Sztuczna inteligencja może wkrótce umożliwić nam rozmowę ze zwierzętami. Oto jak to zrobić
W miarę jak duże modele językowe stały się ekspertami w dziedzinie ludzkiej mowy, skupiają się teraz na komunikacji ze zwierzętami.
Wyobraź sobie, że słuchasz ćwierkających ptaków i możesz wyciągnąć telefon i odszyfrować, co do siebie mówią. Następnie wyobraź sobie, że wybierasz się na safari do Afryki i śledzisz rozmowę pomiędzy parą słoni. Myślisz, że to brzmi naciąganie? Pomyśl jeszcze raz: w rzeczywistości jest to część przyszłości opartej na technologii, którą chce zbudować Earth Species Project (ESP).
ESP to organizacja non-profit założona przez współzałożycielkę Mozilla Labs, Azę Raskin, i Britt Selvitelle, członkinię zespołu założycieli Twittera, i przewodzi pracom nad dekodowaniem komunikacji innych niż ludzie przy użyciu sztucznej inteligencji (AI).
Możliwość zrozumienia najskrytszych myśli kota brzmi fascynująco. Jednak korzyści płynące ze zrozumienia zwierząt wykraczają daleko poza słuchanie rozmowy między psem a jego psimi kumplami, gdy są oni na spacerze.
W rzeczywistości umiejętność rozszyfrowania komunikacji zwierząt ma bezpośrednie implikacje dla ochrony naszej planety.
Odszyfrowanie komunikacji zwierząt może doprowadzić do opracowania narzędzi wspomagających badania konserwatorskie metodami nieinwazyjnymi. Naukowcy mogliby zyskać zdolność zrozumienia wcześniej nieodkrytych cech charakterystycznych sposobu komunikowania się zwierząt w obrębie gatunku, ale także sposobu, w jaki polują, jedzą, rozwijają między sobą relacje oraz jak postrzegają i przetwarzają otaczający je świat.
Czy żbik rozumie, czym naprawdę jest człowiek? Czy pamięć słonia może umożliwić mu przekazywanie opowieści z pokolenia na pokolenie?
Dzięki technikom uczenia maszynowego moglibyśmy zyskać możliwość odszyfrowania zebranych danych bioakustycznych i przetłumaczenia ich na naturalne języki ludzkie. Informacje te można zastosować w próbach ochrony i badaniach naukowych różnych gatunków zwierząt w celu oceny populacji dzikich zwierząt.
Choć jest to zadanie szlachetne i innowacyjne, nie jest ono łatwe.
Duża część tych badań będzie oparta na dużych modelach językowych, podobnych do tych używanych w Google Bard i ChatGPT. Te generatywne narzędzia sztucznej inteligencji doskonale radzą sobie z językiem ludzkim, ponieważ dzięki uczeniu maszynowemu potrafią rozumieć i generować odpowiedzi w różnych językach, w różnych stylach i kontekście.
Duże modele językowe są narażone na ogromne ilości danych na wielu etapach uczenia. Modele te uczą się różnych danych wejściowych, aby zrozumieć relacje i powiązania między słowami i ich znaczeniami.
Zasadniczo otrzymują ogromne ilości tekstu i danych z różnych źródeł, w tym stron internetowych, książek, badań itp.
Następnie mają kontakt z trenerami, którzy organizują z nimi rozmowy, aby pomóc LLM w dalszym poznawaniu różnych koncepcji, a nawet zrozumieniu kontekstu, zdobywaniu wiedzy o tym, czym są ludzkie emocje, jak działają i jak dokładnie wyrażać je za pomocą języka.
W ten sposób możesz poprosić ChatGPT o szczególną empatię w rozmowie, a rozmowa zostanie zrealizowana. Z natury nie jest zdolny do odczuwania empatii, ale może ją naśladować.
Dla człowieka język to system słów i dźwięków, który choć inny w każdym regionie, umożliwia komunikację między ludźmi. Ponieważ sztuczna inteligencja wywodzi się z ludzkiej inteligencji, znacznie łatwiej jest stworzyć sztuczny model, który będzie w stanie przetwarzać język naturalny, niż zrobić to samo w przypadku komunikacji zwierząt.
Największym wyzwaniem, przed jakim stoi ESP w swoich wysiłkach na rzecz rozszyfrowania komunikacji zwierząt, jest brak podstawowych danych. Nie ma dostępnego pisanego języka zwierzęcego umożliwiającego trenowanie modelu. Co więcej, różne formaty komunikacji między gatunkami stanowią dodatkowe wyzwanie.
ESP gromadzi dane dotyczące zwierząt dzikich i żyjących w niewoli na całym świecie. Naukowcy nagrywają wideo i dźwięki oraz dodają adnotacje biologów dla kontekstu. Te punkty danych stanowią pierwszy krok w kierunku stworzenia podstawowych modeli dla szerokiego zakresu gatunków zwierząt.
Internet rzeczy ułatwia także zwiększanie zbioru danych na temat stylów komunikacji zwierząt. Duża różnorodność niedrogich kamer, urządzeń rejestrujących i biologerów oznacza, że naukowcy mogą gromadzić, przygotowywać i analizować dane na odległość. Dane z niezliczonych źródeł można następnie zebrać i przeanalizować za pomocą narzędzi sztucznej inteligencji, aby rozszyfrować znaczenie różnych zachowań i form komunikacji.
Współzałożyciel ESP, Raskin, uważa, że rodzaj technologii potrzebnej do tworzenia generatywnych, nowatorskich wokalizacji zwierząt jest już blisko: „Uważamy, że w ciągu najbliższych 12-36 miesięcy prawdopodobnie będziemy w stanie to zrobić w zakresie komunikacji zwierząt.
„Można sobie wyobrazić, gdybyśmy mogli zbudować syntetycznego wieloryba lub wronę, który mówi po wielorybiej lub wronie w taki sposób, że nie będzie w stanie rozpoznać, że nie rozmawia z kimś ze swoich. Zwrot akcji polega na tym, że być może uda nam się zaangażować w rozmowę, zanim zrozumiemy, co mówimy” - Raskin powiedział Google.