Google prevoditelj za glodavce i kitove još ne postoji, ali istraživači rade na tome.
U filmu Pixar Gore, pas iz crtića po imenu Dug ima neku vrstu čarobne ogrlice koja može prevesti njegov lavež i cviljenje u tečan ljudski govor. Drugdje u stvarnom svijetu, vrlo dobro dresirani psi može se naučiti pritiskati gumbe koji proizvode ljudski govor za jednostavne naredbe poput "vani", "hodaj" i "igraj se". Ljudi su oduvijek bili fascinirani mogućnošću da komunicirati s životinje s kojima dijele svijet, a nedavno, strojno učenje, sa svojim sve naprednijim mogućnostima za raščlanjivanje ljudskog govora, predstavila se kao put pun nade za prevođenje životinja.
Članak u New York Times ovaj je tjedan dokumentirao velike napore pet skupina istraživača koji su proučavali korištenje algoritama strojnog učenja za analizu poziva glodavaca, lemuri, kitovi, kokoši, svinje, šišmiši, mačke, i više.
Tipično, sustavi umjetne inteligencije uče kroz obuku s označenim podacima (koji se mogu dobiti putem interneta ili resursa poput e-knjiga). Za čovjeka
jezični modeli, to obično uključuje davanje rečenice računalima, blokiranje određenih riječi i traženje od programa da popuni praznine. Također sada postoji više kreativnih strategija koje žele uskladiti govor na aktivnost mozga.Ali analiza životinjskog jezika je drugačija stvar od analize ljudskog jezika. Računalni znanstvenici moraju uputiti softverske programe o tome što trebaju tražiti i kako organizirati podatke. Ovaj proces većim dijelom ne ovisi samo o prikupljanju dobrog broja vokalnih zapisa, već i o povezivanju tih vokalnih zapisa s vizualnim društvenim ponašanjem životinja. Grupa koja je proučavala egipatske voćne šišmiše, na primjer, također je koristila video kamere za snimanje samih šišmiša kako bi pružila kontekst za pozive. I grupa koja je proučavajući kitove planira koristiti video, audio, kao i oznake koje mogu bilježiti pokrete životinja za dešifriranje sintakse, semantike i konačno značenja iza onoga što kitovi komuniciraju i zašto. Naravno, nekoliko grupa također je predložilo testiranje njihovih životinjskih rječnika puštanjem snimaka životinjama i gledanjem njihove reakcije.
Izrada a Google prevoditelj za životinje bio je aspirativni projekt na kojem se radilo bolju polovicu prošlog desetljeća. Strojno učenje također je daleko otišlo u smislu otkrivanje prisutnosti životinja, pa čak iu nekim slučajevima, točno identificiranje životinja pozivom. (Cornellova aplikacija Merlin je šokantno precizan u povezivanju vrsta ptica s njihovim zovovima.) I premda ova vrsta softvera ima pokazao određeni uspjeh u identificiranju osnovnog vokabulara određenih životinja na temelju karakteristika njihove vokalizacije (tj. frekvencija ili glasnoća), kao i pripisivanje poziva pojedincima, to je još uvijek daleko od razumijevanje svih zamršenih nijansi onoga što bi životinjski jezik mogao obuhvatiti.
[Povezano: S novim oznakama istraživači mogu pratiti morske pse u tamnim dubinama Zone sumraka oceana]
Mnogi skeptici ovog pristupa primjećuju oboje nedostatke trenutni jezični modeli umjetne inteligencije u mogućnosti istinskog razumijevanja odnosa između riječi i objekata na koje se one mogu odnositi u stvarnom svijetu, te nedostatke u znanstveničko razumijevanje životinjskih društava u cjelini. Modeli jezika umjetne inteligencije za ljude oslanjaju se na računalo koje mapira odnos između riječi i konteksta u kojima bi se mogle pojaviti (gdje bi mogle ići u rečenici i na što bi se mogle odnositi do). Ali ti modeli imaju svoje nedostatke i ponekad mogu biti Crna kutija— istraživači znaju što ulazi i izlazi, ali ne razumiju kako algoritam dolazi do zaključka.
Još jedan čimbenik koji istraživači uzimaju u obzir je činjenica da komunikacija životinja možda neće uopće funkcioniraju poput ljudske komunikacije, a tendencija njihove antropomorfizacije mogla bi iskriviti rezultate. Moglo bi biti jedinstveni elementi životinjskom jeziku zbog fizioloških razlika i razlika u ponašanju.
Kako ne biste mogli znati parametre podataka unaprijed, postoje prijedlozi za korištenje algoritmi za samonadzor učenja za analizu audio podataka, prema izvješću ranije ove godine u the Wall Street Journal, u kojem računalo govori istraživačima koje obrasce vidi u podacima - uzorke koji bi mogli otkriti veze koje ljudsko oko propušta. U konačnici, koliko daleko ljudi idu u zečju rupu pokušavajući razumjeti komunikaciju sa životinjama ovisi o tome ljudskih ciljeva za ovu vrstu istraživanja, au tu svrhu može biti dovoljno upoznati se s osnovama. Na primjer, prevoditelj koji može pouzdano protumačiti jesu li životinje s kojima smo često u bliskom kontaktu sretne, tužne ili u opasnosti mogao bi biti i koristan i praktičniji za izradu.
