ШІ не вміє «читати» тварин?

Комунікація тварин може здаватися напрочуд знайомою. Різноманітні сигнали можуть вказувати на терміновість, привертати увагу або ж з’являтися в певних соціальних ситуаціях.

Оскільки штучний інтелект тепер здатний обробляти величезні масиви записів, дослідники почали замислюватися, чи можуть машини вийти за межі розпізнавання звуків і справді визначати значення цих сигналів. Нещодавнє дослідження свідчить про те, що це завдання значно складніше, ніж просто навчання системи штучного інтелекту розподіляти звуки за групами.

Звукові патерни — це не те саме, що й значення

Системи штучного інтелекту особливо ефективно виявляють закономірності у великих масивах даних. Коли дослідники надають записи, модель може порівнювати такі параметри, як висота тону, часові характеристики, частота та інші ознаки, які важко вловити на слух.

Проблема полягає в тому, що акустична схожість не завжди відповідає комунікативному значенню. Два схожі звуки можуть виконувати різні функції, тоді як помітно відмінні звуки можуть передавати схожу інформацію. Отже, класифікація сигналів за акустичними ознаками може дати неповне уявлення про механізми комунікації. Це розмежування має особливе значення при вивченні тварин, оскільки дослідники не можуть просто запитати «відправника» сигналу, що саме означає той чи інший звук.

Дослідження з використанням вокалізацій маленьких дітей

Науковці з Тель-Авівського університету та партнерських установ досліджували це питання, аналізуючи звуки, які видавали маленькі діти, що ще не опанували повноцінне мовлення. Це відкрило унікальні можливості для дослідження, оскільки намір, закладений у звуках, можна було оцінити більш безпосередньо, ніж у випадку з комунікацією тварин.

Записи охоплювали різні ситуації: вираження дискомфорту чи тривоги, поклик до конкретного з батьків і прохання про їжу. Дослідники порівняли різні методи аналізу цих записів. Один із підходів ґрунтувався на традиційному акустичному аналізі, тоді як інші два передбачали використання систем глибокого навчання. Одна з моделей була навчена на звуках тварин, а інша — на людському мовленні.

ШІ може не вловити зміст повідомлення

Іноді моделі об’єднували звуки з різним значенням в одну групу. В інших випадках вони розділяли звуки, що мали на меті передати одне й те саме повідомлення. Ще однією складністю стала робота з послідовностями звуків. Серія вокалізацій може змінюватися за інтенсивністю чи ступенем терміновості, і люди здатні інтуїтивно розпізнавати таку динаміку. Проте протестовані моделі не змогли надійно вловити ці відмінності.

Отримані результати свідчать про те, що виявлення повторюваних акустичних характеристик — це лише один із аспектів розуміння комунікації. Машина може розпізнати спільні риси двох звуків, не розуміючи при цьому, яке значення вони мають для того, хто їх сприймає. Це розмежування має вирішальне значення, коли метою є дослідження комунікації тварин, а не просто класифікація записів.

Чому важливий контекст

Щоб зрозуміти комунікаційний сигнал, потрібно зважати не лише на сам звук. Дослідникам необхідно враховувати обставини, за яких виник сигнал, хто його отримав і що відбулося після цього. Важливі підказки можуть дати спостереження за поведінкою.

Експерименти з контрольованим відтворенням звуків дозволяють піти далі: науковці можуть подати звук іншій особині й спостерігати за її реакцією. У деяких дослідженнях розумінню механізмів сприйняття сигналів також можуть сприяти дані про активність нервової системи.

Такий підхід визнає, що комунікація — це двосторонній процес. Видання звуку є лише частиною взаємодії; реакція отримувача може свідчити про те, чи виконує сигнал певну функцію.

Важлива роль штучного інтелекту

Ці висновки не означають, що штучний інтелект (ШІ) має незначну цінність для досліджень комунікації тварин. Навпаки: ШІ здатний обробляти величезні обсяги аудіоданих і виявляти закономірності, які дослідникам було б важко помітити вручну. Утім, його роль може полягати не стільки у функції автоматичного перекладача, скільки в тому, щоб слугувати інструментом для формулювання та перевірки наукових гіпотез.

Модель може виявити повторюваний звуковий патерн, пов’язаний із певною ситуацією. Після цього дослідники можуть перевірити, чи зберігається цей зв’язок у різних особин і за різних обставин. Якщо контрольовані експерименти демонструватимуть однакові реакції, це підвищить упевненість у правильності такого тлумачення.

Виклик, що стоїть попереду

У дослідженні, опублікованому в журналі *Current Biology*, висвітлено фундаментальну проблему, з якою стикаються спроби розшифрувати комунікацію тварин: розуміння сигналу вимагає знання того, як саме його сприймає адресат, а не лише того, як цей сигнал виглядає чи звучить для технічного пристрою. Цей принцип може визначити напрямок майбутніх досліджень за участю птахів, китів, кажанів та інших видів.

Безумовно, наявність більших масивів даних стане в пригоді, проте записи також потребують важливого контексту. Інформація про поведінку, навколишнє середовище, соціальні взаємодії та реакції може зробити ці дані значно інформативнішими.

Майбутні дослідження, ймовірно, залежатимуть від поєднання штучного інтелекту з детальними поведінковими дослідженнями та контрольованими експериментами. Такий підхід може допомогти вченим наблизитися до розуміння комунікації тварин, не припускаючи, що кожен повторюваний звук являє собою просте, універсальне повідомлення.