Descifrando la comunicación animal: cómo pueden ayudar la IA y el aprendizaje automático
La comunicación animal ha sido durante mucho tiempo un campo de estudio muy interesante para los investigadores, más aún en términos de cómo las especies comunican información y emociones complejas. Los recientes avances en inteligencia artificial y aprendizaje automático están brindando a los investigadores vislumbres de dichas comunicaciones y abriendo nuevas fronteras en la comprensión entre especies.
El trabajo pionero de Joyce Poole
Una de las investigadoras más famosas de los elefantes africanos es Joyce Poole. Ha trabajado casi continuamente en su comunicación durante más de 50 años. Fue a través de observaciones realizadas en la década de 1980 que descubrió que los elefantes podrían dirigir sus llamadas a individuos específicos en sus unidades familiares. Esto llevó a la idea de la identificación individual a un estudio colaborativo con Mickey Pardo, que tenía como objetivo cuantificar este fenómeno con una observación rigurosa y un análisis de sonido.
Usando un modelo estadístico, los investigadores pudieron clasificar casi 500 llamadas diferentes de elefantes y determinar con éxito a quién estaba llamando un elefante basándose en la estructura acústica de la llamada. Se trata de una investigación revolucionaria que posiblemente indique algún comportamiento de denominación atribuido al elefante de la sabana africana y desafía por completo las nociones convencionales sobre la comunicación animal.
Avances en IA y comunicación animal
El aprendizaje automático finalmente está cambiando la forma en que los investigadores estudian los sonidos de los animales. Tradicionalmente, los investigadores graban vocalizaciones, siguen el comportamiento y miden las respuestas a la reproducción de sonidos. Pero a veces, el verdadero desafío está incrustado en estas grabaciones en sí mismas: los sonidos producidos por muchos animales pueden crear el llamado "problema de la fiesta de cócteles", en el que es difícil distinguir las llamadas individuales.
Ahora, se están probando soluciones de IA similares a las utilizadas en el reconocimiento del habla humana para separar e identificar las llamadas de esas grabaciones mixtas. Se han desarrollado modelos en los que se pueden aislar vocalizaciones específicas, lo que aumenta enormemente la precisión de los estudios sobre el tema de la comunicación animal.
Las limitaciones del aprendizaje supervisado
De hecho, en la mayoría de estos estudios de investigación, incluido el realizado con elefantes, se recurre a modelos de aprendizaje supervisado que requieren una gran cantidad de datos etiquetados por humanos. Los resultados incluyen el emisor y el contexto de las vocalizaciones, pero existen limitaciones porque la comprensión de la comunicación animal por parte de los humanos es, per se, limitada, y los investigadores pueden pasar por alto inadvertidamente partes importantes de estas interacciones.
Para manejar este factor, los investigadores de IA han propuesto modelos llamados aprendizaje autosupervisado. Mientras que los modelos supervisados aprenden de grandes conjuntos de datos basados en etiquetas humanas, estos sistemas aprenden por sí solos sin etiquetas humanas y, por lo tanto, forman categorías y patrones. Este enfoque ampliaría el conocimiento de la comunicación animal al no estar limitado a ninguna interpretación humana preconcebida.
El Proyecto de Especies de la Tierra y las formas del lenguaje
Según Aza Raskin, cofundador del Proyecto de Especies de la Tierra, los modelos autosupervisados ofrecen una gran oportunidad de aplicación en los estudios de comunicación animal. Dice que también se podrían desarrollar modelos similares a los modelos de procesamiento del lenguaje natural, como ChatGPT, que aprenden estructuras de idiomas a partir de grandes cantidades de datos, para decodificar los sonidos de los animales.
La idea de una "forma del lenguaje" es que las relaciones entre las palabras en los idiomas humanos se pueden mapear en los sistemas de comunicación animal de la misma manera. Dicho de otro modo, al demostrarlo, los investigadores podrán identificar paralelismos entre la comunicación humana y animal, profundizando nuestra comprensión de las capacidades cognitivas compartidas.
Desafíos futuros
Si bien la comunicación entre especies por IA es emocionante en su perspectiva, existen desafíos importantes. El primero y más importante sería cómo validar los hallazgos en un marco de comunicación que quizás sea totalmente ajeno al hombre. Los investigadores deben determinar cómo evaluar la precisión y la relevancia de las traducciones de IA creadas en contextos muy alejados de la experiencia humana.
También hay que tener cuidado de no sobrestimar el potencial de comunicación. Si bien los animales muestran comportamientos sociales complejos e interconexiones emocionales, la sutileza que conlleva esta forma de comunicación puede no basarse en absoluto en las estructuras del lenguaje humano.
El futuro de la comprensión entre especies
Actualmente se están realizando amplios esfuerzos de recopilación de datos para facilitar el desarrollo de modelos de IA en la comunicación animal. Los investigadores están construyendo sólidas bases de datos de sonidos animales, y diferentes iniciativas están registrando miles de vocalizaciones individuales. Por lo tanto, estos serán datos fundamentales para entrenar a los sistemas de IA para decodificar y comprender eficazmente las comunicaciones animales.
La verdadera comunicación entre especies a través de la IA sigue en pañales. Sin embargo, el día en que los investigadores, en su búsqueda por unir el lenguaje de los humanos y los animales, tengan éxito, las implicaciones para nuestra comprensión de El mundo natural será enorme. Los esfuerzos no sólo aumentarán el aprecio por otras especies, sino que también aumentarán la conciencia sobre la biodiversidad y el derecho de todas las criaturas a coexistir en nuestro planeta.