Главное в материале

  • Модель NatureLM-audio различает звуки лягушек с точностью 99% и определяет отдельные виды с точностью 82%
  • Google DeepMind разработала DolphinGemma на основе многолетних записей диких атлантических дельфинов
  • Исследование 2024 года в Nature Communications показало, что коммуникация кашалотов сложнее, чем считалось ранее

ИИ выходит в поле: от распознавания звуков к изучению общения

Исследователи всё активнее применяют машинное обучение для анализа звуков животных — от птиц и слонов до китов и дельфинов. Обзор этой области опубликовал Euronews. В центре внимания — некоммерческая организация Earth Species Project из США, которая разрабатывает модели ИИ для анализа вокализаций и выявления закономерностей в общении разных видов. Её долгосрочная цель — понять, что животные сообщают друг другу.

NatureLM-audio: минуты вместо месяцев анализа

Earth Species Project создала модель NatureLM-audio, предназначенную для распознавания и классификации звуков животных, определения типов вокализаций и анализа больших массивов аудиозаписей. Модель работает с запросами на естественном языке, что потенциально позволяет анализировать записи за минуты вместо месяцев. В тесте на записях австралийского природоохранного проекта FrogID она показала 99% точности в различении звуков лягушек от других записей и 82% точности в определении отдельных видов лягушек.

Эксперименты с реакцией животных на ИИ-звуки

Организация сотрудничает с исследователями, изучающими косаток, ворон и зебровых амадин. Вместе с учёными из Университета Макгилла в Канаде создана модель ZF-AIM для изучения вокального взаимодействия зебровых амадин: она генерирует похожие на птичьи звуки в реальном времени, позволяя наблюдать, как птицы реагируют на ИИ-вокализации. Это выход за рамки простого анализа записей, однако, как подчёркивает Euronews, технология пока не способна «перевести», что говорят птицы, и разговора между животными и машинами ещё нет.

Дельфины и кашалоты: DolphinGemma и Project CETI

Google DeepMind разработала модель DolphinGemma, обученную на многолетних записях диких пятнистых атлантических дельфинов, собранных проектом Wild Dolphin Project. Модель анализирует последовательности вокализаций, выявляет повторяющиеся схемы и прогнозирует, какие звуки последуют дальше; учёные надеются со временем сформировать общий «словарь» между людьми и дельфинами, но пока модель изучает, как животные общаются, а не переводит их звуки. Описание модели доступно на странице проекта DolphinGemma. Другая инициатива, Project CETI, использует ИИ, робототехнику, лингвистику и подводную запись для изучения «кодов» — последовательностей щелчков, которыми общаются кашалоты. Исследование 2024 года в Nature Communications, охватившее более 8 700 кодов, выявило особенности ритма, темпа и порядка щелчков, что указывает на более сложную коммуникацию кашалотов, чем считалось раньше.

Почему «переводчика» пока нет и какие риски видят исследователи

Выявление закономерностей в звуках ещё не означает понимания их смысла: исследователям предстоит установить, имеют ли отдельные вокализации конкретные значения и как они меняются в зависимости от контекста. Звуки животных нужно рассматривать вместе с поведением, социальными связями и условиями среды, а интерпретации проверять в контролируемых экспериментах. Есть и риски: если удастся распознавать и воспроизводить сигналы, связанные с брачным поведением, стрессом или социальным взаимодействием, ту же технологию можно использовать для привлечения животных, нарушения их поведения или облегчения поимки. Исследователи также опасаются последствий трансляции ИИ-вокализаций в природные популяции и отмечают риск приписать животным намерения или эмоции, которых они не выражали. По мнению авторов обзора, задача состоит не только в создании технологий понимания животных, но и в их использовании так, чтобы защищать изучаемых животных.