📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

عالم طيور في الأدغال يسمع تغريداً، لكن الطائر يختبئ بين الأوراق. ما أجمل أن يحصل فوراً على صورته - على الأقل من قاعدة بيانات الصور. عادةً، يتطلب ذلك آلاف الأزواج من "تسجيل التغريد + صورة لنفس الطائر"، وجمعها مكلف ويستغرق وقتاً طويلاً.

ابتكر الباحثون طريقة غير مباشرة: استخدموا نموذجين جاهزين. أحدهما يفهم العلاقة بين الصورة والنص (مثل: "صدر أحمر، قبعة سوداء" ← صورة طائر أبو الحناء). والآخر يربط النص بالصوت ("تغريد لحني متدرج" ← تسجيل طائر أبو الحناء). ثم استُخدم النموذج الأول كمعلم: نُقلت أوصافه النصية إلى النموذج الثاني، مع ضبط مشفر الصوت بحيث يقع صوت طائر أبو الحناء بجوار النص الذي يصف الصدر الأحمر. الصور لم تشارك في التدريب إطلاقاً.

النتيجة: في اختبار SSW60، يجد النموذج صورة الطائر المطلوبة من خلال تغريده بشكل أفضل من التركيبات المباشرة للأنظمة الجاهزة. كما أنه لم يفقد القدرة على تمييز الأصوات نفسها - أي أن تصنيف الأنواع لم يتأثر. بالنسبة لعلماء الأحياء الميدانيين، هذه فرصة لتحديد الحيوانات النادرة والسرية بسرعة من خلال صوتها، دون امتلاك أي صورة مقترنة.

نفس الأسلوب - تعليم نمط (modality) من خلال النص ليتوافق مع نمط آخر - قد يكون مفيداً ليس فقط في علم الصوتيات الحيوية (bioacoustics). حيثما تفتقر البيانات المقترنة، يمكن للنص أن يلعب دور الجسر بين العوالم.