AI и езикът на животните

Животинската комуникация понякога изглежда изненадващо позната. Различни звуци могат да предупреждават за опасност, да привличат внимание или да се появяват в определени социални ситуации.

С развитието на изкуствения интелект учените вече разполагат с инструменти, способни да обработват огромни масиви от записи.

Това повдига важен въпрос: може ли машината не само да разпознава звуците, но и да разбира какво означават? Ново изследване показва, че задачата е далеч по-сложна от простото разделяне на сигналите по категории.

Звукът не е равен на смисъл

Изкуственият интелект е особено добър в откриването на повтарящи се модели в големи набори от данни. При аудиозаписи алгоритмите могат да сравняват характеристики като височина на тона, продължителност, честота и други особености, които трудно се забелязват само със слух.

Проблемът е, че акустичната прилика невинаги означава еднаква комуникативна функция. Два сходни звука могат да служат за напълно различни цели, докато значително различаващи се сигнали могат да предават сходна информация.

Затова подреждането на звуците единствено според техните акустични характеристики може да даде непълна представа за начина, по който работи комуникацията.

Това е особено важно при изследването на животни, тъй като учените не могат просто да попитат животното, което издава сигнала, какво е искало да каже.

Необичаен тест с малки деца

Изследователи от Телавивския университет и други научни институции са проучили този проблем чрез вокализации на малки деца, които все още не са развили пълноценна реч. Това създава необичайна възможност, тъй като предполагаемото значение на звуците може да бъде определено по-пряко, отколкото при животните.

Записите включвали различни ситуации – моменти на дискомфорт, опити за привличане на конкретен родител и искане на храна.

След това учените сравнили няколко начина за анализ на материалите.Единият подход разчитал на традиционен акустичен анализ, а други два използвали системи за дълбоко обучение. Единият модел бил обучен с животински вокализации, докато другият използвал човешка реч като тренировъчен материал.

Когато AI пропуска посланието

Моделите понякога поставяли звуци с различно значение в една и съща група. В други случаи те разделяли сигнали, които всъщност имали една и съща комуникативна цел.

Допълнително затруднение се оказала последователността от звуци. Поредица от вокализации може постепенно да стане по-силна или по-настойчива, което за човек често е лесно за разпознаване като промяна в спешността. Тестваните модели обаче не успявали надеждно да уловят тази разлика.

Резултатите показват, че разпознаването на повтарящи се акустични характеристики е само една част от разбирането на комуникацията. Машината може да установи, че два звука имат сходни особености, без да разбира какво означават те за индивида, който ги възприема.

Контекстът е от ключово значение

За да бъде разбран един комуникативен сигнал, учените трябва да погледнат отвъд самия звук. Важно е да се знае какво се е случвало в момента на издаването му, кой го е получил и какво е последвало след това. Наблюдението на поведението може да даде ценни насоки.

Контролираните експерименти с възпроизвеждане на звуци могат да предоставят още по-силни доказателства. При тях учените представят определен сигнал на друг индивид и наблюдават как реагира той.

В някои изследвания допълнителна информация може да бъде получена и чрез проследяване на активността на нервната система, което помага да се разбере как сигналите се възприемат.

Този подход разглежда комуникацията като двустранен процес. Издаването на звук е само едната страна на взаимодействието – реакцията на получателя може да покаже дали даден сигнал действително изпълнява конкретна функция.

AI все пак има важна роля

Резултатите не означават, че изкуственият интелект няма място в изследването на животинската комуникация. Напротив, той може да обработва огромни количества аудиоданни и да открива модели, които биха били изключително трудни за забелязване от хората.

Ролята му обаче може да бъде по-полезна като инструмент за формулиране и проверка на научни хипотези, а не като автоматичен преводач на животински език.

Например модел може да открие повтарящ се звуков модел, който се появява в определена ситуация. След това учените могат да проверят дали тази връзка се запазва при различни индивиди и обстоятелства. Ако контролираните експерименти покажат сходни реакции, увереността в направеното тълкуване би се увеличила.

Предизвикателството пред учените

Изследването, публикувано в списание Current Biology, поставя в центъра един основен проблем при опитите да бъде разкодирана животинската комуникация. За да се разбере даден сигнал, не е достатъчно да се анализира как изглежда или звучи той за машината. Необходимо е да се разбере и как го възприема неговият получател.

Този принцип може да се окаже важен за бъдещи изследвания на птици, китове, прилепи и други животни.

По-големите набори от данни със сигурност могат да помогнат, но самите записи трябва да бъдат придружени от достатъчно контекст.

Информацията за поведението, средата, социалните взаимодействия и последвалите реакции може да направи тези данни значително по-ценни.

В бъдеще учените вероятно ще разчитат все повече на съчетаването на AI с подробни поведенчески наблюдения и контролирани експерименти. Така те могат да се доближат до разбирането на животинската комуникация, без да приемат, че всеки повтарящ се звук представлява прост и универсален сигнал.