AI nedokáže čítať zvieratá?

Komunikácia zvierat môže pôsobiť prekvapivo povedome. Rozličné zvukové prejavy môžu signalizovať naliehavosť, pútať pozornosť alebo sa objavovať v určitých sociálnych situáciách.

Keďže umelá inteligencia je dnes schopná spracovávať rozsiahle súbory nahrávok, výskumníci si začínajú klásť otázku, či dokážu stroje prekročiť rámec rozpoznávania zvukov a skutočne určiť, čo tieto signály znamenajú. Nedávna štúdia naznačuje, že táto úloha je oveľa zložitejšia než len naučiť systém umelej inteligencie triediť zvuky do skupín.

Zvukové vzory nie sú to isté ako význam

Systémy umelej inteligencie sú obzvlášť dobré v identifikácii vzorov vo veľkých súboroch údajov. Keď výskumníci poskytnú nahrávky, model dokáže porovnať vlastnosti, ako je výška tónu, načasovanie, frekvencia a ďalšie charakteristiky, ktoré môže byť ťažké si všimnúť uchom.

Problém je v tom, že akustická podobnosť nie vždy zodpovedá komunikačnému významu. Dva zvuky, ktoré sa navzájom podobajú, môžu slúžiť na rôzne účely, zatiaľ čo zreteľne odlišné zvuky môžu komunikovať podobné informácie. Triedenie signálov podľa ich akustických vlastností môže preto vytvoriť neúplný obraz o tom, ako funguje komunikácia. Toto rozlíšenie je obzvlášť dôležité pri štúdiu zvierat, pretože výskumníci sa nemôžu odosielateľa jednoducho opýtať, čo konkrétny zvuk znamená.

Test s použitím vokalizácií malých detí

Výskumníci z Telavivskej univerzity a spolupracujúcich inštitúcií skúmali túto výzvu pomocou vokalizácií malých detí, ktoré ešte nemali vyvinutú plnú reč. To poskytlo nezvyčajnú výskumnú príležitosť, pretože zamýšľaný význam zvukov sa dal posúdiť priamejšie ako pri komunikácii zvierat.

Nahrávky predstavovali niekoľko situácií vrátane úzkosti, volania po konkrétnom rodičovi a žiadosti o jedlo. Výskumníci potom porovnali rôzne metódy analýzy nahrávok. Jeden prístup sa spoliehal na konvenčnú akustickú analýzu, pričom boli testované aj dva systémy hlbokého učenia. Jeden model bol trénovaný pomocou vokalizácií zvierat, zatiaľ čo druhý bol trénovaný na ľudskej reči.

Umelá inteligencia mohla prehliadnuť správu

Modely niekedy zoskupovali zvuky s rôznym významom. V iných prípadoch oddelili zvuky, ktoré mali vyjadrovať tú istú vec. Ďalšou ťažkosťou boli sekvencie. Séria vokalizácií sa môže meniť v intenzite alebo naliehavosti a ľudia môžu tento postup prirodzene rozpoznať. Testované modely tento rozdiel spoľahlivo nezachytili.

Zistenia naznačujú, že identifikácia opakujúcich sa akustických znakov je len jednou časťou pochopenia komunikácie. Stroj dokáže rozpoznať, že dva zvuky majú spoločné charakteristiky bez toho, aby vedel, čo tieto zvuky znamenajú pre jednotlivca, ktorý ich prijíma. Toto rozlíšenie je veľmi dôležité, keď je cieľom študovať komunikáciu zvierat, a nie len klasifikovať nahrávky.

Prečo je dôležitý kontext

Pochopenie komunikačného signálu si vyžaduje pohľad za samotný zvuk. Výskumníci musia zvážiť, čo sa dialo, keď bol signál vytvorený, kto ho prijal a čo sa stalo potom. Pozorovania správania môžu poskytnúť dôležité indície.

Experimenty s riadeným prehrávaním môžu ísť ďalej tým, že umožnia vedcom prezentovať zvuk inému jedincovi a pozorovať výsledné správanie. V niektorých výskumných prostrediach môžu informácie o aktivite nervového systému tiež prispieť k pochopeniu toho, ako sú signály vnímané.

Tento prístup uznáva, že komunikácia je obojstranný proces. Vydávanie zvuku je len časťou interakcie; reakcia prijímača môže poskytnúť dôkaz o tom, či signál nesie konkrétnu funkciu.

UI stále zohráva dôležitú úlohu

Zistenia neznamenajú, že umelá inteligencia má malú hodnotu vo výskume komunikácie zvierat. Práve naopak: UI dokáže spracovať obrovské množstvo zvukových údajov a identifikovať vzory, ktoré by výskumníci mohli manuálne ťažko odhaliť. Jej úloha však môže byť užitočnejšia ako nástroj na generovanie a testovanie vedeckých otázok, než aby fungovala ako automatický prekladač.

Model by mohol identifikovať opakujúci sa zvukový vzorec spojený s konkrétnou situáciou. Výskumníci by potom mohli skúmať, či tento vzťah zostáva konzistentný u jednotlivých osôb a okolností. Ak by kontrolované experimenty priniesli zhodné odpovede, dôvera v interpretáciu by sa zvýšila.

Výzva do budúcnosti

Štúdia, publikovaná v časopise Current Biology, zdôrazňuje základný problém, ktorému čelia snahy o dekódovanie komunikácie zvierat: pochopenie signálu si vyžaduje znalosť toho, ako ho prijímač vníma, nielen to, ako signál vyzerá alebo znie pre stroj. Tento princíp by mohol formovať budúci výskum zahŕňajúci vtáky, veľryby, netopiere a iné druhy.

Väčšie súbory údajov určite pomôžu, ale aj nahrávky potrebujú užitočný kontext. Informácie o správaní, okolí, sociálnych interakciách a reakciách môžu údaje urobiť oveľa informatívnejšími.

Budúci výskum bude pravdepodobne závisieť od kombinácie umelej inteligencie s podrobnými behaviorálnymi štúdiami a kontrolovanými experimentmi. Tento prístup by mohol vedcom pomôcť priblížiť sa k pochopeniu komunikácie zvierat bez toho, aby predpokladal, že každý opakovaný zvuk predstavuje jednoduchú, univerzálnu správu.