Az AI nem érti az állatokat

Az állatok kommunikációja sokszor meglepően ismerősnek tűnhet.

Egy-egy hang jelezhet sürgős helyzetet, felkeltheti a figyelmet, vagy meghatározott társas helyzetekben jelenhet meg.

A mesterséges intelligencia fejlődésével a kutatók ma már hatalmas mennyiségű hangfelvételt képesek elemezni, ezért egyre gyakrabban merül fel a kérdés: képesek lehetnek-e a gépek nemcsak felismerni ezeket a hangokat, hanem azt is megállapítani, mit jelentenek?

Egy friss tanulmány szerint ez a feladat jóval összetettebb annál, mint hogy egy AI-rendszert egyszerűen megtanítsanak különböző hangok csoportosítására.

A hangminták nem azonosak a jelentéssel

A mesterséges intelligencia különösen hatékony a nagy adathalmazokban rejlő mintázatok felismerésében. Hangfelvételek esetén a rendszer olyan jellemzőket is össze tud hasonlítani, mint a hangmagasság, az időzítés, a frekvencia és számos más akusztikai tulajdonság, amelyeket az emberi fül nehezebben érzékel.

A probléma az, hogy az akusztikai hasonlóság nem feltétlenül jelent azonos kommunikációs funkciót. Két egymáshoz hasonló hang egészen eltérő célt szolgálhat, miközben két akusztikailag különböző jel ugyanazt az információt közvetítheti.

Ezért a jelek pusztán hangzásuk alapján történő rendszerezése csak részleges képet adhat a kommunikáció működéséről. Ez különösen fontos az állatok vizsgálatakor, hiszen a kutatók nem tudják egyszerűen megkérdezni a hang kibocsátóját, mit szeretett volna közölni.

Kisgyermekek hangjai adtak új lehetőséget

A Tel-Avivi Egyetem és más intézmények kutatói kisgyermekek, még teljes beszédkészséggel nem rendelkező gyermekek hangadásain keresztül vizsgálták ezt a problémát. Ez különleges kutatási lehetőséget kínált, mivel ezeknek a hangoknak a szándékolt jelentése közvetlenebbül meghatározható volt, mint az állati kommunikáció esetében.

A felvételek többféle helyzetet mutattak, köztük distresszt, egy adott szülő hívását, valamint étel kérésekor kiadott hangokat.

A kutatók ezután különböző módszerekkel elemezték a felvételeket. Az egyik megközelítés hagyományos akusztikai elemzésre épült, míg két mélytanulási rendszert is teszteltek. Az egyik modellt állati hangadásokon, a másikat pedig emberi beszéden tanították.

Az AI félreértheti az üzenetet

A vizsgált modellek időnként egy csoportba soroltak eltérő jelentésű hangokat. Más esetekben különválasztottak olyan hangadásokat, amelyek ugyanazt a célt szolgálták.

A hangsorozatok további nehézséget jelentettek. Egy több hangból álló sorozat intenzitása vagy sürgőssége fokozódhat, amit az ember természetes módon érzékelhet. A tesztelt modellek azonban nem tudták ezt a különbséget következetesen felismerni. Az eredmények arra utalnak, hogy a visszatérő akusztikai jellemzők felismerése csak egyetlen része a kommunikáció megértésének.

Egy gép képes lehet megállapítani, hogy két hang bizonyos tulajdonságokban hasonlít egymásra, de ebből még nem következik, hogy tudja, mit jelent a hang annak, aki hallja.

Ez a különbség kulcsfontosságú, amikor a cél nem egyszerűen a hangfelvételek osztályozása, hanem az állati kommunikáció valódi működésének feltárása.

A környezet és a viselkedés is számít

Egy kommunikációs jel megértéséhez nem elég magát a hangot vizsgálni. A kutatóknak azt is figyelembe kell venniük, mi történt a jel kibocsátásakor, ki volt a címzett, és milyen esemény követte a hangadást.

A viselkedés közvetlen megfigyelése fontos támpontokat adhat.

A kontrollált visszajátszási kísérletek pedig még tovább vihetik a kutatást: a tudósok egy adott hangot lejátszhatnak egy másik egyednek, majd megfigyelhetik, hogyan reagál rá.

Bizonyos kutatási területeken az idegrendszeri aktivitás vizsgálata is segíthet annak megértésében, hogyan érzékeli a befogadó a jelet.

Ez a megközelítés abból indul ki, hogy a kommunikáció kétoldalú folyamat. A hang létrehozása csak az interakció egyik része. A hallgató reakciója legalább ilyen fontos bizonyíték lehet arra, hogy a jel valóban meghatározott funkciót tölt-e be.

Az AI-nak továbbra is fontos szerepe lehet

A kutatási eredmények nem jelentik azt, hogy a mesterséges intelligenciának nincs helye az állati kommunikáció vizsgálatában.

Éppen ellenkezőleg: az AI hatalmas mennyiségű hanganyagot képes feldolgozni, és olyan mintázatokat is felfedezhet, amelyek manuálisan nehezen lennének azonosíthatók.

A szerepe azonban hasznosabb lehet tudományos kérdések felvetésében és tesztelésében, mint automatikus fordítóként.

Egy modell például felismerhet egy visszatérő hangmintát, amely rendszeresen összefügg egy bizonyos helyzettel. A kutatók ezután megvizsgálhatják, hogy ez a kapcsolat különböző egyedeknél és eltérő körülmények között is fennáll-e.

Ha a kontrollált kísérletekben hasonló reakciókat figyelnek meg, az erősebb bizonyítékot jelenthet arra, hogy a hang valóban meghatározott kommunikációs funkcióval rendelkezik.

Komplex feladat vár a kutatókra

A Current Biology című folyóiratban publikált tanulmány egy alapvető problémára világít rá az állati kommunikáció megfejtésére irányuló kutatásokban: egy jel megértéséhez nem elég tudni, hogyan hangzik vagy milyen mintázatot alkot egy gép számára. Azt is meg kell érteni, hogyan érzékeli és hogyan értelmezi azt a fogadó fél.

Ez az elv a jövőben fontos szerepet játszhat a madarak, bálnák, denevérek és más fajok kommunikációjának kutatásában is.

A nagyobb adathalmazok természetesen sokat segíthetnek, de önmagukban nem feltétlenül oldják meg a problémát.

A felvételekhez kapcsolódó viselkedési, környezeti és társas információk jelentősen növelhetik az adatok értékét.

A jövőbeni kutatások ezért várhatóan az AI elemzőképességét részletes viselkedési megfigyelésekkel és kontrollált kísérletekkel kombinálják. Ez közelebb viheti a tudósokat az állati kommunikáció megértéséhez, miközben segíthet elkerülni azt a feltételezést, hogy minden ismétlődő hang egyszerű, minden helyzetben azonos üzenetet hordoz.