bird

L’intelligence artificielle peut-elle nous aider à comprendre les animaux ?

Dans le film Pixar Au dessus, un chien de dessin animé nommé Dug arbore une sorte de collier magique qui peut traduire ses aboiements et ses gémissements en un langage humain fluide. Ailleurs dans le monde réel, beaucoup chiens bien dressés peut apprendre à appuyer sur des boutons qui produisent un discours humain pour des commandes simples comme « sortir », « marcher » et « jouer ». Les êtres humains ont toujours été fascinés par le potentiel de communiquer avec les animaux avec lesquels ils partagent le monde, et récemment l’apprentissage automatique, avec ses capacités de plus en plus avancées d’analyse de la parole humaine, s’est présenté comme une voie prometteuse pour la traduction animale.

Un article dans New York Times cette semaine a documenté les efforts majeurs de cinq groupes de chercheurs qui ont examiné l’utilisation d’algorithmes d’apprentissage automatique pour analyser les appels entrants. rongeurs, lémuriens, baleines, poulets, les cochons, chauves-souris, chatset plus.

En règle générale, les systèmes d’intelligence artificielle apprennent par la formation avec des données étiquetées (qui peuvent être fournies via Internet ou des ressources telles que des livres électroniques). Pour les modèles de langage humain, cela implique généralement de donner une phrase aux ordinateurs, de bloquer certains mots et de demander au programme de remplir les blancs. Il existe également des stratégies plus créatives maintenant qui veulent combiner la parole avec l’activité cérébrale.

Mais analyser le langage animal est une bête différente de la simple analyse du langage humain. Les informaticiens doivent indiquer aux programmes logiciels ce qu’il faut rechercher et comment organiser les données. Ce processus dépend en grande partie non seulement de l’accumulation d’un bon nombre d’enregistrements vocaux, mais aussi de la correspondance de ces enregistrements vocaux avec les comportements sociaux visuels des animaux. Un groupe étudiant les chauves-souris frugivores égyptiennes, par exemple, a également utilisé des caméras vidéo pour enregistrer les chauves-souris elles-mêmes afin de contextualiser les appels. Et le groupe qui est étudier les baleines prévoit d’utiliser la vidéo, l’audio et des balises qui peuvent enregistrer les mouvements des animaux pour déchiffrer la syntaxe, la sémantique et finalement la signification derrière ce que les baleines communiquent et pourquoi. Bien sûr, plusieurs groupes ont également proposé de tester leurs dictionnaires animaliers, de rejouer des enregistrements d’animaux et de voir comment ils réagissent.

faire un traducteur Google for animals est un projet ambitieux qui est en cours depuis le milieu de la dernière décennie. L’apprentissage automatique a également progressé en termes de détection de la présence d’animaux et même, dans certains cas, d’identification précise des animaux par appel. (L’application Merlin de Cornell est étonnamment précise pour faire correspondre les espèces d’oiseaux à leurs appels.) Et bien que ce type de logiciel ait a montré un certain succès alors que l’identification du vocabulaire de base de certains animaux à partir des caractéristiques de leurs vocalisations (c’est-à-dire la fréquence ou le volume), ainsi que l’attribution des cris aux individus, est encore loin d’être chose faite. comprendre toutes les nuances complexes que le langage animal peut encapsuler.

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

De nombreux sceptiques à l’égard de cette approche notent à la fois les lacunes de modèles de langage d’IA actuels pour être en mesure de vraiment comprendre les relations entre les mots et les objets auxquels ils peuvent se référer dans le monde réel et les lacunes dans Compréhension des sociétés animales par les scientifiques en général. Les modèles de langage de l’intelligence artificielle pour les humains reposent sur un ordinateur cartographiant la relation entre les mots et les contextes dans lesquels ils peuvent apparaître (où ils peuvent aller dans une phrase et à quoi ils peuvent se référer). Mais ces modèles ont leurs propres défauts et peuvent parfois être une boîte noire – les chercheurs savent ce qui entre et sort, mais ne comprennent pas très bien comment l’algorithme arrive à une conclusion.

Un autre facteur que les chercheurs prennent en compte est le fait que les communications animales peuvent ne pas fonctionner comme les communications humaines, et la tendance à les anthropomorphiser peut fausser les résultats. Pourrais avoir éléments uniques au langage animal en raison de différences physiologiques et comportementales.

Afin qu’il ne soit pas possible de connaître à l’avance les paramètres des données, il existe des propositions d’utilisation d’algorithmes d’apprentissage auto-supervisé pour analyser les données audio, selon un rapport publié plus tôt cette année dans le le journal Wall Street, dans lequel l’ordinateur indique aux chercheurs les modèles qu’il voit dans les données – des modèles qui peuvent révéler des connexions qui sont manquées par l’œil humain. En fin de compte, la mesure dans laquelle les humains descendent dans le terrier du lapin en essayant de comprendre les communications animales dépend des objectifs humains pour ce type de recherche, et à cette fin, comprendre les bases peut suffire. Par exemple, un traducteur capable d’interpréter de manière fiable si les animaux avec lesquels nous sommes souvent en contact étroit sont heureux, tristes ou en danger peut être utile et plus pratique à créer.

Leave a Comment

Your email address will not be published.