Расшифровка кода: как ИИ помогает понять язык животных

Международная группа экспертов утверждает, что решение давней задачи по расшифровке систем коммуникации китов, ворон, летучих мышей и других животных становится достижимым благодаря впечатляющим успехам в исследованиях искусственного интеллекта (ИИ).

В статье, опубликованной в Science, под руководством профессора Кристиана Руца с факультета биологии Университета Сент-Эндрюс авторы объясняют, как передовые инструменты машинного обучения могут дать революционное представление о скрытой жизни животных, что важно для их сохранения.

Задача понять, что животные говорят друг другу, или даже начать диалог с другим видом, веками будоражила человеческое воображение. Но поскольку не существует «Розеттского камня» для перевода сигналов животных, их значение необходимо расшифровывать с помощью тщательных наблюдений и экспериментов. Несмотря на прогресс в исследованиях за последние десятилетия, сбор и анализ данных остаются сложной задачей. Например, аннотирование записей птичьих криков, песен китов или жестов приматов отнимает много времени, и даже опытные биологи часто с трудом различают внешне похожие типы сигналов.

Руц, эксперт по поведению животных и использованию миниатюрных трекеров, заявил: «Появление машинного обучения создало захватывающие возможности для продвижения в решении грандиозной исследовательской задачи — понимания других животных. Но существуют значительные риски, с которыми необходимо бороться напрямую».

Алгоритмы машинного обучения эффективно функционируют как мощные детекторы паттернов и генераторы контента. Они произвели революцию в приложениях, основанных на обработке как письменной, так и устной человеческой речи, что иллюстрируют интерактивные чат-боты. Именно эти инструменты исследователи теперь используют для идентификации и классификации сигналов животных по аудио- и видеозаписям, а также для проведения экспериментов, выясняющих функцию сигнала (например, путем воспроизведения конкретных криков и наблюдения за реакцией животного).

Загвоздка в том, что методам машинного обучения требуются огромные объемы данных. Например, популярная языковая модель Chat GPT-3 обучалась на сотнях миллиардов «токенов», которые примерно соответствуют словам. «Это эквивалентно более чем двум миллионам книг длиной с «Происхождение видов» Чарльза Дарвина», — объясняет соавтор доктор Дамиан Блази, лингвист из Гарвардского университета. «Нам нужны творческие решения для сбора данных о диких животных».

В настоящее время предпринимаются масштабные усилия по сбору подходящих наборов данных по крайней мере для некоторых видов. Например, проект CETI (Инициатива по переводу китообразных) изучает коммуникативное поведение кашалотов. Ведущий специалист по ИИ проекта, соавтор профессор Майкл Бронштейн, профессор ИИ DeepMind в Оксфордском университете, объясняет: «Мы используем мягкие, биоинспирированные датчики, крепящиеся на китов, подводных роботов и широкий спектр других методов, чтобы зафиксировать всё богатство коммуникативного поведения этих животных».

Как утверждают авторы в своей статье, понимание контекста общения является ключом к прогрессу. «Если мы хотим расшифровать разговоры животных, нам нужно знать, кто с кем разговаривает и при каких условиях окружающей среды и социальных условиях», — говорит соавтор профессор Соня Вернес, эксперт по вокальной коммуникации летучих мышей, работающая в Университете Сент-Эндрюс и Институте психолингвистики Макса Планка.

«Машинное обучение может помочь нам обнаружить, какие сигналы используют животные и, возможно, даже что они означают, если мы объединим эти подходы с хорошо продуманными экспериментами».

Соавторы Аза Раскин и Кэтрин Закариан, соучредители проекта Earth Species Project (ESP), изучающего системы коммуникации широкого спектра видов животных, особенно воодушевлены долгосрочными преимуществами этого исследования.

«По мере расширения нашего понимания коммуникативного поведения других видов мы можем использовать эти знания для улучшения благополучия животных в неволе и разработки более эффективных стратегий сохранения», — отмечает Закариан. «В конечном счете, мы надеемся инициировать культурный сдвиг, ведущий к большему уважению к множеству видов, с которыми мы делим планету Земля».

ESP сотрудничает с Руцем и его коллегами в исследовании вокального репертуара находящейся на грани исчезновения гавайской вороны. Машинное обучение позволяет проводить детальное сравнение вокализаций последних выживших особей, содержащихся в центрах разведения для сохранения вида под управлением San Diego Zoo Wildlife Alliance, с историческими базовыми записями. «Утраченные крики потенциально можно вернуть», — считает Раскин. «Культурное восстановление — это глубоко красивый пример преимуществ этого исследования».

В будущем может даже стать возможным «подслушивать» благополучие целых сообществ животных. «Если мы сможем идентифицировать коммуникационные сигналы, связанные со стрессом или избеганием, системы пассивного акустического мониторинга можно будет использовать, чтобы «подслушать», насколько животные «счастливы» или «несчастливы» на уровне ландшафта», — говорит Руц. Это могло бы стать мощным инструментом оперативной оценки для текущих исследований биоразнообразия и природоохранной работы.

Но авторы согласны, что впереди лежат серьезные проблемы, включая сложные этические вопросы — например, при каких обстоятельствах инициирование разговоров с дикими животными может быть допустимым. «Это исследование обещает далеко идущие преимущества для сохранения видов и благополучия животных, но нам необходимо срочно объединиться для обсуждения его потенциальных рисков», — предостерегает Руц.