்றத்தால் ஏற்படும் மாற்றங்களுக்கு நாம் எவ்வாறு பதிலளிக்கிறோம் என்பதையும் மாற்றியமைக்க முடியும்.

இந்தியாவிற்கு இதன் பொருள் என்ன

  • மேம்படுத்தப்பட்ட பல்லுயிர் கண்காணிப்பு: இந்தியப் பாதுகாப்பு ஆர்வலர்கள், அடர்ந்த வெப்பமண்டலக் காடுகள் முதல் திறந்தவெளி புல்வெளிகள் வரை இந்தியாவின் பல்வேறு பயோம்களில் (biomes) இனங்களின் ஆரோக்கியம் மற்றும் இடம்பெயர்வு முறைகளைக் கண்காணிக்க இத்தகைய AI சார்ந்த ஒலி கண்காணிப்பு முறையைப் பயன்படுத்தலாம்.
  • தொழில்நுட்ப ஒருங்கிணைப்பு: இந்த ஆய்வின் வெற்றி, "நன்மைக்கான AI" (AI for Good) என்பதன் வளர்ந்து வரும் முக்கியத்துவத்தை அடிக்கோடிட்டுக் காட்டுகிறது. இது உலகளாவிய சுற்றுச்சூழல் ஆராய்ச்சிக்காக சிறப்பு உயிரியல் ஒலி கருவிகளை (bioacoustic tools) உருவாக்க இந்தியத் தொழில்நுட்ப நிறுவனங்களுக்கு வாய்ப்புகளை வழங்குகிறது.
  • காலநிலை மாற்ற முன்கூட்டிய எச்சரிக்கை: ஈரப்பதம் மற்றும் வெப்பநிலை மாற்றங்கள் வாழ்விடங்களை மாற்றியமைக்கும் போது, சுற்றுச்சூழல் மாற்றங்கள் பறவைகளின் தகவல் தொடர்பை எவ்வாறு பாதிக்கின்றன என்பதைப் புரிந்துகொள்வது, இந்தியத் துணைக்கண்டத்தின் ஒட்டுமொத்த சுற்றுச்சூழல் நிலைத்தன்மைக்கான ஒரு உயிரியல் குறிகாட்டியாகச் செயல்படும்.

முக்கியக் கருத்து: பறவைகளின் பாடல்களின் சிக்கலை எட்டு மீண்டும் மீண்டும் செய்யக்கூடிய கூறுகளாகக் குறைப்பதன் மூலம், இந்தியாவின் பறவை வாழ்வியலைக் கேட்பதற்கான ஒரு அளவிடக்கூடிய வழியை AI வழங்குகிறது. இது பறவைகளின் சத்தங்களை, பாதுகாப்பு மற்றும் காலநிலை மீள்தன்மைக்கான செயல்பாட்டுத் தகவலாக (actionable intelligence) மாற்றுகிறது.