ในช่วงไม่กี่นาทีก่อนพระอาทิตย์ตก และท้องฟ้ากำลังละเลงสีชมพูบานเย็น ผู้เขียนวิ่งอยู่ในสวนสาธารณะที่ถูกรายล้อมไปด้วยอุณหภูมิที่เย็นลงหลังจากฝนที่ตกหนักมาทั้งวัน วันนี้ผู้เขียนฟัง podcasts รายการ Invisibilia ของสำนักงานข่าว NPR ในสหรัฐฯ ชื่อตอนว่า “Two Heartbeats A Minute” และ “The Last Sound” ซึ่งทำให้ผู้เขียนได้พบกับเรื่องน่าสนใจที่ยิ่งใหญ่ระหว่างการวิ่งระยะทางสั้นๆ เพียง 3 กิโลเมตร

ขณะที่มนุษย์ใช้ภาษาส่งเป็นเสียงในการสื่อสาร สัตว์อื่นๆ ก็น่าจะมีภาษาบางอย่างที่ใช้ในการสื่อสารเช่นกัน ดังงานวิจัยหลายชิ้นที่พบว่า โครงสร้างเสียงที่สัตว์ใช้สื่อสารกันนั้น มีความคล้ายคลึงกับโครงสร้างของดนตรี และมนุษย์เราสัมผัสเสียงที่มาจากโครงสร้างแบบนั้นได้จากความคุ้นเคย

นักวิทยาศาสตร์พบหลักฐานเชิงประจักษ์ที่ชี้ว่า เสียงมนุษย์ที่เกิดจากภาษา วัฒนธรรมที่ความแตกต่างกัน มีรากฐานอารยธรรมเดียวกัน

หลายทศวรรษที่ผ่านมา นักวิทยาศาตร์พยายามศึกษาและทำความเข้าใจภาษาที่มนุษย์ใช้ โดยในปี ค.ศ. 2013 Tomas Mikolov และคณะ ได้เสนอวิธีการหาความสัมพันธ์ของคำศัพท์ต่าง ๆ ในภาษาอังกฤษ ผ่านการคำนวณจากวิธี unsupervised algorithm หรือ อัลกอริธึมที่ไม่มีผู้สอน การเชื่อมความสัมพันธ์ของคำศัพท์ด้วยวิธีนี้เรียกว่า “การฝังคำ” หรือ “word embedding” (Aiyar et al., 2014)

ความสามารถในการแสดงการเชื่อมโยงของคำศัพท์จากเทคนิคการฝังคำและการวิจัยบนรากฐานของเทคนิคสมัยใหม่ ขับเคลื่อนให้เกิดการวิเคราะห์ประมวลผลของภาษาธรรมชาติมากขึ้น และทำให้ประสิทธิภาพในการใช้เทคนิคการฝังรวบรวมความแตกต่างของคำได้อย่างลึกซึ้งยิ่งขึ้น การนำคำศัพท์ภาษาอังกฤษที่มนุษย์นิยมใช้กันมากที่สุด 10,000 คำ มาวิเคราะห์โดยการฝังผ่านโปรแกรมวิเคราะห์ข้อมูล machine learning ซึ่งโปรแกรมจะเรียนรู้ความสัมพันธ์ของข้อมูลได้ด้วยตัวเองและสามารถวิเคราะห์ข้อมูลที่มีขนาดใหญ่ได้ (big data) ผลที่ได้คือความสัมพันธ์ของคำศัพท์ทั้งหมดมีหน้าตาออกมาเป็นโครงสร้างเรขาคณิตที่มองดูแล้วคล้าย ๆ กลุ่มเมฆดวงดาวในกาแลกซี (ดังแสดงในรูปที่ 1)

รูปที่ 1 แสดงตัวอย่าง โครงสร้างเชิงเรขาคณิตของคำศัพท์ภาษาอังกฤษ 10,000 คำที่นิยมใช้พูดมากที่สุด จากการใช้วิธี ‘ฝังคำศัพท์’ (word embedding) ทั้งนี้ กลุ่มก้อนคำศัพท์นี้จริง ๆ แล้วมีมิติมากกว่า 100 มิติ แต่เพื่อให้ง่ายต่อการทำความเข้าใจจึงแสดงกลุ่มก้อนภาษานี้เพียง 3 มิติเท่านั้น source: https://github.com/earthspecies/project/blob/main/roadmaps/ai.md

 

คุณสมบัติที่โดดเด่นที่สุดประการหนึ่งของการฝังคำเหล่านี้คือความสามารถในการเปรียบเทียบความหมายของคำศัพท์เชิงเรขาคณิต โดยความห่างและทิศทางที่ดวงดาวหรือคำศัพท์เรียงตัวอยู่ในแต่ละจุดในโครงสร้างเรขาคณิตนี้ ล้วนมีความหมายและมีความสัมพันธ์ที่เชื่อมโยงกันอย่างเป็นระบบ

 

รูปที่ 2 แผนภาพแสดงรูปความสัมพันธ์ทางเรขาคณิตของคำในภาษาอังกฤษ ที่เป็นส่วนประกอบของโครงสร้างเรขาคณิตของความสัมพันธ์ภายในของภาษา แผนผังแสดงภาพเป็นสองมิติ source: https://github.com/earthspecies/project/blob/main/roadmaps/ai.md

 

การฝังคำจนพบความสัมพันธ์ของคำศัพท์ในรูปแบบโครงสร้างเรขาคณิตนี้ สามารถนำมาประยุกต์ใช้เพื่อวิเคราะห์ภาษาต่าง ๆ ได้ ไม่ว่าจะเป็นการสร้างโครงสร้างระดับภาษาท้องถิ่นหรือภาษาในระดับสากลอย่างภาษาอังกฤษ เปรียบเหมือนการสร้างแผนที่ความสัมพันธ์ระหว่างแนวคิดต่าง ๆ จากเชื้อชาติ วัฒนธรรม และกฎเกณฑ์ทางสังคมที่แตกต่างกัน

 

ในปี ค.ศ. 2017  A. Conneau et al และ M. Artetxe et al ค้นพบวิธีเชื่อมโยงกลุ่มเมฆของหลากหลายภาษาเข้าด้วยกัน พวกเขาลองจัดรูปแบบของก้อนเมฆภาษาต่าง ๆ โดยการพลิกก้อนเมฆของภาษาหนึ่งเพื่อเทียบกับก้อนเมฆของอีกภาษาหนึ่ง พวกเขาพบว่า จุดคำศัพท์หรือตำแหน่งของดาวในโครงสร้างเรขาคณิตของภาษาหนึ่งจะมีความหมายตรงกับจุดคำศัพท์ในอีกโครงสร้างเรขาคณิตของอีกภาษาหนึ่ง สิ่งที่พวกเขาค้นพบมีความหมายอย่างลึกซึ้งต่อการศึกษาความสัมพันธ์ของภาษาและวัฒนธรรมของมนุษย์ที่แตกต่างกัน (Lample et al., 2018; Artetxe et al., 2018)

 

รูปที่ 3 ภาษาที่หลากหลายของมนุษย์ เมื่อนำมาจัดแนวจะพบโครงสร้างที่คล้ายกัน โดยเราสามารถจับคู่คำในโครงสร้างของภาษาทั้งสาม และนำมาใช้หาความหมายของภาษาอื่น ๆ ได้ source: https://github.com/earthspecies/project/blob/main/roadmaps/ai.md

 

การพบจุดเชื่อมของคำศัพท์ที่ใช้ในภาษาต่าง ๆ ของมนุษย์ ทำให้พบความเชื่อมโยงทางวัฒนธรรมและพื้นฐานการใช้ชีวิตร่วมกันในสังคมมนุษย์ จากที่มองผิวเผินว่ามนุษย์แต่ละเผ่าพันธุ์มีความแตกต่างทางภาษา วัฒนธรรม ความคิด หรือแม้กระทั้งบรรทัดฐานทางสังคม แต่ความจริงแล้วมนุษย์มีรากมาจากสิ่งเดียวกัน หรือมนุษย์มีอารยธรรมเดียวกันนั้นเอง

 

แล้วเสียงจากสัตว์แต่ละสายพันธุ์มีอารยธรรมของตัวเองไหม?

Roger Payne นักชีววิทยาและนักสิ่งแวดล้อมชาวอเมริกัน ผู้ค้นพบเพลงวาฬหลังค่อม (Song of Humpback Whale) ในปี ค.ศ. 1969 – 1970 เขาได้เริ่มต้นศึกษาเสียงของวาฬหลังค่อมภายหลังจากที่ได้รับฟังเสียงวาฬที่ถูกอัดมาจากใต้ท้องเรือดำน้ำ โดย Frank Watlington นาวิกโยธินประจำห้องเครื่องยนต์ในเรือดำน้ำสหรัฐช่วงสมัยสงคราม

“ผมเริ่มฟังเสียงนี้ และพระเจ้า! มันเป็นเสียงที่พิเศษและทรงพลังที่สุดเท่าที่เคยได้ยินมา และจำได้ว่าใจของผมเต้นแรงเมื่อได้ฟังสิ่งนี้ ผมคิดว่า – นี่ – นี่คือวิธี ถ้าเพียงแต่คุณส่งเสียงเหล่านี้เข้าไปในหูและสมองของคนทั่วโลกได้ นั่นก็จะขโมยหัวใจของโลกไป นั่นคือสิ่งที่ผมคิด ” Payne กล่าวใน podcast รายการ Invisibilia

เขานำเสียงวาฬกลับมาศึกษา และพบว่าเสียงของวาฬมีโครงสร้างคล้ายกับโครงสร้างเสียงดนตรีของมนุษย์ โดยในเนื้อเสียงจะมีช่วงที่เป็นท่อนหลักซึ่งจะร้องซ้ำวนไปมา และมีท่อนเสริมที่ร้องเสริมท่อนหลักขึ้นมา และวาฬดูเฉพาะเจาะจงมากเกี่ยวกับการใช้ถ้อยคำทางดนตรีของพวกมัน หลังจากนั้น เขานำเสียงของวาฬหลังค่อมมาเรียบเรียงเป็นเพลง และผลักดันผ่านวงการดนตรีจนสามารถสร้างความตื่นตัวของสาธารณะต่อสถานการณ์การล่าวาฬที่เลวร้ายในช่วงทศวรรษที่ 70-80 ได้ การขับเคลื่อนครั้งนั้นนำมาสู่ความสำเร็จในการประกาศยุติการล่าวาฬเชิงพาณิชย์ได้ในเวลาถัดมา โดย Payne คิดว่าสาเหตุที่เพลงวาฬหลังค่อมสามารถชนะใจของคนทั่วโลกได้นั้น เพราะเสียงที่เกิดขึ้นมีจังหวะ (beat) และความเร็ว (tempo) ที่มนุษย์สามารถเชื่อมโยงได้ มนุษย์จึงเข้าใจและรู้สึกถึงเสียงของสัตว์ (Payne & McVay, 1971)

Bernie Krause นักนิเวศวิทยาด้านภูมิทัศน์เสียง (soundscape ecologist) ผู้เสนอแนวคิดเรื่อง เสียงเพลงบรรเลงจากเหล่าสัตว์ (animal acoustic) Krause เริ่มต้นจากการเป็นนักดนตรีชาวอเมริกันที่ประสบความสำเร็จอย่างมากในทศวรรษที่ 60-70 เขาถือเป็นผู้เชี่ยวชาญคนแรก ๆ ในการสร้างเสียงใหม่ ๆ จาก Moog synthesizer หรือ เครื่องจักรอิเล็กทรอนิกส์ที่สามารถสร้างโลกใหม่ของเสียง โดยสามารถสร้างโทนเสียงต่าง ๆ ได้ และสามารถนำเสียงนั้นมาดัดให้เป็นรูปร่างที่ไม่เคยได้ยินมาก่อน Krause สร้างผลงานที่โด่งดังมากมายและเป็นผู้อยู่เบื้องหลังวงดนตรีชื่อดังหลายวงในสมัยนั้น

ในปี ค.ศ. 1968 เพื่อนร่วมงานของ Krause คนหนึ่งมีความคิดว่า อยากลองนำเสียงอิเล็กทรอนิกส์ที่สร้างขึ้นเองไปผสมผสานเข้ากับเสียงธรรมชาติ Krause จึงมีโอกาสเดินทางไปอัดเสียงธรรมชาติในป่า

“เมื่อผมเปิดเครื่องบันทึกเสียงและได้ยินเสียงของพื้นที่เปิดโล่งในป่าเป็นครั้งแรก มันวิเศษมาก เสียงลมที่ไหลผ่านต้นเรดวู้ด กาที่บินอยู่เหนือศีรษะ คุณสามารถได้ยินเสียงขอบปีกของพวกมันขณะที่บินอยู่เหนือศีรษะเรา จนมันค่อย ๆ บินไกลออกไป มันทำให้ผมรู้สึกว่า นี้เป็นหนึ่งในเสียงที่สวยงามที่สุดเท่าที่เคยได้ยินมา” Krause กล่าวในรายการ Invisibilia อีกตอนหนึ่ง

ความหลงรักเสียงธรรมชาติ ทำให้ Krause ลาออกจากวงการเพลง เพื่อมาศึกษาและทำอาชีพรับจ้างอัดเสียงธรรมชาติ

วันหนึ่งขณะ Krause อัดเสียงอยู่กลางป่าในประเทศเคนยาที่ซึ่งระบบนิเวศยังมีความสมบูรณ์อย่างมาก เขาสังเกตว่าเสียงที่เกิดขึ้นเหล่านี้ มีท่วงทำนองลักษณะเดียวกันกับการประสานเสียง (orchestration) เหมือนเขากำลังฟังเสียงเพลงจากวงออเคสตรา (orchestra) และเหมือนสิ่งมีชีวิตในป่าจัดระเบียบตัวเองและเล่นเพลงไปด้วยกัน เขาตั้งคำถามขึ้นทันทีว่า เป็นไปได้ไหมที่สัตว์ต่างสายพันธุ์ที่อยู่ในระบบนิเวศเดียวกันจะพยายามปรับโทนเสียงเข้าหากัน และจริง ๆ แล้ว เสียงอึกทึกในป่าที่ได้ยินอาจจะเป็นเสียงดนตรีที่เกิดจากสัตว์พยายามทำเสียงให้กลมกลืนกันก็ได้

หลังจากที่ Krause กลับจากเคนยา เขารีบนำเสียงที่ได้ยินเข้าเครื่อง spectrogram ซึ่งเป็นเครื่องแปลงเสียงให้เป็นรูปภาพเพื่อวิเคราะห์โครงสร้างเสียง และพบว่าโครงสร้างเสียงของธรรมชาติที่อัดออกมานั้นมีโครงสร้างคล้ายคลึงกับเสียงดนตรีที่มนุษย์สร้างขึ้น Krause และเพื่อนร่วมงานที่เป็นนักวิทยาศาสตร์ชื่อ Stuart Gage ได้ร่วมกันพัฒนาและศึกษาจนพบว่า สิ่งมีชีวิตในระบบนิเวศเดียวกันจะพยายามหาระดับความถี่ของช่องเสียงตัวเอง ที่ไม่ทับซ้อนกับสัตว์สายพันธุ์อื่น ซึ่งจะทำให้การส่งเสียงนี้มีความชัดเจนแก่เพื่อนในสายพันธุ์เดียวกัน เพื่อหลีกเลี่ยงการบดบังเสียงที่ส่งออกไป เหมือนกับการจัดระเบียบเสียงของเครื่องดนตรีในวงออเคสตรา

ถึงแม้ในปัจจุบันเรายังไม่สามารถแปลความหมายของคำพูดสัตว์ต่างๆ ได้ แต่เรารู้ว่าเสียงของสัตว์เหล่านี้อาจมีภาษาหรืออารยธรรมเฉพาะเผ่าพันธุ์ซ่อนอยู่ ไม่แน่ว่าการเกิดขึ้นของเพลงและดนตรีที่มนุษย์สร้างขึ้นอยู่ทุกวันนี้ อาจมีรากมาจากการวิวัฒนาการของมนุษย์ร่วมกับสัตว์หลายสายพันธุ์ในป่าใหญ่ จึงไม่น่าแปลกใจเลยว่าทำไมเวลาเข้าป่าหรือนอนท่ามกลางธรรมชาติ ร่างกายมนุษย์จึงคลายความตึงเครียด เหมือนตอนที่เราได้ฟังดนตรีคลาสิกที่บรรเลงจากวงออเคสตราต่างๆ เพราะรากอารยธรรมของเราผูกโยงกับการมีชีวิตอยู่ของสัตว์ในธรรมชาตินั้นเอง มนุษย์อาจรู้สึกถึงธรรมชาติโดยการสัมผัสผ่านเสียงเพลงของพวกมัน

 

เสียงที่เกิดจากการสื่อสารระหว่างสัตว์ต่างๆ สามารถบอกความสมบูรณ์ของธรรมชาติได้

Krause พยายามอธิบายการจัดเรียงที่ซับซ้อนของเสียงชีวภาพ และเสียงรอบข้างอื่น ๆ ที่เกิดขึ้นในพื้นที่ที่ทำการศึกษา โดยตั้งชื่อว่า “เสียงทางชีววิทยา (biophony)” เพื่ออธิบายองค์ประกอบของเสียงที่สร้างขึ้นโดยสิ่งมีชีวิต และ “เสียงทางธรณีฟิสิกส์ (geophony)” เพื่ออธิบายเสียงรอบข้างที่ไม่ใช่เสียงชีวภาพ เช่น เสียงลม เสียงฝน เสียงฟ้าร้อง และเสียงอื่น ๆ องค์ประกอบของเสียงเหล่านี้เกิดขึ้นได้ทั้งพื้นที่อยู่บนบกและใต้ผิวน้ำ

การส่งเสียงระหว่างกันของสัตว์นี้ตั้งอยู่บนสมมติฐานเรื่องการใช้ช่องเสียงเฉพาะ (the acoustic niche hypothesis) กล่าวคือ สัตว์ต่างสายพันธุ์ที่อยู่ในระบบนิเวศเดียวกันจะส่งเสียงคนละความถี่ ในระดับเสียงที่แตกต่างกันเพื่อไม่ให้เสียงของพวกมันขวางกันและกัน โดยในปัจจุบันมีหลักฐานเพิ่มขึ้นเรื่อย ๆ ว่า เกณฑ์ที่สัตว์ใช้ในการจัดระเบียบการส่งเสียงตามระดับที่แตกต่าง คือ ในกรณีที่เสียงมีความทับซ้อนกันเป็นระยะเวลานานสัตว์จะค่อย ๆ ลดระดับเสียงลงไปในช่องเสียงที่ไม่ซ้อนทับกันกับสายพันธุ์อื่น ๆ ในระยะยาว และในกรณีที่เสียงมีการทับซ้อนกันชั่วคราว สัตว์จะลดการทับซ้อนกันชั่วคราวไปยังที่ความถี่ที่ใกล้เคียงกันผ่านกลไกความยืดหยุ่น (plasticity mechanisms) (Krause & Farina, 2016)

สมมติฐานนี้ยังชี้ว่า ระบบนิเวศที่โตเต็มที่หรือมีความสมบูรณ์มาก จะมีสเปกตรัมเสียง หรือช่องเสียงที่แยกกันอย่างเป็นระเบียบชัดเจน ในขณะที่ระบบนิเวศที่มีอายุน้อยหรือถูกรบกวนจากภายนอกมากจะแสดงความไม่เป็นระเบียบของเสียงมากขึ้น เช่น มีหลายสายพันธุ์ส่งเสียงอยู่ในระดับเสียงหนึ่ง แต่ในอีกระดับเสียงหนึ่งกลับไม่มีสัตว์สายพันธุ์ใดใช้เลย ภูมิทัศน์เสียงที่เป็นระเบียบจะสะท้อนให้เห็นถึงคุณภาพของที่อยู่อาศัยของสัตว์และความหลากหลายทางชีวภาพของระบบนิเวศดังกล่าว

ในภายหลังมีการศึกษาเสียงเพิ่มขึ้นอีกเสียงหนึ่ง คือ “เสียงที่มนุษย์สร้างขึ้น (anthrophony)” เช่น เสียงเครื่องบิน เสียงเครื่องจักร และเสียงอื่นๆ ที่เกิดจากการทำกิจกรรมต่างๆ ของมนุษย์ (ซึ่งไม่ใช่เสียงที่มีความหมายเพื่อใช้ในการสื่อสาร) เนื่องจากพบว่าในปัจจุบันเสียงของธรรมชาติได้รับผลกระทบอย่างมากจากกิจกรรมหลากหลายของมนุษย์ (Pijanowski et al., 2011)

 

รูปที่ 4 กรอบแนวคิดที่ใช้ในการศึกษาเรื่องนิเวศวิทยาด้านภูมิทัศน์เสียง (conceptual framework for soundscape ecology) source: Pijanowski et al. (2011)

 

ในปัจจุบัน Krause พบว่า การเจริญเติบโตของเมืองและประชากรมนุษย์ที่เพิ่มมากขึ้นทำให้เขตพื้นที่ป่าและระบบนิเวศหลายแหล่งถูกรุกล้ำ สัดส่วนในเสียงธรรมชาติถูกแทนที่ด้วยสัดส่วนของเสียงที่มนุษย์สร้างมากขึ้น ทำให้ช่องเสียงของสัตว์ถูกทำลาย ประกอบกับการเปลี่ยนแปลงสภาพภูมิอากาศที่เกิดขึ้นรุนแรง ทำให้เกิดหน้าแล้งยาวนานและรุนแรงขึ้น หรือในบางพื้นที่ที่มีระยะเวลาของฤดูกาลที่แปลี่ยนไป อุณหภูมิโลกผิดแปลกไปในฤดูกาลเหล่านั้น ทำให้สัตว์หลายสายพันธุ์ไม่สามารถอยู่ได้และสูญพันธุ์ไปในที่สุด ซึ่งปรากฏการณ์นี้เกิดขึ้นอย่างเห็นได้ชัดจากเสียงธรรมชาติที่ Krause อัดไว้ โดยเขาจะอัดเสียงธรรมชาติในพื้นที่เดิมของทุก ๆ ปี เสียงของธรรมชาติที่ได้ยินจากเครื่องอัดเสียงของ Krause แสดงให้เห็นอย่างชัดเจนเลยว่า เสียงสัตว์ต่างๆ เริ่ม หายไปเมื่อเปรียบเทียบเสียงในที่อัดไว้ในอดีตและปัจจุบัน ดังแสดงในรูปที่ 5

 

รูปที่ 5 สีแดงอ่อนที่เด่นขึ้นมาแสดงความเข้มข้นของเสียงที่เกิดขึ้นในระบบนิเวศที่ Krause อัดเสียงไว้ โดยในปี ค.ศ. 1988 เสียงที่อัดไว้บริเวณ Lincoln meadow ก่อนมีการทำไม้แบบระบบเลือกตัด (selective logging) ในภาพด้านบน แสดงสีแดงอ่อนชัดเจนและเห็นการกระจายตัวในหลายระดับชั้นเสียงสะท้อนให้เห็นถึงสัตว์หลากหลายสายพันธุ์ที่อาศัยอยู่บริเวณนั้น ทั้งนี้ เมื่อเทียบกับเสียงที่อัด Krause อัดในปี ค.ศ. 1989 หลังมีการทำไม้แบบระบบเลือกตัด (ภายใต้การควบคุมสภาพแวดล้อมแบบเดียวกันกับปีก่อน) จะเห็นว่าความเข้มข้นของเสียงหรือสีแดงอ่อนในภาพด้านล่างหายไปเป็นจำนวนมาก โดยเสียงที่ชัดขึ้นในช่วงท้าย (เป็นลักษณะคล้ายเส้นตรง 8 เส้น) เป็นเสียงคนใช้ขวานตัดไม้อยู่ในบริเวณนั้น source: Krause พูดใน ted talk ตอน TEDGlobal 2013 มีชื่อตอนว่า “the voice of the nature world” https://www.ted.com/talks/bernie_krause_the_voice_of_the_natural_world#t-364826)

 

 

จากข้อมูลของ Our World in Data พบว่า พื้นที่ป่ากว่า 1 ใน 3 ของโลกหายไปด้วยการทำลายธรรมชาติและระบบนิเวศของมนุษยชาติอันเป็นผลมาจากการเติบโตของประชากรและการบริโภคที่เพิ่มขึ้น ในปีค.ศ. 2018 ปริมาณป่าไม้ลดเหลือเพียง 38% จาก 57% ของเมื่อ 10,000 ปีก่อน จากการทำลายป่าเพื่อการเพาะปลูกและการทำปศุสัตว์ โดยมนุษย์ใช้พื้นที่ที่อยู่อาศัยของสัตว์ไปถึง 46% และ อีก 1 % ใช้เป็นที่ปลูกสร้างที่อยู่อาศัยของตน ดังแสดงในรูปที่ 6

 

รูปที่ 6 กราฟแท่งแสดงสัดส่วนของพื้นที่ที่สิ่งมีชีวิตใช้อาศัยอยู่ได้มีสัดส่วนน้อยลงเมื่อระยะเวลาผ่านไป โดยพื้นที่ที่อยู่อาศัยของสิ่งมีชีวิตหายไปถึง 2 พันล้านเฮกตาร์ จากเดิม 6 พันล้านเฮกตาร์เหลือเพียง 4 พันล้านเฮกตาร์ สาเหตุมาจากการที่มนุษย์ตัดไม้ทำลายป่ามาเป็นระยะเวลากว่าพันปี ในภาพพื้นที่ป่าไม้แสดงด้วยสีเขียว พื้นที่ที่เป็นทุ่งหญ้าและป่าพุ่มไม้แสดงด้วยสีเทา พื้นที่ที่เกิดจากการเพาะปลูกของมนุษย์แสดงด้วยสีส้ม พื้นที่ที่ใช้ทำปศุสัตว์แสดงด้วยสีแดงเข้ม พื้นที่ทีมนุษย์สร้างขึ้นเพื่ออยู่อาศัยแสดงด้วยสีม่วง และพื้นที่ที่เป็นแหล่งน้ำสะอาดตามธรรมชาติ (จำพวกลำธารและแม่น้ำ) แสดงด้วยสีน้ำเงิน source: https://ourworldindata.org/extinctions

 

นับตั้งแต่ ค.ศ. 1500 ถึง ค.ศ. 2020 มีสิ่งมีชีวิตสูญพันธุ์ไปประมาณกว่า 900 สายพันธุ์ ซึ่งส่วนใหญ่เกิดจากแรงกดดันจากการใช้ชีวิตของมนุษย์ ในจำนวนนี้รวมสัตว์จำพวกนก 159 สายพันธุ์ สัตว์เลี้ยงลูกด้วยนม 85 สายพันธุ์ ปลา 80 สายพันธุ์ และสัตว์ครึ่งบกครึ่งน้ำ 35 สายพันธุ์ รายละเอียดสัตว์ชนิดอื่น ๆ แสดงในรูปที่ 7

รูปที่ 7 แสดงจำนวนสายพันธุ์ของสัตว์ประเภทต่าง ๆ ที่สูญพันธุ์ไปในปีค.ศ. 2020 ประกอบด้วย สัตว์ (Animals) 778 สายพันธุ์, หอย (Molluscs) 299 สายพันธุ์, นก (Birds) 159 สายพันธุ์, พืช (Plants) 122 สายพันธุ์, สัตว์เลี้ยงลูกด้วยนม (Mammals) 85 สายพันธุ์, ปลา (Fishes) 80 สายพันธุ์, แมลง (Insects) 63 สายพันธุ์, สัตว์ครึ่งบกครึ่งน้ำ (Amphibians) 35 สายพันธุ์, สัตว์เลื้อยคลาน (Reptiles) 30 สายพันธุ์, กุ้ง (Crustaceans) 11 สายพันธุ์, แมง (Arachnids) 9 สายพันธุ์, สัตว์อื่นๆ (Other animals) 7 สายพันธุ์

 

ผู้ดำเนินรายการ Invisibilia ถามคำถามสุดท้ายกับ Krause ว่า ในปัจจุบันคุณได้ยินเสียงอะไรบ้างเวลาคุณเข้าไปทำงานในป่า Krause ตอบทิ้งท้ายรายการว่า “Complete silence.”

หลังจากรายการ invisiblilia จบลง ผู้เขียนสังเกตได้ว่า เสียงกบที่มักจะดังกึกก้องเป็นประจำในช่วงเวลาเย็นหลังฝนตก…เบาลงมากจากตอนเด็กที่เคยได้ยิน และเสียงของสัตว์บางชนิดที่หายไปนั้น ก็คงไม่มีวันกลับมา

 

 

งานวิจัยอ้างอิง

Aiyar, S., Calomiris, C. W., Hooley, J., Korniyenko, Y., & Wieladek, T. (2014). The international transmission of bank capital requirements: Evidence from the UK. Journal of Financial Economics, 113(3), 368–382. https://doi.org/10.1016/j.jfineco.2014.05.003

Artetxe, M., Labaka, G., Agirre, E., & Cho, K. (2018). Unsupervised neural machine translation. 6th International Conference on Learning Representations, ICLR 2018 – Conference Track Proceedings, 1–12.

Krause, B., & Farina, A. (2016). Using ecoacoustic methods to survey the impacts of climate change on biodiversity. Biological Conservation, 195(January 2016), 245–254. https://doi.org/10.1016/j.biocon.2016.01.013

Lample, G., Conneau, A., Ranzato, M., Denoyer, L., & Jégou, H. (2018). Word translation without parallel data. 6th International Conference on Learning Representations, ICLR 2018 – Conference Track Proceedings, 1–14.

Payne, R. S., & McVay, S. (1971). Songs of humpback whales. Science, 173(3997), 585–597. https://doi.org/10.1126/science.173.3997.585

Pijanowski, B. C., Villanueva-Rivera, L. J., Dumyahn, S. L., Farina, A., Krause, B. L., Napoletano, B. M., Gage, S. H., & Pieretti, N. (2011). Soundscape ecology: The science of sound in the landscape. BioScience, 61(3), 203–216. https://doi.org/10.1525/bio.2011.61.3.6

 แหล่งข้อมูลอื่นๆ ที่เกี่ยวข้อง