Ką iš tiesų sako jūsų šuo? Mokslininkas apie DI bandymus iššifruoti gyvūnų kalbą

Ar šuns lojimas tėra emocijos išraiška, ar jame slypi konkreti informacija, kurios žmogus nesupranta? Dirbtinis intelektas (DI) jau geba analizuoti tūkstančius gyvūnų skleidžiamų garsų ir juose aptikti žmogaus ausiai nepastebimus dėsningumus.

Nuotraukos šaltinis: AI generated

Tačiau mokslininkams kyla kur kas ambicingesnis klausimas – ar vieną dieną technologijos padės suprasti, ką gyvūnai iš tiesų mums sako?

Kauno technologijos universiteto Informatikos fakulteto (KTU IF) profesoriaus Ryčio Maskeliūno teigimu, tai yra reali tyrimų kryptis, nors iki tikro gyvūnų kalbos išvertimo dar labai toli. DI šiandien leidžia analizuoti tokį didelį garsų kiekį, kokio žmogus tiesiog nepajėgtų apdoroti, ir jame aptikti pasikartojančius signalus bei jų sąsajas su gyvūnų elgesiu ar aplinka.

Tokios galimybės leidžia kelti kur kas sudėtingesnius klausimus – analizuoti ne tik patį gyvūno skleidžiamą garsą, bet ir tai, kada, kam bei kokiomis aplinkybėmis jis pasigirsta.

„Vis dėlto vien iš garso nustatyti, kokią informaciją gyvūnas perduoda, nėra taip paprasta. Garso analizę reikia derinti su elgsenos stebėjimais ir kontroliuojamais eksperimentais, kad galėtume patikrinti, ar aptiktas dėsningumas iš tiesų turi konkrečią komunikacinę reikšmę. Todėl labiau akcentuočiau ne artėjantį gyvūnų kalbos vertėją, o galimybę pirmą kartą sistemingai atskleisti, kokia informacija slypi gyvūnų komunikacijoje“, – sako R. Maskeliūnas.

Ką apie šunį gali išduoti jo lojimas?

Gyvūnų skleidžiamuose garsuose slypinčią informaciją R. Maskeliūnas su kolegomis tyrinėjo dar prieš kelerius metus. Mokslininkai siekė išsiaiškinti, kiek informacijos apie šuns emocinę būseną galima išgauti vien iš jo vokalizacijos.

Tyrimui buvo surinkti vokiečių aviganių vokalizacijų įrašai, o remiantis gyvūnų elgsenos ekspertų vertinimu analizuotos keturios šunims priskirtos emocinės būsenos – džiaugsmas, pyktis, verkimas ir vienišumas.

„Šuns garsus analizavome ne tik kaip paprastus garso įrašus – išskaidėme juos į skirtingų dažnių ir laiko komponentus, iš kurių išgavome akustinius požymius. Tuomet, pasitelkę mašininio mokymosi metodus, tikrinome, ar pagal šiuos požymius galima atskirti skirtingas emocines būsenas. Rezultatai parodė, kad iš šuns balso galima gauti nemažai informacijos – gana patikimai pavyko atpažinti piktą lojimą“, – pasakoja KTU profesorius.

Vis dėlto, R. Maskeliūno teigimu, svarbiausia šio tyrimo išvada – ne galimybė nustatyti, ar šuo pyksta, ar jaučiasi vienišas. Tyrimas parodė, kad gyvūno balse slypi struktūruota informacija, kurios žmogaus ausis ne visada geba pastebėti.

„Kitaip tariant, garsas nėra vien triukšmas ar emocijos fonas – jame slypi akustiniai požymiai, susiję su gyvūno būsena. Tačiau kartu čia išryškėja ir svarbi riba: atpažinti tam tikrą emocinę būseną dar nereiškia suprasti visą signalą ar žinoti, kokią konkrečią informaciją šuo bando perduoti“, – pabrėžia jis.

Šuns balse ieško dar nežinomų signalų

R. Maskeliūno teigimu, šiandien toks tyrimas būtų gerokai platesnis. Užuot iš anksto apibrėžus kelias emocines kategorijas ir tikrinus, ar DI geba jas atpažinti, modeliui būtų galima leisti savarankiškai išanalizuoti tūkstančius ar net milijonus šunų vokalizacijų ir jose ieškoti pasikartojančių struktūrų.

„Tam jau kuriami specializuoti gyvūnų akustikos modeliai. Pavyzdžiui, „Dog2vec“ buvo apmokytas naudojant daugiau kaip 6000 valandų šunų lojimo įrašų ir, atliekant kai kurias šunų vokalizacijų atpažinimo užduotis, pasiekė geresnių rezultatų nei bendriniai modeliai“, – dalijasi KTU profesorius.

Tokios technologinės galimybės leidžia analizuoti ne tik pavienius garsus, bet ir jų sekas, pasikartojimą bei sąveiką su kitais signalais, o gautą informaciją susieti su vaizdo, elgesio ir fiziologiniais duomenimis. Pasak R. Maskeliūno, šie multimodaliniai metodai jau rodo pranašumą atpažįstant šunų emocines būsenas.

„Didžiausias laimėjimas būtų ne tai, kad DI pasakytų „šuo pyksta“, o tai, kad jis pats atrastų anksčiau nežinomus signalų derinius ir jų ryšį su konkrečiomis situacijomis bei elgesiu. Tačiau svarbiausias klausimas – kaip patikimai nustatyti, ar DI aptiktas dėsningumas iš tiesų yra gyvūno komunikacijos dalis, o ne tik statistinė duomenų savybė“, – svarsto jis.

Atpažintas signalas dar neatskleidžia jo reikšmės

Viena didžiausių kliūčių tyrinėjant gyvūnų komunikaciją, pasak KTU profesoriaus, – atpažinti signalą gerokai lengviau nei suprasti jo reikšmę. DI gali nustatyti, kad tam tikras garsas nuolat pasikartoja konkrečiomis aplinkybėmis, pavyzdžiui, kilus pavojui ar gyvūnui pasitinkant šeimininką. Tačiau vien šio dėsningumo nepakanka suprasti, kokią informaciją gyvūnas tokiu signalu perduoda.

„Gyvūnų komunikacijoje labai daug lemia kontekstas: kas siunčia signalą, kam jis skirtas, kas tuo metu vyksta aplinkui ir kaip į jį reaguoja kiti gyvūnai. DI gali atrasti anksčiau žmogui nežinomų dėsningumų ir iškelti hipotezę apie signalo reikšmę, tačiau vien statistinių sąsajų nepakanka jai patikimai patvirtinti – tam vis dar reikia stebėjimų ir eksperimentų“, – aiškina R. Maskeliūnas.

Anot jo, apie konkrečią signalo reikšmę būtų galima kalbėti kur kas užtikrinčiau, jei pakeitus situaciją ar tą patį signalą pateikus kitam individui jo reakcija nuosekliai atitiktų DI modelio prognozę.

„DI šiuo atveju yra tarsi Šerlokas Holmsas – pastebi svarbią užuominą, tačiau biologinis eksperimentas tampa kriminalistinių tyrimų laboratorija, kurioje dar reikia patikrinti, ar ši užuomina suprasta teisingai“, – pasakoja KTU profesorius.

Vien garso gyvūnui suprasti neužtenka

Dar viena svarbi DI galimybė – vienu metu analizuoti ne tik gyvūno skleidžiamą garsą, bet ir vaizdą, jo judesius, kitų individų reakcijas bei aplinkos sąlygas. Pasak R. Maskeliūno, taip galima aptikti ryšius, kurių žmogus pats gali nepastebėti.

Tokia analizė leidžia pereiti nuo klausimo, koks tai garsas, prie gerokai svarbesnių – kas vyksta prieš gyvūnui skleidžiant signalą ir po jo, kaip į signalą reaguoja kiti gyvūnai. Būtent šių sąsajų analizė gali priartinti prie signalo reikšmės supratimo.

„Kitų tyrėjų darbai rodo, kad gyvūnų komunikacijos dekodavimas turi remtis ne vien akustinių signalų panašumais, bet ir tuo, kaip juos suvokia bei kaip į juos reaguoja pats signalą gaunantis gyvūnas“, – aiškina KTU mokslininkas.

Gyvūnų žodyno dar neturime

R. Maskeliūnas pastebi, kad technologiniu požiūriu gyvūnų komunikaciją tam tikrais aspektais galima lyginti su žmonių kalba, tačiau šios analogijos nereikėtų suprasti pernelyg tiesiogiai. Didieji kalbos modeliai mokosi iš milžiniškų tekstų kiekių, kuriuose jau egzistuoja sudėtinga simbolinė sistema – žodžiai, gramatika, sintaksė ir žmonėms suprantamos reikšmės.

„Gyvūnų komunikacijoje dažniausiai neturime tokio žodyno ir iš anksto nežinome, ar apskritai egzistuoja analogiška simbolinė struktūra. Todėl DI negalime tiesiog išmokyti gyvūnų kalbos taip, kaip mokome žmogaus kalbos modelį“, – pasakoja jis.

Vis dėlto pats technologinis principas, pasak KTU mokslininko, išlieka panašus – reikia analizuoti milžiniškus duomenų kiekius, ieškoti juose pasikartojančių struktūrų ir prognozuoti, kas vyksta toliau.

„Svarbiausias skirtumas tas, kad žmonių kalbos modeliams galime pasakyti, ką reiškia tam tikras žodis ar sakinys, o gyvūnų atveju tokio žemėlapio neturime – jį dar turime atrasti ir eksperimentiškai patikrinti. Pirmiausia turime išsiaiškinti, ar už gyvūnų signalų apskritai slypi struktūruota komunikacinė sistema, kurią būtų prasminga vadinti kalba“, – sako jis.

Tarp perspektyviausių rūšių – banginiai, delfinai ir drambliai

KTU mokslininko teigimu, tokiems tyrimams perspektyviausios būtų rūšys, pasižyminčios įvairia, socialiai reikšminga ir pakankamai gerai dokumentuota komunikacija. Tarp jų – banginiai ir delfinai, drambliai, kai kurios beždžionių bei paukščių rūšys. Pavyzdžiui, papūgos geba išmokti pamėgdžioti įvairius garsus, o varnos – priimti gana sudėtingus sprendimus.

„Tačiau vien sudėtingos komunikacijos neužtenka. DI reikia ne tik daugybės garsų, bet ir kokybiškų duomenų, kurie leistų žinoti, kas tuo metu vyksta su gyvūnu, kam signalas skirtas, kaip į jį reaguojama ir ar tokie dėsningumai kartojasi tarp skirtingų individų bei skirtingose situacijose. Tokių duomenų kol kas neturime“, – aiškina R. Maskeliūnas.

Pasak jo, ne mažiau svarbus ir duomenų kiekis. Vos kelių valandų įrašų net ir labai geram modeliui nepakaktų patikimai struktūrai atrasti. Tačiau ir milijonai įrašų savaime problemos neišspręstų, jei nebūtų žinomas jų kontekstas.

„Todėl perspektyviausios būtų nebūtinai pačios protingiausios ar daugiausia garsų skleidžiančios rūšys, o tos, apie kurias galime surinkti didelius, ilgalaikius ir kontekstualizuotus duomenų rinkinius. Būtent duomenų kokybė, o ne vien jų kiekis čia yra svarbiausia“, – pabrėžia KTU mokslininkas.

DI galėtų pakeisti mūsų santykį su gyvūnais

R. Maskeliūnas pažymi, kad DI sugeneruoti gyvūnų signalai galėtų padėti patikrinti, ar iš tiesų suprantame jų funkciją. Pavyzdžiui, išanalizavęs didelį duomenų kiekį DI galėtų nustatyti, kad tam tikras signalas yra susijęs su konkrečia socialine situacija. Tuomet būtų galima sukurti sintetinę šio signalo versiją ir pateikti ją gyvūnui kontroliuojamomis sąlygomis.

Jei gyvūnas į tokį signalą nuosekliai reaguotų taip pat kaip į natūralų, būtų daugiau pagrindo manyti, kad bent dalis jo funkcijos suprasta.

„Tai iš esmės būtų eksperimentinis pokalbis, tačiau ne ta prasme, kad jau mokėtume kalbėtis su gyvūnu, o ta, kad galėtume eksperimentiškai patikrinti savo hipotezes. Vis dėlto čia reikia atsargumo – modelis gali sugeneruoti akustiškai įtikinamą signalą, kuris gyvūnui neturės tokios pačios reikšmės kaip natūralus. Tuomet kyla klausimas, kaip įrodyti, kad gyvūnas tokį signalą atpažįsta ir interpretuoja, o ne tiesiog reaguoja į jo garsumą, dažnį ar kitą akustinę savybę“, – aiškina jis.

Pasak KTU profesoriaus, jei ateityje DI leistų patikimai suprasti bent dalį gyvūnų perduodamos informacijos, tai galėtų iš esmės pakeisti žmonių santykį su kitomis rūšimis. Pavyzdžiui, augintinių šeimininkai galėtų geriau suprasti jų stresą, baimę, diskomfortą ar poreikius ir anksčiau pastebėti problemas, kurias ne visada pavyksta atpažinti vien iš gyvūno elgesio.

„Gyvūnų gerovės srityje tai galėtų padėti objektyviau įvertinti, kaip gyvūnai jaučiasi skirtingomis laikymo ar transportavimo sąlygomis, o laukinėje gamtoje – stebėti populiacijų būklę nesikišant į jų gyvenimą“, – sako R. Maskeliūnas.

Vis dėlto, jo teigimu, didžiausias pokytis būtų susijęs ne su praktinėmis DI pritaikymo galimybėmis, o su žmonių požiūriu į kitas rūšis. Jei paaiškėtų, kad gyvūnų signalai turi kur kas sudėtingesnę struktūrą ir jais perduodama informacija apie aplinką, tarpusavio santykius, pavojų ar net individualią patirtį, tektų iš naujo įvertinti, ką laikome intelektu ir sudėtinga komunikacija.

Kartu tai keltų ir moralinių klausimų – kuo daugiau suprantame apie gyvūnų būseną ir poreikius, tuo sunkiau jų nepaisyti.

• Techninių įgūdžių negana: kaip darbdaviui pamatyti tai, ko neparodo CV?
• Pašto dėžutėje – banko kortelė jūsų vardu: nauja sukčiavimo schema.
• II pakopos lėšas atsiėmę gyventojai jų įdarbinti neskuba.
• Saugumo jausmas gali klaidinti: įspėja dėl dažnai nuvertinamų rizikų namuose.
• Paspirtuko sukelta trauma: koma ir neurochirurgų darbas, sugrąžinęs į gyvenimą.
• Kodėl privataus detektyvo paslaugų kainos gali labai skirtis?
• Ką pagaminti iš makaronų? Trys nebrangios idėjos jaukiam rudens savaitgaliui.
• Energijos rijikas namuose gali būti ne senas prietaisas, o jo nustatymas.
• VU chemikų sukurtas metodas gali paspartinti naujų vaistų kūrimą.
• VU Fizikos fakulteto mokslininkai siekia įminti perovskitų paslaptis.
• Dyzelinui brangstant: kiek galima sutaupyti važiuojant elektra?
• Lietuva užsitikrino JAV dujų tiekimą dešimtmečiui: didesnis kainų stabilumas.
• Ką iš tiesų sako jūsų šuo? Mokslininkas apie DI bandymus iššifruoti gyvūnų kalbą.
• Atsistojus tenka įsikibti, nes aptemsta akyse? Šio simptomo nereikėtų ignoruoti.
• DI bumas toliau brangina IT infrastruktūrą: kainos per metus šoktelėjo.
• Prezidentas: JAV kariai jau pakeliui į Lietuvą.
• Tekste nėra nė vieno žodžio. Ką jame perskaito vaikai?
• Elektriniai paspirtukai mieste: ko reikia, kad visi jaustumės saugesni?
• RRT: Telecentras turės grąžinti LRT 651 tūkst. eurų permoką.
• Tarp darbuotojų ryškėja atskirtis: kokių įgūdžių prireiks norint neatsilikti?
• Ukmergės gamykla ruošiasi auginti komandą iki 400 žmonių.
• Nelegalus darbas statybų sektoriuje: individualios veiklos pažyma neapsaugo.
• Atrodė puikiai, kol neišvažiavo į kelią: ką gali slėpti stovėjęs automobilis?
• Darbo skelbimo nebeužtenka: kas veikia ieškant specialistų.
• Vaikas išvėmė vaistus: sugirdyti dozę dar kartą ar laukti kito vartojimo?
• Rusijos GPS trikdžiams suvaldyti „Bitė“ įsigijo atominį laikrodį.
• „Nėra ką valgyti“, nors šaldytuvas pilnas: kodėl taip nutinka ir ką daryti?
• Sukčiai apie jus gali žinoti daugiau, nei manote: įvardijo 5 pagrindines schemas.
• Verslo atsparumas „Dienai X“: nuo atsarginių kopijų iki veiklos tęstinumo.
• Kai vaikai moko senjorus, o senjorai – vaikus: skirtingos kartos kartu.
• Kodėl vaikas skriaudžia kitus?
• Pirmas nuosavas būstas: ką svarbu žinoti renkantis elektros tiekimo planą?
• Privačios gydymo įstaigos siekia toliau veikti su sistema.
• Jūsų televizorius – lyg meno kūrinys: profesionalus televizorių pakabinimas.
• DI asistentas jau gali atlikti veiksmus už jus: ekspertas įvardijo rizikas.
• Nauja šildymo sezono pradžios ir pabaigos tvarka: kokią teisę turi gyventojai?
• Kaip paruošti mėgstamus patiekalus be mėsos? Nustebins skonis ir žema kaina.
• Darbuotojai išeina ne dėl atlyginimo: priežastis – prastas vadovavimas.
• Kruasanai – ne tik pusryčiams: 5 idėjos, kurios padės šį kepinį atrasti iš naujo.
• Įrankis naujas, įpročiai seni: kodėl DI įdiegimas dar negarantuoja produktyvumo?

Šio sąrašo naujienos detaliau

Daugiau ankstesnių naujienų:  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99  100  101  102  103  104  105  106  107  108  109  110  111  112  113  114  115  116  117  118  119  120  121  122  123  124  125  126  127  128  129  130  131  132  133  134  135  136  137  138  139  140