Semnificația sunetelor

Comunicarea animală poate părea surprinzător de familiară. Diverse apeluri pot semnala urgență, atrage atenția sau apărea în anumite situații sociale.

Cu inteligența artificială capabilă acum să proceseze colecții uriașe de înregistrări, cercetătorii au început să se întrebe dacă mașinile pot trece dincolo de recunoașterea sunetelor și să determine cu adevărat ce înseamnă acele semnale.

Un studiu recent sugerează că această sarcină este mult mai complicată decât simpla predare a unui sistem de inteligență artificială să sorteze sunetele în grupuri.

Modelele sonore nu sunt la fel ca semnificația

Sistemele de inteligență artificială sunt deosebit de bune la identificarea modelelor în seturi de date mari. Atunci când cercetătorii furnizează înregistrări, un model poate compara caracteristici precum tonalitatea, sincronizarea, frecvența și alte caracteristici care pot fi dificil de observat cu urechea. Problema este că similitudinea acustică nu corespunde întotdeauna semnificației comunicative.

Două sunete care se aseamănă pot servi scopuri diferite, în timp ce sunetele semnificativ diferite pot comunica informații similare. Sortarea semnalelor în funcție de caracteristicile lor acustice poate crea, prin urmare, o imagine incompletă a modului în care funcționează comunicarea. Această distincție este deosebit de importantă în studiul animalelor deoarece cercetătorii nu pot pur și simplu întreba expeditorul ce înseamnă un anumit sunet.

Un test folosind vocalizările copiilor mici

Cercetătorii de la Universitatea Tel Aviv și instituțiile colaboratoare au explorat această provocare folosind vocalizările copiilor mici care nu dezvoltaseră încă vorbire completă. Acest lucru a oferit o oportunitate de cercetare neobișnuită deoarece semnificația dorită a sunetelor ar putea fi evaluată mai direct decât în comunicarea animală. Înregistrările au reprezentat mai multe situații, inclusiv deznodare, chemarea unui anumit părinte și solicitarea mâncării.

Cercetătorii au comparat apoi diferite metode de analiză a înregistrărilor. O abordare se baza pe analiza acustică convențională, în timp ce au fost testate și două sisteme de învățare profundă. Un model fusese antrenat folosind vocalizările animalelor, pe când celălalt fusese antrenat cu privire la vorbirea umană.

IA ar putea pierde mesajul

Modelele uneori grupau sunetele cu semnificații diferite împreună. În alte cazuri, separau sunetele care erau destinate să comunice același lucru. O altă dificultate implică secvențele. O serie de voci poate varia în intensitate sau urgență, iar oamenii pot recunoaște această progresie în mod natural. Modelele testate nu capturau această diferență în mod fiabil.

Concluziile sugerează că identificarea caracteristicilor acustice recurente este doar o parte a înțelegerii comunicării. O mașină poate recunoaște că două sunete au caracteristici comune fără a ști ce înseamnă acele sunete pentru persoana care le primește. Această distincție contează mult atunci când obiectivul este să studiem comunicarea animală și nu doar să clasificăm înregistrările.

De ce contextul contează

Înțelegerea unui semnal de comunicare necesită privirea dincolo de sunet în sine. Cercetătorii trebuie să ia în considerare ce se întâmpla atunci când semnalul era produs, cine l-a primit și ce s-a întâmplat ulterior. Observațiile comportamentale pot oferi indicii importante. Experimentele controlate de redare pot merge și mai departe, permițând oamenilor de știință să prezinte un sunet unui alt individ și să observe comportamentul rezultat.

În anumite medii de cercetare, informații despre activitatea sistemului nervos ar putea contribui, de asemenea, la înțelegerea modului în care semnalele sunt percepute. Această abordare recunoaște că comunicarea este un proces bilateral. Producerea unui sunet este doar o parte a interacțiunii; răspunsul receptorului poate oferi dovezi despre faptul că semnalul poartă o anumită funcție.

IA are totuși un rol important

Concluziile nu înseamnă că inteligența artificială are puțină valoare în cercetarea comunicării animale.

Dimpotrivă: IA poate procesa cantități enorme de date audio și identifica modele care ar putea fi dificile pentru cercetători să detecteze manual. Rolul său, însă, poate fi mai util ca un instrument pentru generarea și testarea întrebărilor științifice decât ca un traducător automat.

Un model ar putea identifica un model de sunet recurent asociat cu o anumită situație. Cercetătorii ar putea apoi investiga dacă acea relație rămâne consistentă în cazul indivizilor și circumstanțelor. Dacă experimentele controlate produc răspunsuri concordante, încrederea în interpretare ar crește.

Provocarea înainte

Studiul, publicat în Current Biology, subliniază o problemă de bază cu care se confruntă eforturile de a decoda comunicarea animală: înțelegerea unui semnal necesită cunoașterea modului în care receptorul îl percepe, nu doar arată sau sună semnalul unei mașini. Acest principiu ar putea modela cercetările viitoare care implică păsări, balene, lilieci și alte specii. Seturile de date mai mari cu siguranță vor ajuta, dar înregistrările necesită și context util.

Informații despre comportament, mediul înconjurător, interacțiunile sociale și răspunsurile pot face datele mult mai informative. Cercetările viitoare vor depinde probabil de combinarea IA cu studii comportamentale detaliate și experimente controlate. Această abordare ar putea ajuta oamenii de știință să se apropie mai mult de înțelegerea comunicării animale fără a presupune că fiecare sunet repetat reprezintă un mesaj simplu și universal.