Alexa gyvūnams: AI moko mus, kaip būtybės bendrauja

Alexa gyvūnams: AI moko mus, kaip būtybės bendrauja

Dirbtinis intelektas jau leido žmonėms kalbėtis su tokiais robotais kaip Alexa ir Siri, kuriuos įkvėpė mokslinė fantastika. Kai kurie naujausi jos kūriniai paimti iš vaikų literatūros herojaus: daktaro Dolitlio.

Tyrėjai naudoja dirbtinį intelektą, kad analizuotų gyvūnų „kalbą“, kad mokslininkai galėtų sukurti sistemas, kurios, pavyzdžiui, aptinka ir stebi banginių dainas, kad įspėtų netoliese esančius laivus, kad jie galėtų išvengti susidūrimų. Galbūt jai dar nepavyks susikalbėti su gyvūnais taip, kaip galėtų kalbėti šimtmečio vaikiškos knygos veikėjas, tačiau ši vadinamojo „gilaus mokymosi“ taikymas padeda gamtosaugininkams apsaugoti gyvūnus ir gali sumažinti atotrūkį tarp žmogiškasis ir nežmogiškas intelektas.

Mokslininkai, tiriantys šią kryptį, užduoda esminį klausimą: ar geriausias būdas ištirti vieną svetimą intelektą, kad būtų galima panaudoti kitą?

Net uždavus šį klausimą kyla įvairių problemų tiems, kurie kuria dirbtinį intelektą, daugelis iš jų nori pabrėžti, kad tai, ką dabar vadiname DI, nėra protinga pagal jokią pasauliečiui atpažįstamą apibrėžimą. Tai taip pat kelia problemų mokslininkams, tyrinėjantiems gyvūnus ir jų buveines, kurie pagal prekybą ir tradicijas yra atsargūs teigdami gyvūnų intelektą, lyginantį jį su mūsų pačių.

Be to, abi grupės entuziastingai džiaugiasi didžiuliu AI pritaikymu bendraujant su gyvūnais, nes tai yra būdas sužinoti apie mūsų pelekus, pūkuotus ir skraidančius draugus, ir kaip būdas patobulinti paties dirbtinio intelekto įrankius. Pažangiausio dirbtinio intelekto tobulinimas sprendžiant problemą, kuri yra tokia turtinga ir sudėtinga, kaip mąsto gyvūnai ir nesvarbu, ar jie „kalba“, ar ne, tyrėjams keliamas iššūkis siekti tikslų su tokiomis sistemomis, kurios neapsiriboja jų naudojimu žmonių kalboms suprasti. .

„Įdomu, kad dirbtinio intelekto įrankiai, ypač gilusis mokymasis, kuris yra karštas naujas dalykas, atrodo kaip natūralūs įrankiai tirti šią kitą „AI“ rūšį – gyvūnų intelektą“, – sako ilgametis dirbtinio intelekto specialistas Orenas Etzioni. tyrėjas ir Allen Institute for AI vadovas. Tai ne pelno organizacija, kurią įsteigė velionis „Microsoft“ įkūrėjas Paulas Allenas.

Gyvūnų bendravimo tyrinėtojai naudoja AI šaką, kuri pastaraisiais metais pasirodė esanti veiksminga sprendžiant žmonių kalbą. Savarankiškai prižiūrimas mokymasis vadinamas „savarankiškai prižiūrimu mokymusi“ – tai pažadas kaip būdas apdoroti didžiulius gyvūnų bendravimo įrašus, užfiksuotus laboratorijose ir natūralioje aplinkoje, dabar patenkančius į viso pasaulio mokslininkų kompiuterius, sako Aranas Mooney. asocijuotasis mokslininkas jutiminės ir bioakustikos laboratorijoje Woods Hole okeanografijos institute Cape Cod, Mass.

Norint suprasti savarankišką mokymąsi, tai padeda suprasti, kaip atsirado dauguma dirbtinio intelekto, su kuriuo kasdien bendraujame – ar tai būtų virtualūs asistentai, ar mūsų telefonų veido atrakinimo sistemos. Per pastaruosius du AI vystymosi dešimtmečius, norint išmokyti kompiuterį atpažinti informacijos modelius, nesvarbu, ar tai būtų šnekamosios kalbos perrašymas, ar vaizdų atpažinimas, reikėjo mokymo etapo, kuris apėmė galingą kompiuterių masyvą tiekiant didelius kiekius garsų, vaizdų ar kt. duomenų, kuriuos paženklino žmonės.

Galų gale, kaip kompiuteris gali išmokti atpažinti katę, jei jame nėra vaizdų, pažymėtų žmonių, duomenų bazės, „katė“?

Mokymasis savarankiškai yra kitoks. Ją naudojanti programinė įranga gali įsisavinti daugybę duomenų, kurių joks žmogus niekada nepalietė. Savarankiškai prižiūrimos sistemos „mokosi“ iš duomenims būdingų modelių. Tai yra kažkas, ką sugeba ir žmonės, nors atrodo, kad tai įgyvendiname naudodami įvairias tik mums būdingas strategijas, todėl svarbu tokioms sistemoms nepriskirti žmogiškų gebėjimų.

Vienas iš tokio tipo algoritmų galios pavyzdžių yra didesnė nei bet kada anksčiau sukurta kalbos apdorojimo ir generavimo sistema, kurią sukūrė ne pelno siekianti tyrimų laboratorija OpenAI. OpenAI apmokė šią sistemą, žinomą kaip GPT-3, 45 terabaitų teksto, išskobto iš viso interneto – nuo ​​knygų iki Vikipedijos. Iš to OpenAI pavyko sukurti programinę įrangą, kuri gali generuoti ilgus teksto blokus, kurie beveik nesiskiria nuo žmonių parašytos prozos ir gali kitais būdais imituoti žmogaus kalbos gebėjimus, pavyzdžiui, atsakyti į smulkmenas ir sugalvoti receptus.

Tos pačios rūšies technologijos, naudojamos kuriant GPT-3, kuris buvo pristatytas 2020 m., yra naudingos analizuojant gyvūnų ryšius dėl dviejų priežasčių. Pirma, savarankiškai prižiūrimoms mokymosi sistemoms nereikia duomenų, kuriuos paženklina žmonės, o jų generavimas yra brangus ir atima daug laiko. Antra, mokslininkai dažnai tiesiog nežino, ką gyvūnai „sako“, todėl sukurti žmonių pažymėtų gyvūnų „kalbos“ duomenų gali būti neįmanoma.

Vašingtono universiteto neuromokslininkas Kevinas Coffey tiria laboratorinių žiurkių ir pelių balsus. Šie gyvūnai gali stebėtinai sudėtingai savo „dainose“, ir atrodo, kad skirtingų balsų tvarka šiose dainose neša informaciją. Tačiau be pagrindinės informacijos – nesvarbu, ar gyvūnas jaučia nerimą, teritorinį ar įsimylėjusį – mokslininkai tiesiog nežino, ką sako graužikai.

Užuot klaususi „pažadinimo žodžio“, pvz., „Alexa“, „Whale Safe“ sistema klauso „Brrrrrrr, gmmmm, awwwwwrrrghgh“.

Tai viena iš priežasčių, kodėl dr. Coffey sukūrė „DeepSqueak“ – pavadinimas yra „gilaus mokymosi“ žaidimas – programinę įrangą, kuri leidžia tyrėjams lengviau automatiškai pažymėti gyvūnų skambučių įrašus. „DeepSqueak“ yra pakankamai universalus, kad programinė įranga taip pat buvo naudojama primatų vokalizavimui. Tyrimuose, kurie dar turi būti paskelbti, jis taip pat naudojamas siekiant padėti mokslininkams suprasti sudėtingą delfinų kalbą. (Mokslininkai išsiaiškino, kad delfinai yra pakankamai protingi, todėl jiems būdingi garsai veikia kaip „pavadinimai“, nurodantys save ir kitus.)

Kitos dirbtiniu intelektu pagrįstos sistemos, skirtos gyvūnų bendravimui analizuoti, yra labiau orientuotos į tai, kaip būtybės bendrauja laukinėje gamtoje, o taikomosios programos yra greitesnės nei supratimas, ką jie galvoja.

Whale Safe, ne pelno siekiančios Benioff Ocean Initiative projektas, prie JAV vakarinės pakrantės dislokuoja mažo automobilio dydžio plūdurus, kad aptiktų banginius ir įspėtų juos esančius laivus. Tada laivų prašoma sulėtinti greitį, nes laivų ir banginių susidūrimai dažnai būna mirtini. Nuo 2020 m., kai sistema buvo įdiegta, banginių atakų smarkiai sumažėjo Santa Barbaros kanale, kuris yra vienas judriausių laivybos kelių JAV vandenyse ir viena aktyviausių kuprotųjų ir nykstančių mėlynųjų banginių maitinimosi vietų vakarinėje pakrantėje. , sako jis. Callie Steffen, kuri vadovauja projektui.

Mokslininkai jau dešimtmečius tyrinėjo banginių dainas, tačiau anksčiau neturėjo galimybės automatiškai ir nuotoliniu būdu aptikti tų garsų laukinėje gamtoje. Banginių skambučių apdorojimas plūduruose esančiuose kompiuteriuose su dirbtiniu intelektu yra labai svarbus sistemos veikimui, nes plūdurai negali įkelti visų renkamų duomenų realiuoju laiku. Tokio tipo „kraštų skaičiavimas“ taip pat yra toks, kaip veikia tokios sistemos kaip „Amazon Alexa“, „Apple Siri“ ir „Google Assistant“.

PASIDALINKITE MINTIMIS

Jei galėtumėte pasikalbėti su savo augintiniu, ką jam pasakytumėte ar paklaustumėte? Prisijunkite prie pokalbio žemiau.

Šiuo atveju sistema klauso „pažadinimo žodžio“, pvz., „Alexa“, o „Brrrrrrr, gmmmm, awwwwwrrrghgh“, kuris yra šio apžvalgininko bandymas transliteruoti netikėtai keistus mėlynojo banginio skambučius. Šis klausymas nėra maža užduotis. Panašiai kaip išmanusis asistentas turi susidoroti su daugybe skirtingų pasaulio angliškai kalbančių žmonių akcentų, Whale Safe plūdurai turi atpažinti įvairius skambučius, nustatyti, kuri rūšis juos skleidžia, ir filtruoti visą foninį triukšmą.

Kita dirbtiniu intelektu pagrįsta sistema, vadinama BirdNET, kurią sukūrė Kornelio universiteto ir Vokietijos Chemnitzo technologijos universiteto mokslininkai, dabar gali atpažinti daugiau nei 3000 skirtingų paukščių rūšių šauksmus. Sistemos versija buvo paversta išmaniojo telefono programėle, kuri veikia kaip Shazam dainų atpažinimo programos paukštininkų versija. Tai leidžia sukurti naują „piliečių mokslą“, kuriame beveik dviejų milijonų aktyvių BirdNET vartotojų įrašai gali būti geografiškai nustatyti ir naudojami reiškiniams, tokiems kaip paukščių migracijos keliai, tirti.

Be naujesnių metodų, pvz., giluminio mokymosi, dirbtinio intelekto naudojimas gyvūnų bendravimui apdoroti yra tas pats dalykas, kuris skatina AI naudojimą visose pramonės šakose ir komercinėse programose: lengviau ir pigiau nei bet kada surinkti didžiulius kiekius duomenis, juos saugoti ir apdoroti, sako dr. Galimybės. Šios technologijos megatrendai taip pat apima Moore’o dirbtinio intelekto dėsnį – idėją, kurią aš vadinu Huango įstatymu – ir geografinį technologijų talentų ir praktinės patirties paskirstymą.

Jutikliai taip pat tampa pigesni ir lengviau panaudojami. Pavyzdžiui, bendrovė „Wildlife Acoustics“ parduoda mažus, baterijomis maitinamus lauko garso įrašymo įrenginius, kurie gali užfiksuoti įvairiausių gyvūnų skleidžiamus garsus. Diktofonus naudoja gamtosaugininkai, mokslininkai ir pedagogai visame pasaulyje vykdydami projektus, pradedant varlių stebėjimu ir baigiant šikšnosparnių apsauga nuo vėjo turbinų žūties. Kai „Wildlife Acoustics“ pradėjo veikti daugiau nei prieš dešimtmetį, per metus tokių registratorių parduodavo vos kelis šimtus. Dabar parduodama daugiau nei 20 000 vnt., o šis skaičius ir toliau sparčiai auga, sako Sherwoodas Snyderis, bendrovės produktų valdymo direktorius. Dalis to, kas skatina pritaikymą, yra mažėjančios tokių jutiklių kainos; Įmonės naujausias ir pigiausias kainuoja 250 USD.

Garso įrašymo sistema koraliniame rife prie Šv. Johnas, JAV Mergelių salose.


Nuotrauka:

Mooney Lab / Woods Hole okeanografijos institucija

Tos pačios tendencijos veikia vandenynų tyrinėtojus, tokius kaip dr. Mooney of Woods Hole. Per pastaruosius du dešimtmečius mažėjant povandeninių mikrofonų kainoms ir didėjant dirbtiniu intelektu pagrįstų sistemų prieinamumui apdoroti tai, ką jos įrašo, tarpdalykinė, kelių institucijų grupė pradėjo projektą, pavadintą Pasauline povandeninių biologinių garsų biblioteka. Grupė bandys pritaikyti tokias technikas kaip savarankiškas mokymasis kakofoniniams, pavyzdžiui, koralų rifų garsams.

Pradiniame lygmenyje savarankiškai prižiūrimas mokymasis gali padėti mokslininkams pakeisti mokslo kryptį. Užuot atėję į tyrimą turėdami galvoje hipotezę, jie tiesiog paima visus galimus duomenis – gerdami posakį vandenyną – ir tada leidžia šablonų paieškos algoritmams. Rezultatas gali būti rezultatai, kurių nė vienas žmogus nebūtų numatęs, sako dr. Mooney.

Anksčiau žmonės mokydavo dirbtinį intelektą, pirmiausia pateikdami duomenų, suskirstytų į kategorijas, pavyzdžius. Ateityje šie naujesni AI tipai gali mus išmokyti, kokios kategorijos pirmiausia egzistuoja.

„Su savarankiškai prižiūrimu mokymusi“, – sako dr. Etzioni, „galite pasakyti kompiuteriui: „Pasakyk man duomenis, kokią struktūrą matai“. “

Norėdami gauti daugiau WSJ technologijos analizės, apžvalgų, patarimų ir antraščių, užsiprenumeruokite mūsų savaitinį informacinį biuletenį.

Parašyti Christopheris Mimsas adresu christopher.mims@wsj.com

Autoriaus teisės © 2022 Dow Jones & Company, Inc. Visos teisės saugomos. 87990cbe856818d5eddac44c7b1cdeb8

.

Parašykite komentarą

El. pašto adresas nebus skelbiamas.