인공지능이 동물과 대화하는 데 정말로 도움이 될 수 있을까?

돌고래 조련사는 손을 사용하여 "함께" 신호를 보낸 다음 "만들기" 신호를 보냅니다. 훈련된 돌고래 두 마리가 물속으로 사라지고 소리를 교환한 다음 표면으로 올라와 등을 대고 꼬리를 치켜올립니다. 그들은 자신만의 새로운 기술을 고안하고 필요에 따라 차례대로 수행했습니다. "이것은 언어가 존재한다는 것을 증명하지 못합니다"라고 Aza Raskin은 말합니다. "하지만 풍부하고 상징적인 형태의 의사소통을 사용할 수 있다면 확실히 작업이 더 쉬워질 것입니다."

Ruskin은 ESP(Earth Species Project)의 공동 창립자이자 회장입니다. 기계 학습이라는 일종의 인공 지능(AI)을 사용하여 인간이 아닌 통신을 해독하고 사용 가능한 모든 노하우를 제공함으로써 다른 살아있는 종과의 관계를 심화시켜 그들을 보호하는 데 도움을 줍니다. 1970년 고래 노래가 담긴 앨범은 상업적인 포경을 금지하는 운동에 영감을 주었습니다. 동물의 왕국의 Google 번역은 무엇을 생산합니까?

LinkedIn 공동 창업자인 Reid Hoffman을 비롯한 주요 기부자의 도움으로 2017년에 설립된 이 조직은 지난해 12월 첫 번째 과학 논문을 발표했습니다. 목표는 우리 생애 동안 동물과 의사소통을 시작하는 것입니다. Raskin은 "우리가 연구하고 있는 것은 동물의 의사소통을 해독하고 인간이 아닌 언어의 신비를 발견할 수 있는지 여부입니다."라고 말했습니다. "그 과정에서 마찬가지로 중요한 것은 생물학자와 동물 보호를 지원하는 기술을 개발하는 것입니다.

동물의 발성을 이해하는 것은 오랫동안 인간의 관심과 탐구의 주제였습니다." 다양한 영장류가 내는 경보 소리는 포식자에 따라 다릅니다. 돌고래는 친구를 부르기 위해 독특한 휘파람을 사용하며, 일부 명금류는 소리에서 요소를 추출하여 다른 메시지를 전달하기 위해 재배열할 수 있습니다. 그러나 대부분의 전문가들은 모든 기준을 충족하는 동물 의사소통이 없기 때문에 그것을 언어라고 부르지 않습니다.

최근까지 해독은 주로 힘든 관찰에 의존했습니다. 그러나 현재 현대 동물 의사소통 센서로 수집할 수 있는 방대한 양의 데이터를 처리하기 위해 기계 학습을 적용하는 데 큰 관심이 있습니다. 포유동물과 조류의 음성 의사소통을 연구하는 코펜하겐 대학의 부교수 Elodie Briefer는 "사람들이 그것을 사용하기 시작했습니다."라고 말했습니다. "하지만 우리가 얼마나 할 수 있는지는 아직 모릅니다."

Briefer는 돼지의 끙끙거리는 소리를 분석하여 동물이 긍정적인 감정을 느끼는지 부정적인 감정을 느끼는지 판단하는 알고리즘을 공동 개발했습니다. DeepSqueak이라는 또 다른 방법은 초음파 신호를 기반으로 설치류가 스트레스를 받는지 여부를 확인합니다. 또 다른 계획인 CETI 프로젝트(Cetacean Translation Initiative의 약자)에서는 기계 학습을 사용하여 향유고래의 의사소통을 번역할 계획입니다.

올해 초 Elodie Briefer와 동료들은 돼지의 음성 감정을 기반으로 한 연구를 발표했습니다. 다양한 시나리오에서 411마리의 돼지로부터 7,414개의 소리가 수집되었습니다.

그러나 ESP는 한 종의 통신을 해독하는 데 초점을 맞추는 것이 아니라 모든 종의 통신을 해독하는 데 초점을 맞춘다는 점에서 접근 방식이 다르다고 말합니다. 러스킨은 풍부한 상징적 의사소통의 잠재력이 영장류, 고래, 돌고래와 같은 사회적 동물 사이에서 더 높다는 점을 인정하지만 목표는 동물계 전체에 적용할 수 있는 도구를 개발하는 것입니다. Raskin은 “우리는 종에 구애받지 않습니다. "우리는 벌레부터 고래까지 모든 생물학에 걸쳐 작업할 수 있는 도구를 개발합니다."

Raskin은 ESP에 대한 그의 "직관적으로 영감을 주는" 작업이 기계 학습이 다양하고 때로는 먼 곳에서 사용될 수 있음을 보여준다고 말했습니다. 사전 지식 없이.

이 프로세스는 물리적 위상 공간에서 단어를 표현하는 알고리즘을 개발하는 것부터 시작됩니다. 이 다차원 기하학적 표현에서 점(단어) 사이의 거리와 방향은 이들이 서로 의미 있게 어떻게 관련되어 있는지(의미론적 관계)를 설명합니다. 예를 들어 '왕'과 '남자'의 관계는 '여자'와 '여왕' 사이의 거리와 방향과 같다. (매핑은 단어가 무엇을 의미하는지 아는 것이 아니라 얼마나 자주 서로 가까이 있는지 확인하여 수행됩니다.)

이 "모양"은 언어마다 유사하다는 것이 나중에 밝혀졌습니다. 그러다가 2017년에 독립적으로 연구하는 두 연구원 그룹이 모양을 정렬하여 번역을 달성할 수 있는 기술을 발견했습니다. 영어에서 우르두어로 이동하려면 모양을 정렬하고 영어 단어 포인트에 가장 가까운 우르두어 단어 포인트를 찾으세요. "그러면 대부분의 단어를 꽤 잘 번역할 수 있습니다"라고 Raskin은 말했습니다.

ESP의 열망은 단일 종과 여러 종에서 동시에 작업하는 동물 의사소통의 표현을 만들고 보편적인 인간 의사소통 '모양'과 겹치는 부분이 있는지와 같은 질문을 탐구하는 것입니다. Raskin은 동물이 세상을 어떻게 경험하는지 모르지만 일부 동물은 우리와 공유하고 같은 종의 다른 동물과 소통하는 것처럼 보이는 슬픔과 기쁨과 같은 감정이 있다고 말했습니다. "모양이 겹쳐서 직접 소통하거나 번역할 수 있는 부분과 그렇지 않은 부분 중 어느 것이 더 놀라운지 모르겠습니다.

"

​ 돌고래는 딸깍 소리, 휘파람 소리, 기타 소리를 사용하여 의사소통합니다. 그런데 그들이 뭐라고 말하는 걸까요?

그는 동물들이 단순한 소리 이상의 것을 통해 소통한다고 덧붙였습니다. 예를 들어, 꿀벌은 꽃의 위치를 ​​다른 사람에게 알리기 위해 '흔들기 춤'을 사용합니다. 다양한 의사소통 방식에 걸친 번역도 필요합니다.

Raskin은 목표가 '달에 가는 것'이라고 인정하지만 그 아이디어가 단번에 달성되지는 않습니다. 대신 ESP의 로드맵에는 더 큰 그림을 달성하기 위해 일련의 작은 문제를 해결하는 것이 포함됩니다. 이는 연구자들이 연구하는 종의 비밀을 밝히기 위해 인공지능을 적용하는 데 도움이 될 수 있는 일반 도구의 개발을 보아야 합니다.

예를 들어 ESP는 최근 동물 의사소통의 소위 '칵테일 파티 문제'에 관한 논문을 발표하고 코드를 공유했습니다. 이 문제에서는 동일한 동물 그룹 중 어느 개체가 시끄러운 소리를 내고 있는지 식별하기 어렵습니다.

“우리가 아는 바로는 이전에 이런 종류의 엔드투엔드 [동물 소리] 풀기 작업을 수행한 사람은 아무도 없습니다.”라고 Raskin이 말했습니다. ESP가 개발한 AI 기반 모델은 돌고래 시그니처 휘파람, 짧은꼬리원숭이, 박쥐 발성에서 테스트되었으며 모델이 훈련된 개인에게서 호출이 나올 때 가장 잘 작동했지만 더 큰 데이터 세트를 사용하면 혼합 호출을 풀 수 있었습니다. 훈련 대기열에 없는 동물로부터.

또 다른 프로젝트는 혹등고래를 시험 종으로 사용하여 인공 지능을 사용하여 새로운 동물 소리를 생성하는 것입니다. 발성을 마이크(100분의 1초 동안 지속되는 다양한 소리 단위)로 분리하고 언어 모델을 사용하여 고래와 같은 것을 "말하는" 새로운 호출을 동물에게 재생하여 동물이 어떻게 반응하는지 확인할 수 있습니다. Raskin은 AI가 무작위 변화와 의미상 의미 있는 변화의 원인을 식별할 수 있다면 의미 있는 의사소통에 더 가까워질 수 있다고 설명합니다. "아직 그것이 무엇을 의미하는지 모르지만 인공 지능이 언어를 말할 수 있게 해줄 것입니다."

하와이 까마귀는 도구를 사용하는 것으로 유명하지만 특히 복잡한 발성 세트를 가지고 있는 것으로 생각됩니다. .

또 다른 프로젝트는 패턴을 학습하기 위해 인간 전문가가 데이터에 라벨을 붙일 필요가 없는 자기 지도형 기계 학습을 적용하여 종의 통화 유형 수를 결정하는 알고리즘을 개발하는 것을 목표로 합니다. 초기 테스트 사례에서는 세인트 앤드루스 대학의 생물학 교수인 Christian Rutz가 이끄는 팀이 녹음한 내용을 마이닝하여 하와이 까마귀의 보컬 레퍼토리 목록을 작성합니다. Rutz는 하와이 까마귀의 보컬 레퍼토리를 발견했습니다. 채집 도구를 만들고 사용하는 능력이 있으며 다른 까마귀 종보다 더 복잡한 보컬 레퍼토리를 가지고 있다고 생각됩니다.

Rutz는 특히 이 프로젝트의 동물 보호 가치에 대해 매우 기쁘게 생각합니다. 하와이까마귀는 심각한 멸종 위기에 처해 있으며 야생으로의 재도입을 위해 사육되는 사육 상태에서만 존재합니다. 시간이 지남에 따라 기록을 기록함으로써 종의 호출 레퍼토리가 포로 상태에서 침식되었는지 여부를 추적하는 것이 가능할 것으로 기대됩니다. 예를 들어 특정 경보 호출이 손실되었을 수 있으며 이는 이러한 손실에 영향을 미칠 수 있습니다. 개입 해결을 통해 완화될 수 있습니다. Rutz는 "이것은 새들이 위기에서 회복하도록 돕는 우리의 능력을 한 단계 더 발전시킬 수 있다"고 말하면서 수동 감지 및 분류 호출은 노동 집약적이고 오류가 발생하기 쉽다고 덧붙였습니다.

한편, 또 다른 프로젝트에서는 발성의 기능적 의미를 자동으로 이해하려고 시도합니다. 이는 UC Santa Cruz의 해양과학 교수인 Ari Friedlaender의 연구실에서 연구되고 있습니다. 본 연구실에서는 직접 관찰하기 어려운 야생 해양 포유류가 어떻게 물속으로 이동하는지 연구하며 세계 최대 규모의 태깅 프로그램 중 하나를 운영하고 있습니다. 동물에 부착된 소형 전자 "생체 기록" 장치는 동물의 위치, 움직임 유형, 심지어 동물이 보는 것까지 캡처할 수 있습니다(이 장치에는 카메라가 포함될 수 있음). 또한 연구실에는 바다에 전략적으로 배치된 오디오 녹음기의 데이터도 있습니다.

ESP는 먼저 자율 감독 기계 학습을 적용하여 데이터에 라벨을 지정하고 동물이 무엇을 하는지(예: 식사, 휴식, 여행 또는 사교 활동 등) 자동으로 측정한 다음 오디오 데이터를 추가하여 기능적 의미가 있는지 확인하는 것을 목표로 합니다. 해당 행동 호출에 할당됩니다. (그런 다음 재생 실험과 이전에 디코딩된 호출을 사용하여 모든 결과를 확인할 수 있습니다.) 이 기술은 처음에는 혹등고래 데이터에 적용됩니다. 실험실에서는 이미 동일한 그룹의 여러 동물에 태그를 지정했기 때문에 어떻게 보내고 받는지 확인할 수 있습니다. 신호. Friedlander는 현재 사용 가능한 도구가 데이터를 분석할 수 있는 측면에서 "한계에 도달"했다고 말했습니다. "우리는 ESP가 할 수 있는 작업이 새로운 통찰력을 제공할 수 있기를 바랍니다"라고 그는 말했습니다.

​하지만 모든 사람이 그런 야심찬 목표를 달성하기 위해 인공 지능의 힘에 그렇게 열광하는 것은 아닙니다. 펜실베이니아 대학교 심리학과 명예교수인 로버트 세이퍼스(Robert Seyfarth)는 40년 이상 자연 서식지에서 영장류의 사회적 행동과 음성 의사소통을 연구해 왔습니다. 그는 기계 학습이 동물의 발성 레퍼토리를 식별하는 것과 같은 일부 문제를 해결할 수 있다고 생각하지만 발성의 의미와 기능을 발견하는 것을 포함하여 많은 문제를 일으킬 것이라고 의심하는 다른 영역도 있습니다.

문제는 많은 동물들이 복잡한 사회를 가질 수 있지만 그들의 소리 레퍼토리는 인간보다 훨씬 적다는 것입니다. 결과적으로 똑같은 소리가 서로 다른 맥락에서 서로 다른 의미를 갖는 데 사용될 수 있으며 이는 개인이 누구에게 전화하는지, 다른 사람과 어떻게 관련되는지, 계층 구조에서 어디에 적합한지, 누가 누구인지 등의 맥락을 연구함으로써만 가능합니다. 그들은 상호 작용하며 그 의미가 확립될 수 있기를 바랍니다. Seyfarth는 "이러한 AI 접근 방식만으로는 충분하지 않다고 생각합니다."라고 말했습니다. “밖으로 나가서 동물을 봐야 해요.”

동물 의사소통 지도에는 꿀벌의 “흔들기 춤”과 같은 비음향 현상이 포함되어야 합니다.

개념 자체에 대한 질문도 있습니다. 동물 의사소통의 형태가 인간 의사소통의 '형태'와 의미 있는 방식으로 겹친다는 것입니다. Seyfarth는 우리에게 매우 친숙한 인간의 언어에 컴퓨터 기반 분석을 적용하는 것이 하나의 문제라고 말했습니다. 그러나 다른 종에 대해서는 그렇게 하는 것이 "완전히 다를" 수 있습니다. DeepSqueak 알고리즘을 공동 개발한 워싱턴 대학의 신경과학자인 Kevin Coffey는 "흥미로운 아이디어이지만 너무 큰 일입니다."라고 말했습니다.

Ruskin은 인공 지능만으로는 다른 종과의 의사소통을 잠금 해제하는 데 충분하지 않을 수 있음을 인정했습니다. 그러나 그는 많은 종의 의사소통 방식이 "인간이 생각하는 것보다 더 복잡"하다는 것을 보여주는 연구 결과를 지적합니다. 걸림돌은 충분한 데이터를 수집하고 대규모 분석을 수행하는 능력과 우리 자신의 제한된 지식입니다. "이것은 우리가 인간의 안경을 벗고 종의 전체 의사소통 시스템을 이해할 수 있게 해주는 도구입니다."라고 그는 말했습니다.

위 내용은 인공지능이 동물과 대화하는 데 정말로 도움이 될 수 있을까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!