ИИ започна да разбира езика на животните: Първите стъпки към реален диалог с природата

Изкуственият интелект вече ни помага да командваме Siri и Alexa, но какво би станало, ако насочим тази технология към други видове? Няколко големи научни проекта използват машинно обучение, за да разшифроват комуникацията на животните. Пълноценният „разговор“ с котката засега остава научна фантастика, но първите резултати са впечатляващи и повдигат сериозни въпроси за природата на езика като цяло. Не е изненадващо, че тази тема се радва на толкова голямо внимание: учените дори успяха да разговарят с кит в рамките на отделен експеримент.

Имат ли животните език и как учените проверяват това?

Преди да „преведем“ нещо, трябва да разберем: какво точно превеждаме? Хората общуват с думи, жестове и мимики. Животните също използват сложни сигнали – кучетата размахват опашки, пчелите танцуват, делфините щракат и подсвиркват, а слоновете, както се оказва, могат да се обръщат един към друг по име. Но може ли това да се счита за език?

Дениз Херцинг, научен ръководител на проекта Wild Dolphin Project, обяснява ситуацията по следния начин: все още не знаем дали животните имат истински език, но изкуственият интелект е в състояние да открие в общуването им структури, подобни на езика – елементи, които приличат на граматика речник. Ако бъдат открити такива модели, това ще бъде силен аргумент, че животните общуват по-сложно, отколкото сме предполагали.

И точно тук възниква основната трудност. Джулия Фишер от Германския център за изследване на приматите предупреждава: изкуственият интелект не е магическа пръчка. Един алгоритъм може да открие модели в звуците, но без наблюдения на поведението в реална среда тези модели са безсмислени. Не е нужно просто да записвате хиляди часове звуци – трябва да ги съпоставите с това, което животните правят в този момент. В противен случай всеки опит да разговаряте с животните ще си остане красива метафора.

По какъв начин изкуственият интелект и машинното обучение дешифрират звуците на животните

Елоди Брифер, специалист по животинско поведение в Университета в Копенхаген, обяснява: вокалите на животните носят много видове информация – от идентичността на индивида до неговото емоционално състояние, статус и дори описание на външни събития. На теория всичко това може да бъде възприето от изкуствения интелект.

Ключова роля играе машинното обучение – вид изкуствен интелект, който анализира данните без строги правила. Алгоритъмът обработва записите и самостоятелно открива модели. Това е същата технология, която стои зад прогнозния текст в смартфоните и гласовите асистенти. Разликата е, че „езиковите шаблони“ за животните не се основават на думи, а на звукови сигнали – щракания, свиркания, хъркания, ултразвуци.

Според Брифър предимството на машинното обучение е в мащаба. Там, където човек би прекарал години в ръчен анализ на записи, един алгоритъм бързо ще обработи хиляди часове и ще открие модели, които изследователят може да пропусне.

Проектът „“Earth Species„“: разшифроване езика на животните

Една от ключовите организации в тази област е Earth Species Project, организация с нестопанска цел, която се занимава с дешифриране на комуникацията на животните с помощта на изкуствен интелект. Техният подход се основава на идеята, че езикът може да се разглежда като геометрична форма – нещо като галактика, в която всяка „дума“ е звезда, а разстоянията между звездите кодират значението. Ако формите на два езика съвпадат, те могат да бъдат „наложени“ един върху друг и по този начин да бъдат преведени.

В края на 2021 г. проектът Earth Species Project публикува статия в списание Scientific Reports, в която се описва алгоритъм, който решава така наречения „коктейлен проблем“. Представете си шумно парти: много гласове звучат по едно и също време и е почти невъзможно да се разбере кой говори. Същият проблем възниква и при записването на звуци в група животни. Алгоритъмът на проекта Earth Species успява да определи кой конкретен делфин, макак или прилеп „говори“ в групата.

Днес в рамките на проекта се изгражда NatureLM-audio – първият в света голям аудиоезиков модел, специално създаден за анализ на животинските вокали. Той е обучен върху огромни набори от данни – от човешка реч и музика до звуци от околната среда. Първоначалните резултати показват, че моделите, извлечени от човешката реч, наистина помагат за по-доброто разбиране на звуците на други видове.

Езикът на китовете и делфините се изучава в рамките на Project CETI и DolphinGemma

Друг голям проект, Project CETI (Cetacean Translation Initiative), е насочен към кашалотите. Тези китове общуват чрез ритмична поредица от щракания, наречени „кодове“. Преди учените смятаха, че тези звуци са нещо като морзовата азбука. Сега изследванията с помощта на генеративни невронни мрежи (GAN) разкриха нещо поразително: акустичните свойства на щраканията на кашалотите приличат на гласните звуци в човешката реч – с разлики в продължителността, честотата и траекторията, точно както при хората.

Изследователите от CETI вече са идентифицирали 156 различни кода и техните основни компоненти – на практика „фонетичната азбука на кашалота“. Проектът обединява около 50 учени от осем института: лингвисти, роботолози, криптографи и морски биолози.

Има новини и за делфините. Проектът Wild Dolphin Project, основан от Дениз Херцинг, постигна забележителен резултат през 2013 г.: изследователите научиха група делфини да свързват определено свирукане с водораслите саргасум. След това алгоритъм за машинно обучение успява да разпознае това свирене в естествена среда. Неотдавна Google, съвместно с проекта Wild Dolphin Project и Технологичния институт на Джорджия, представи DolphinGemma – ИИ модел, базиран на архитектурата Gemma, обучен върху многогодишна база данни от звуци на атлантическите петнисти делфини.

DolphinGemma работи на принципа „звук на входа – звук на изхода“: моделът анализира последователността от звуци на делфините и прогнозира кой звук ще последва – подобно на езиков модел, който прогнозира следващата дума в изречението. Моделът е достатъчно компактен (около 400 милиона параметъра), за да работи директно на смартфон Google Pixel – направо на място, под водата.

По какъв начин изкуственият интелект разпознава емоциите на животните по звуците

Не само китоподобните са привлекли вниманието на изследователите. Елоди Брифър и нейните колеги са обучили AI система да разпознава положителните и отрицателните емоции в крясъците, писъците и ръмженето на прасетата. Това не е абстрактно упражнение – разбирането на емоциите на селскостопанските животни може директно да подобри условията на отглеждането им.

При гризачите ситуацията е още по-интересна. Мишките и плъховете общуват в ултразвуковия диапазон – техните „разговори“ просто не се възприемат от човешкото ухо. Програмата DeepSqueak, разработена от учени от Вашингтонския университет, превежда ултразвуковите сигнали в спектрограми (визуални изображения на звука) и ги анализира с помощта на невронни мрежи. Оказва се, че гризачите имат около 20 вида вокализации и използват различни „песни“ в зависимост от ситуацията – например мъжките мишки „пеят“ по различен начин в присъствието на друг мъжки и в близост до женска.

Защо учените използват изкуствен интелект, за да разберат езика на животните

Освен очевидното (най-накрая да разберем какво наистина мисли котката), разбирането на комуникацията между животните има и много практически последици. За домашните и селскостопанските животни това е въпрос на благополучие.

„За видовете, които живеят близо до нас, разбирането на състоянието им е от решаващо значение, защото тяхното благополучие зависи от нас“,

казва Елоди Брифер, специалист по животинско поведение.

Но мащабът на потенциалната промяна е много по-широк. Ако се окаже, че животните наистина имат елементи на език, това може да наложи преосмисляне на начина, по който се отнасяме към тях – в спорта, развлеченията, научните експерименти и селското стопанство. И не става дума само за комуникация: все повече данни показват, че много видове са по-интелигентни, отколкото сме смятали. Учените от проекта CETI вече си сътрудничат с юристи от Нюйоркския университет, за да проучат как откритията в комуникацията на кашалотите могат да повлияят на правния статут на животните.

Съществува и фундаментален научен интерес. Изучаването на комуникацията на животните може да ни помогне да разберем еволюцията на самия език.

Денис Херцинг добавя още по-амбициозна перспектива:

„Инструментите, които разработваме за видовете на Земята, могат да бъдат полезни за далечните светове – ако някога срещнем други форми на живот.“

Важно е да запазим трезв поглед: истинският „разговор“ с животните все още е далеч. Машинното обучение може да помогне да се открият модели в звуците, но превръщането на моделите в смисъл е отделна и много по-сложна задача, която е невъзможна без години наблюдения на терен. Въпреки това за първи път в историята учените разполагат с инструменти за обработка на данни за комуникацията на животните в мащаб, който досега бе немислим. А всеки открит модел е още една стъпка към разбирането на това колко сложен и богат е светът, който споделяме с милиони други видове.