IA não compreende animais

A comunicação animal pode parecer surpreendentemente familiar. Diferentes vocalizações podem sinalizar urgência, atrair a atenção ou surgir em situações sociais específicas.

Com a inteligência artificial agora capaz de processar enormes coleções de gravações, os investigadores começaram a questionar se as máquinas conseguem ir além do reconhecimento de sons e determinar realmente o significado destes sinais.

Um estudo recente sugere que esta tarefa é muito mais complexa do que simplesmente ensinar um sistema de IA a agrupar sons.

Os padrões sonoros não são o mesmo que significado

Os sistemas de IA são particularmente bons a identificar padrões em grandes conjuntos de dados. Quando os investigadores fornecem gravações, um modelo pode comparar características como o tom, a duração, a frequência e outras características que podem ser difíceis de perceber através do ouvido.

O problema é que a semelhança acústica nem sempre corresponde ao significado comunicativo. Dois sons que se assemelham podem servir propósitos diferentes, enquanto sons notavelmente diferentes podem comunicar informações semelhantes. Classificar os sinais de acordo com as suas características acústicas pode, portanto, criar uma visão incompleta do funcionamento da comunicação. Esta distinção é especialmente importante no estudo dos animais, uma vez que os investigadores não podem simplesmente perguntar ao emissor o que significa um determinado som.

Um teste utilizando vocalizações de crianças pequenas

Investigadores da Universidade de Tel Aviv e de instituições colaboradoras exploraram este desafio utilizando vocalizações de crianças pequenas que ainda não tinham desenvolvido o discurso completo. Isto proporcionou uma oportunidade de investigação invulgar, uma vez que o significado pretendido dos sons pôde ser avaliado de forma mais direta do que na comunicação animal.

As gravações representavam diversas situações, incluindo angústia, chamadas por um dos pais e pedidos de comida. Os investigadores compararam depois diferentes métodos para analisar as gravações. Uma abordagem baseou-se na análise acústica convencional, enquanto dois sistemas de aprendizagem profunda foram também testados. Um modelo foi treinado utilizando vocalizações de animais, enquanto o outro foi treinado com fala humana.

A IA pode não captar a mensagem

Os modelos agrupavam por vezes sons com significados diferentes. Noutros casos, separavam sons que tinham a intenção de comunicar a mesma coisa. Outra dificuldade envolvia sequências. Uma série de vocalizações pode mudar em intensidade ou urgência, e os humanos podem reconhecer esta progressão naturalmente. Os modelos testados não captaram esta diferença de forma fiável.

Os resultados sugerem que a identificação de características acústicas recorrentes é apenas uma parte da compreensão da comunicação. Uma máquina pode reconhecer que dois sons partilham características sem saber o que esses sons significam para o indivíduo que os recebe. Esta distinção é crucial quando o objetivo é estudar a comunicação animal, e não simplesmente classificar gravações.

Porque é que o contexto é importante

Para compreender um sinal de comunicação, é necessário ir além do som em si. Os investigadores precisam de considerar o que estava a acontecer quando o sinal foi produzido, quem o recebeu e o que aconteceu depois. As observações comportamentais podem fornecer pistas importantes.

As experiências de reprodução controlada podem ir mais além, permitindo aos cientistas apresentar um som a outro indivíduo e observar o comportamento resultante. Em alguns contextos de investigação, a informação sobre a atividade do sistema nervoso pode também contribuir para a compreensão da forma como os sinais são percecionados.

Esta abordagem reconhece que a comunicação é um processo bilateral. Produzir um som é apenas parte da interação; a resposta do recetor pode fornecer evidências sobre se o sinal transporta uma função específica.

A IA ainda tem um papel importante

As descobertas não significam que a inteligência artificial tenha pouco valor na investigação sobre a comunicação animal. Muito pelo contrário: a IA pode processar enormes quantidades de dados áudio e identificar padrões que seriam difíceis de detetar manualmente pelos investigadores. O seu papel, no entanto, pode ser mais útil como ferramenta para gerar e testar questões científicas do que como tradutor automático.

Um modelo poderia identificar um padrão sonoro recorrente associado a uma situação específica. Os investigadores poderiam então investigar se esta relação se mantém consistente entre os indivíduos e as circunstâncias. Se as experiências controladas produzirem respostas correspondentes, a confiança na interpretação aumentaria.

O Desafio que Temos pela Frente

O estudo, publicado na Current Biology, destaca uma questão fundamental que se coloca nos esforços para decifrar a comunicação animal: compreender um sinal requer o conhecimento de como o receptor o percepciona, e não simplesmente de como o sinal se apresenta visual ou sonoramente a uma máquina. Este princípio poderá moldar futuras pesquisas que envolvam aves, baleias, morcegos e outras espécies.

Conjuntos de dados maiores certamente ajudarão, mas as gravações também precisam de um contexto útil. A informação sobre o comportamento, o ambiente, as interações sociais e as respostas pode tornar os dados muito mais informativos.

É provável que a investigação futura dependa da combinação de IA com estudos comportamentais detalhados e experiências controladas. Esta abordagem poderá ajudar os cientistas a aproximarem-se da compreensão da comunicação animal sem presumir que cada som repetido representa uma mensagem simples e universal.