Модель, подобная ChatGPT, для анализа птичьих песен может пролить свет на нейробиологию языка

Исследователи из Университета Пенсильвании разработали новый статистический метод, который, подобно языковым моделям вроде ChatGPT, обучается на записях птичьих песен, чтобы создавать точные последовательности звуков. Результаты, опубликованные в Journal of Neuroscience, могут улучшить понимание структуры птичьей песни и её нейробиологических основ, что даст ключ к механизмам человеческого языка.

Птицы, как и люди, организуют элементы (слоги) в песне в определённом порядке с ограниченным числом комбинаций. Последовательность слогов в песне организована аналогично человеческому языку, что делает птиц удобной моделью для изучения нейробиологии языка.

Ключевым аспектом, который изучали учёные, является контекстная зависимость — то, как следующий элемент последовательности зависит от предыдущих. Например, у зябликов Бенгалии (Bengalese finch), которые поют последовательности из 7–15 слогов, переходы между слогами часто зависят от контекста.

Исследователи проанализировали записи песен шести зябликов, используя новый метод построения Частично Наблюдаемых Марковских Моделей (Partially Observable Markov Model). Этот метод позволяет создавать простейшие модели, которые точно отражают реально исполняемые птицами последовательности, избегая чрезмерного обобщения, свойственного базовым Марковским моделям.

Результаты анализа:

• У всех шести изученных птиц были обнаружены контекстно-зависимые переходы между слогами.
• Количество слогов с такой зависимостью варьировалось у отдельных особей, что может быть связано с особенностями мозга или с обучением у конкретного "учителя".
• У птиц, лишённых слуха, наблюдалось резкое снижение контекстной зависимости. Это указывает на ключевую роль слуховой обратной связи в формировании этого свойства в мозге: птицы слушают себя и корректируют песню.

Метод также применим к анализу других вокализаций животных, поведенческих последовательностей и даже человеческого языка. Учёные протестировали его на английских текстах и смогли генерировать в основном грамматически правильные предложения.

Это сходство моделей для птичьей песни и человеческого языка заставляет задуматься, насколько уникальны нейронные механизмы, лежащие в основе нашей речи и грамматики.