¿Puede la inteligencia artificial ayudarnos a entender a los animales?

En la película de Pixar Arriba, un perro de dibujos animados llamado Dug luce una especie de collar mágico que puede traducir sus ladridos y gemidos en un habla humana fluida. En otra parte del mundo real, muy perros bien entrenados se le puede enseñar a presionar botones que producen el habla humana para comandos simples como “afuera”, “caminar” y “jugar”. Los seres humanos siempre han estado fascinados por el potencial de comunicarse con los animales con los que comparten el mundo y, recientemente, el aprendizaje automático, con sus capacidades cada vez más avanzadas para analizar el habla humana, se ha presentado como una ruta esperanzadora para la traducción animal.

Un artículo en el New York Times esta semana documentó los principales esfuerzos de cinco grupos de investigadores que analizaron el uso de algoritmos de aprendizaje automático para analizar las llamadas de roedores

, lémures, ballenas, pollos, cerdos, murciélagos, gatosy más.

Por lo general, los sistemas de inteligencia artificial aprenden a través del entrenamiento con datos etiquetados (que pueden ser proporcionados por Internet o recursos como libros electrónicos). Para los modelos de lenguaje humano, esto generalmente implica dar a las computadoras una oración, bloquear ciertas palabras y pedirle al programa que llene los espacios en blanco. También hay estrategias más creativas ahora que quieren hacer coincidir el habla con la actividad cerebral.

Pero analizar el lenguaje animal es una bestia diferente de solo analizar el lenguaje humano. Los informáticos tienen que instruir a los programas de software sobre qué buscar y cómo organizar los datos. Este proceso, en su mayor parte, depende no solo de acumular una buena cantidad de grabaciones vocales, sino también de hacer coincidir estas grabaciones vocales con los comportamientos sociales visuales de los animales. Un grupo que estudiaba murciélagos frugívoros egipcios, por ejemplo, también usó cámaras de video para grabar a los murciélagos y brindar contexto a las llamadas. Y el grupo que es estudiando ballenas

planea usar video, audio y etiquetas que pueden registrar los movimientos de los animales para descifrar la sintaxis, la semántica y, en última instancia, el significado detrás de lo que las ballenas se comunican y por qué. Por supuesto, varios grupos también han propuesto probar sus diccionarios de animales reproduciendo grabaciones a los animales y viendo cómo reaccionan.

haciendo un Google Translate for animals ha sido un proyecto aspiracional que ha estado en proceso durante la mayor parte de la última década. El aprendizaje automático también ha avanzado mucho en términos de detección de la presencia de animales e incluso, en algunos casos, identificación precisa de animales por llamada. (La aplicación Merlin de Cornell es asombrosamente precisa al hacer coincidir las especies de aves con sus llamadas). Y aunque este tipo de software tiene mostró cierto éxito

en identificar el vocabulario básico de ciertos animales a partir de las características de sus vocalizaciones (es decir, frecuencia o volumen), así como atribuir llamadas a individuos, todavía está muy lejos de ser comprender todos los matices intrincados de lo que el lenguaje animal podría encapsular.

[Related: With new tags, researchers can track sharks into the inky depths of the ocean’s Twilight Zone]

Muchos escépticos de este enfoque señalan tanto las deficiencias de modelos actuales de lenguaje de IA para poder comprender verdaderamente las relaciones entre las palabras y los objetos a los que pueden referirse en el mundo real, y las deficiencias en comprensión científica de las sociedades animales en general. Los modelos de lenguaje de inteligencia artificial para humanos se basan en una computadora que mapea la relación entre las palabras y los contextos en los que podrían aparecer (dónde podrían ir en una oración y a qué podrían referirse). Pero estos modelos tienen sus propios defectos y, a veces, pueden ser una caja negra: los investigadores saben lo que entra y sale, pero no entienden cómo el algoritmo llega a la conclusión.

Otro factor que los investigadores están teniendo en cuenta es el hecho de que las comunicaciones animales podrían no funcionar como las humanas, y la tendencia a antropomorfizarlas podría estar sesgando los resultados. Podría haber elementos únicos al lenguaje animal debido a diferencias fisiológicas y de comportamiento.

Con este fin de no poder conocer los parámetros de los datos antes de tiempo, existen propuestas para usar algoritmos de aprendizaje autosupervisado para analizar datos de audio, según un informe a principios de este año en el Wall Street Journal, en el que la computadora les dice a los investigadores qué patrones está viendo en los datos, patrones que podrían revelar conexiones que el ojo humano no detecta. En última instancia, hasta qué punto los humanos llegan a la madriguera de tratar de comprender las comunicaciones de los animales depende de los objetivos humanos para este tipo de investigación, y para ese propósito puede ser suficiente para entender los conceptos básicos. Por ejemplo, un traductor que pueda interpretar de manera confiable si los animales con los que a menudo estamos en contacto cercano están felices, tristes o en peligro podría ser útil y más práctico de crear.

Leave a Reply

Your email address will not be published.