AI a zvířecí řeč

Zvířecí komunikace může být překvapivě podobná té lidské. Různé zvuky mohou vyjadřovat naléhavost, přitahovat pozornost nebo se objevovat v konkrétních společenských situacích.

S rozvojem umělé inteligence, která dokáže zpracovat obrovské množství nahrávek, se proto vědci začali ptát, zda mohou stroje nejen rozpoznávat zvuky, ale také určit jejich význam.

Nová studie však naznačuje, že tento úkol je mnohem složitější než pouhé rozdělení zvuků do jednotlivých skupin.

Zvukový vzorec není význam

Umělá inteligence je mimořádně dobrá v rozpoznávání vzorců ve velkých souborech dat. Když výzkumníci modelu předloží zvukové nahrávky, dokáže porovnávat například výšku tónu, načasování, frekvenci a další vlastnosti, které může lidské ucho snadno přehlédnout.

Podobnost zvuku ale nemusí znamenat podobnost sdělení. Dva podobné zvuky mohou mít zcela odlišnou funkci, zatímco výrazně odlišné zvuky mohou předávat podobnou informaci. Třídění signálů pouze podle jejich akustických vlastností proto nabízí jen neúplný obraz fungování komunikace.

Tento rozdíl je při výzkumu zvířat obzvlášť důležitý. Vědci se totiž nemohou jednoduše zeptat původce zvuku, co přesně jím chtěl sdělit.

Test s dětskými hlasovými projevy

Výzkumníci z Telavivské univerzity a spolupracujících institucí se na tento problém zaměřili pomocí hlasových projevů malých dětí, které ještě neměly plně rozvinutou řeč. Vznikla tak neobvyklá příležitost, protože zamýšlený význam jednotlivých zvuků bylo možné posoudit přesněji než u zvířecí komunikace.

Nahrávky zachycovaly několik různých situací, například projevy nepohody, volání po konkrétním rodiči nebo žádost o jídlo. Vědci následně porovnali několik způsobů jejich analýzy.

Jeden přístup vycházel z tradiční akustické analýzy, zatímco další dva využívaly systémy hlubokého učení. Jeden z modelů byl trénován na zvířecích hlasových projevech, druhý na lidské řeči.

AI může přehlédnout sdělení

Modely v některých případech zařadily zvuky s odlišným významem do stejné skupiny. Jindy naopak rozdělily zvuky, které měly z hlediska komunikace stejný účel. Další komplikaci představovaly celé sekvence hlasových projevů.

Série zvuků může například postupně nabývat na intenzitě nebo naléhavosti a člověk tento vývoj často dokáže přirozeně rozpoznat.

Testované modely však tento rozdíl nedokázaly spolehlivě zachytit. Výsledky ukazují, že rozpoznání opakujících se akustických vlastností představuje pouze jednu část porozumění komunikaci. Stroj může zjistit, že dva zvuky mají podobné charakteristiky, aniž by dokázal určit, co znamenají pro jedince, který je přijímá. Právě tento rozdíl je zásadní, pokud cílem není jen klasifikovat nahrávky, ale skutečně porozumět komunikaci mezi zvířaty.

Bez kontextu to nejde

Pro pochopení komunikačního signálu je nutné sledovat mnohem víc než samotný zvuk. Výzkumníci potřebují vědět, co se dělo v okamžiku jeho vydání, komu byl určen a co následovalo poté. Důležitou roli proto mohou hrát také pozorování chování.

Ještě dál mohou zajít kontrolované experimenty s přehráváním nahrávek. Vědci při nich mohou konkrétní zvuk pustit jinému jedinci a sledovat, jak na něj zareaguje. V některých výzkumech mohou k lepšímu pochopení vnímání signálů přispět také údaje o aktivitě nervového systému.

Takový přístup zdůrazňuje, že komunikace je obousměrný proces. Vydání zvuku představuje pouze jednu část interakce. Reakce příjemce může poskytnout důležitý důkaz o tom, zda má daný signál skutečně určitou komunikační funkci.

AI má stále velký význam

Zjištění studie neznamenají, že by umělá inteligence měla při výzkumu zvířecí komunikace jen omezené využití. Právě naopak. AI dokáže zpracovat obrovské množství zvukových dat a odhalit vzorce, kterých by si vědci při ruční analýze nemuseli všimnout.

Její úloha však může spočívat spíše v generování a ověřování vědeckých hypotéz než v automatickém překládání zvířecích zvuků.

Model může například odhalit opakující se zvukový vzorec spojený s určitou situací. Výzkumníci pak mohou ověřit, zda se tento vztah opakuje u různých jedinců a také za odlišných okolností. Pokud kontrolované experimenty povedou k odpovídajícím reakcím, bude možné dané interpretaci přikládat větší váhu.

Co čeká další výzkum

Studie publikovaná v časopise Current Biology upozorňuje na zásadní problém při snaze rozluštit zvířecí komunikaci. Porozumění signálu totiž vyžaduje znalost toho, jak jej vnímá příjemce, nikoli pouze toho, jak jeho zvukové vlastnosti dokáže analyzovat počítač.

Tento princip může ovlivnit budoucí výzkum ptáků, velryb, netopýrů i dalších živočišných druhů. Větší množství dat bude nepochybně užitečné, samotné nahrávky však nemusí stačit. Mnohem cennější mohou být záznamy doplněné o informace o chování, prostředí, sociálních vztazích a reakcích jednotlivých zvířat.

Budoucí výzkum tak bude pravděpodobně stát na kombinaci umělé inteligence, detailního pozorování chování a kontrolovaných experimentů.

Právě tento přístup by mohl vědcům pomoci lépe porozumět tomu, jak si zvířata skutečně předávají informace, aniž by automaticky předpokládali, že každý opakující se zvuk představuje jednoduché a univerzální sdělení.