A bálnák és a rágcsálók kommunikációját még nem értik a kutatók, de dolgoznak a megoldáson.
Mindenki számára ismerős lehet a Fel című mese, amiben a rajzfilmkutyát Dugnak hívják. Ő egy varázslatos nyakörvet visel, ami lehetővé teszi a számára, hogy a kutya ugatását és vonyításait folyékony emberi beszéddé tudja fordítani. Az állatok nyelvének megértése manapság a való világban olyan eszközök segítségével történik, amik bizonyos emberi beszédet produkálnak. Ekkor a nagyon jól képzett kutyákat olyan gombok megnyomására tanítják, amik egyszerű parancsokat mondanak, mint a kint, a séta és a játszani. (TikTokról mindenki ismerheti őket.) Egyszerű parancsok, mégis nagyon hasznosak ahhoz, hogy a kutya el tudja mondani, mit szeretne csinálni.
A bejegyzés megtekintése az Instagramon
A kutatók legalább 200 éve számos olyan esetről számoltak már be, amikor állatok figyelemre méltó nyelvi képességekről tettek tanúbizonyságot. Az egyik ilyen példa, amely a 20. század eleje óta ismert az összehasonlító kognitív tanulmányok területéről, egy Clever Hans nevű ló esete volt. Hans úgy tűnt, képes volt az egyszerű számtani műveletekre is pontos választ adni. Amikor például megkérdezték tőle mennyi 2 + 2, négyszer koppantott a patájával. Ám Oskar Pfungst pszichológus 1907-ben arra a következtetésre jutott, hogy Hans csupán az emberek jelzéseire reagált, ahelyett, hogy megmutatta volna, hogyan képes megérteni az emberi beszédet. A „Clever Hans Effect” azóta arra késztette a tudósokat, hogy olyan módszereket fejlesszenek ki, amelyek eltávolítják az emberi jelenlétet és befolyást az állatok megismerésére irányuló vizsgálatokból.
Az embereket mindig is vonzotta az állatokkal való kommunikáció lehetősége. Ennek hatására a közelmúltban a gépi tanulás, az emberi beszéd elemzésére szolgáló egyre fejlettebb képességekkel, reményteljes útként mutatkozott be az állatok nyelvének fordításakor. Sok kutatócsoport vizsgálta már, gépi tanulási algoritmusok segítségével, rágcsálók, selyemmajmok, bálnák, csirkék, disznók, denevérek, és macskák beszédét.
Viszont az állatok nyelvének megértése sokkal nehezebb feladat, mint az emberi nyelv elemzése.
A mesterséges intelligencia rendszerek általában címkézett adatokat alkalmazva tanulnak. Ezekhez olyan forrásokat használnak, mint az internet vagy az e-könyvek. Az emberi nyelvi modellek esetében ez úgy történik, hogy a számítógépeknek adnak egy mondatot, néhány szót letiltanak és megkérik a rendszert, hogy töltse ki a hiányos részeket. De ez csak egy változata, ugyanis ma már sokkal kreatívabb megoldások is léteznek, amelyek akár a beszédet és az agyi tevékenységet is szeretnék összekapcsolni.
Viszont az állatok nyelvének megértése nem olyan könnyű.Ezért az informatikusoknak utasítania kell a programot arra, hogy mit keressen, és az adatokat hogyan rendszerezze. A folyamat nem csak azon múlik, hogy milyen állati beszédet tartalmazó hangfelvételeket gyűjtünk össze, hanem azon is, hogy ezek a hangfelvételek igazíthatóak legyenek az állatok vizuális szociális viselkedéséhez. Az állatok nyelvének megértése érdekében világszerte több csapat kezdte el kutatni az egyes fajták hangjelzéseit. Az egyiptomi gyümölcsdenevéreket tanulmányozók videokamerákkal rögzítették az állatokat, hogy kontextust biztosítsanak a hívójeleknek.
Azt találták, hogy a denevér beszéde bőséges információt hordoz a kibocsátó személyéről, a hívás kontextusáról, a hívásra adott viselkedési válaszról, sőt a hívás címzettjéről is. Egy másik csoport videót, hangot és címkéket is használ, hogy a bálnák mozgását nyomkövetők segítségével tanulmányozza. Majd ennek segítségével megfejtse a szintaxist és a szemantikát annak érdekében, hogy miért is kommunikálnak a bálnák egyáltalán. Természetesen a kutatás előrehaladtával több csoport is azt javasolta, hogy teszteljék állatszótárukat. Úgy, hogy játsszák vissza a felvételeket az állatoknak és nézzék meg, azok hogyan reagálnak.
Kutatások során figyelembe kellett venni a kutatóknak azt, hogy az állatok állatok nyelvének megértése nem úgy működik, mint az emberi kommunikációk. Arra is figyelni kellett, hogy az antropomorfizálásra (emberi jelleggel felruházni valamit) való hajlam torzíthatja a kutatás eredményét. A fiziológiai és viselkedésbeli különbségek miatt, egyedi elemek lehetnek az állatok nyelvében.
A Merlin Bird ID by Cornell Lab applikáció még mindig működik
A Google Fordító készítése az állatok megértéséhez már nem új keletű dolog, hiszen a madarak azonosítására már létrehoztak egy alkalmazást is. Az alkalmazásban kezdetben csak arra volt lehetőség, hogy leírások, illetve képek alapján azonosítsák a közelben lévő ismeretlen madarakat. Ez a funkció bővült azzal, hogy a madarak énekléséből, csipogásából vagy hívójeleiből is fel lehessen ismerni az állatot egy rövid hangfelvétel segítségével.
Bár az ilyen típusú szoftverek bizonyos sikereket mutattak néhány állat alapvető szókincsének azonosításában (a hangjuk jellemzői, frekvencia). A hívások egyénekhez való hozzárendelése még mindig nagyon távol áll attól, hogy megértsük az állati nyelvek bonyolult árnyalatait. Szkeptikusok szerint nagy akadályt jelent a jelenlegi mesterséges intelligencia nyelvi modelljeinek hiányossága. Ez leginkább a szavak és az általuk hivatkozott tárgyak közötti kapcsolat valódi megértésében mutatkozik meg. Továbbá az sem előny, ahogy a tudósok az állattársadalmakkal kapcsolatos általános megértéshez állnak hozzá. Ráadásul a kutatók tudják, mi kerül be és mi jön ki, de nem egészen értik, hogyan jut el az algoritmus a következtetéshez.
A kutatóknak figyelembe kell vennie azt a tényt is, hogy az állatok kommunikációja egyáltalán nem úgy működik, mint az emberi kommunikáció.
Az antropomorfizálásra való hajlam pedig torzíthatja az eredményeket. A fiziológiai és viselkedésbeli különbségek miatt is egyedi elemek lehetnek az állatok nyelvében. Az adatparaméterek idő előtti megismerésének hiánya érdekében javaslatok vannak arra is, hogy önfelügyelt tanulási algoritmusokat alkalmazzanak a hangadatok elemzésekor. Természetesen azt is tudomásul kell venni, hogy az állatok nem rendelkeznek olyan hangképző rendszerrel, mint az ember. Vagy, hogy a rágcsálók az ultrahangos vokalizációk gazdag repertoárján keresztül vesznek részt a kommunikációban. (A DeepSqueak, egy felhasználóbarát szoftver, amelyet rágcsálók ultrahangos vokalizálására fejlesztettek ki.)
Végső soron az, hogy az emberek milyen messzire mennek el az állatok kommunikációjának megértésében az emberi céloktól függ. Néhányan úgy gondolják, hogy az állatok nyelvi alapjainak megértéséhez elégséges és praktikus lehetne egy fordító. Ennek segítségével szimplán csak értelmezni lehet, hogy boldogok, szomorúak vagy veszélyben érzik-e magukat az állatok.
No Comment