به گزارش شبکه اطلاع رسانی راه دانا؛ پرندگان با آوازخواندن فقط آوایی گوش‌نواز نمی‌سازند، بلکه قوانین ریاضی نهفته در برقراری ارتباط را نیز به نمایش می‌گذارند. نت‌های کوتاه و پرکاربرد آن‌ها دقیقاً مانند واژه‌های رایج در زبان‌های انسانی، نشان می‌دهد کارآمدی زبان فقط مختص انسان نیست و البته، رازهای مشترک میان زبان انسان و حیوانات را آشکار می‌کند.
تقریباً تمام زبان‌های انسانی به‌طور عجیبی از قانون اختصار زیف پیروی می‌کنند، اما جالب است که این قانون در مورد آواز پرندگان نیز صدق می‌کند. این یافته‌ی شگفت‌آور نشان می‌دهد که نه فقط زبان انسان، بلکه بسیاری از سیستم‌ها در این جهان بر پایه‌ی نظم ریاضی نانوشته و بسیار سازگاری شکل گرفته‌اند.
قانون اختصار زیف توسط جورج کینگزلی زیف، زبان‌شناس آمریکایی، در دهه‌ی ۱۹۳۰ معرفی شد و بیان می‌کند هرچه یک واژه بیشتر مورد استفاده قرار گیرد، کوتاه‌تر است و برعکس؛ یعنی واژه‌های نادر طولانی‌تر و واژه‌های پرکاربرد کوتاه‌ترند. برای مثال، رایج‌ترین واژه‌های انگلیسی مانند the، be، to، of، and، a کوتاه هستند، در حالی که واژه‌های انگلیسی طولانی مانند pneumonoultramicroscopicsilicovolcanoconiosis (نوعی بیماری ریه ناشی از استنشاق ذرات سیلیس) یا antidisestablishmentarianism (مفهوم سیاسی ضدجدایی کلیسا از دولت) به‌ندرت در مکالمات روزمره شنیده می‌شوند.
وقتی واژه‌های طولانی پرکاربرد باشند، معمولاً کوتاه‌تر نیز می‌شوند؛ مثلاً تلویزیون (Television) به TV یا یخچال (Refrigerator) به Fridge و آنفلوانزا (Influenza) به Flu. این پدیده محدود به زبان انگلیسی نیست؛ قانون اختصار زیف در زبان‌هایی مانند فارسی، چینی، کرواتی، چک، هلندی، انگلیسی، فرانسوی، آلمانی، یونانی، مجاری، اندونزیایی، ایتالیایی، لهستانی، پرتغالی، رومانیایی، روسی، اسلوونیایی، اسلواکی، اسپانیایی، سوندایی، سوئدی و بسیاری دیگر نیز مشاهده شده است.
آیا پرندگان هم از قانون اختصار زیف پیروی می‌کنند؟
پژوهشگران دانشگاه منچستر و باغ‌وحش چستر در پژوهشی تازه شواهدی یافته‌اند که نشان می‌دهد آواز پرندگان نیز قانون اختصار زیف را دنبال می‌کند: نت‌ها و صداهای پرکاربرد کوتاه‌تر و نت‌های کمتر شنیده‌شده طولانی‌ترند. دکتر تاکر گیلمن، نویسنده‌ی اصلی پژوهش و استاد ارشد دانشگاه منچستر، توضیح می‌دهد: پرندگان و انسان‌ها شباهت‌هایی در ژن‌ها و ساختار مغز مرتبط با یادگیری ارتباط دارند، اما این نخستین بار است که توانسته‌ایم الگوی ثابت قانون اختصار زیف را در چندین گونه‌ی پرنده شناسایی کنیم.
تیم پژوهشگران از ابزار محاسباتی متن‌باز ZLAvian (ابزار محاسباتی تحلیل آواز پرندگان) استفاده کرد که طول نت‌ها و میزان استفاده از هر نت را تحلیل می‌کند. این ابزار آماری همبستگی طول و فراوانی نت‌ها را برای هر پرنده محاسبه و نتایج را در سطح جمعیت ترکیب می‌کند تا یک امتیاز کلی ارائه شود.
در مجموع، بیش از ۶۰۰ آواز از ۱۱ جمعیت پرنده متعلق به هفت گونه‌ی مختلف بررسی شد. هرچند تک‌جمعیت‌ها همیشه الگوی مشخصی نشان نمی‌دادند، وقتی داده‌ها ترکیب شدند، الگوی واضح‌تری آشکار شد: جمله‌های پرکاربردتر پرندگان به‌طور معناداری کوتاه‌تر بودند. دکتر ربکا لوئیس، پژوهشگر حفاظت در باغ‌وحش چستر، می‌افزاید: مطالعه‌ی قانون اختصار زیف در آواز پرندگان بسیار پیچیده‌تر از زبان انسان است. پرندگان اغلب تعداد کمی نوع نت دارند، حتی در یک گونه تنوع فردی زیاد و طبقه‌بندی نت‌ها دشوار است. پژوهش ما نشان داده است که برای شناسایی الگوهای زبانی، باید طیف وسیعی از گونه‌ها بررسی شود و امیدواریم ZLAvian پژوهشگران دیگر را در مطالعه این الگوها در پرندگان و سایر جانوران یاری کند.
دانشمندان بر این باورند که بسیاری از جانوران دیگر نیز از قاعده‌ی زبانی مشابهی پیروی می‌کنند. این قانون در آواز نهنگ‌های گوژپشت و صداهای پنگوئن‌های آفریقایی نیز مشاهده شده است.
قانون زیف چه چیزهایی را آشکار می‌کند؟
قانون اختصار زیف موجب کارآمدترشدن ارتباط می‌شود و شباهت بسیاری به «اصل کمترین تلاش» دارد؛ ایده‌ای که بیان می‌کند سیستم‌ها به‌طور طبیعی مسیری را انتخاب می‌کنند که کمترین انرژی را برای رسیدن به هدف نیاز دارد. وجود این قانون در جانوران نشان می‌دهد که این پدیده نه انتخاب آگاهانه و نه ویژگی فرهنگی انسان، بلکه قانونی بنیادین است که نحوه‌ی عملکرد بسیاری از سیستم‌ها را شکل می‌دهد.
زیف یافته‌های عمیق‌تر و جالب‌تری نیز ارائه کرده است. او نشان داد پرکاربردترین واژه‌ی یک زبان، در انگلیسی the، تقریباً دو برابر دومین واژه‌ی پرکاربرد، سه برابر سومین و چهار برابر چهارمین ظاهر می‌شود و این الگو ادامه دارد. این الگوی جدا اما مرتبط که به‌سادگی قانون زیف نامیده می‌شود (برخلاف قانون اختصار زیف)، نشان می‌دهد زبان‌ها نه تنها بر اساس اختصار، بلکه بر اساس نظم ریاضی شگفت‌انگیزی شکل گرفته‌اند.
ارسال دیدگاه