Исследователи используют искусственный интеллект для декодирования языка собак

Ученые из Мичиганского университета использовали искусственный интеллект для расшифровки того, что собаки имеют в виду под различными типами лая. Wav2Vec2 успешно справился с четырьмя задачами классификации - распознаванием собак, определением породы, классификацией пола и определением контекста.

В докладе, представленном на Объединенной международной конференции по вычислительной лингвистике, языковым ресурсам и оценке, рассказывается, как модели ИИ, обученные на человеческой речи, использовались для классификации собачьего лая.

Команда, сотрудничавшая с мексиканским Национальным институтом астрофизики, оптики и электроники (INAOE) в Пуэбле, рассказала, что первым препятствием, с которым они столкнулись при разработке моделей ИИ, способных анализировать вокализацию животных, стало отсутствие общедоступных данных.

Артем Абзалиев, ведущий автор и докторант Университета штата Массачусетс в области компьютерных наук и инженерии, говорит, что эта проблема намного сложнее, чем сбор человеческой речи:

"Вокализации животных логистически гораздо сложнее получить и записать. Они должны быть пассивно записаны в дикой природе или, в случае с домашними животными, с разрешения владельцев".

По словам Рады Михалчи, профессора компьютерных наук и инженерии Дженис М. Дженкинс и директора лаборатории искусственного интеллекта Университета штата Массачусетс, использование моделей, обученных на человеческой речи, частично решает эту проблему:

"Используя модели обработки речи, изначально обученные на человеческой речи, наше исследование открывает новое окно в то, как мы можем использовать то, что мы уже создали в области обработки речи, чтобы начать понимать нюансы собачьего лая".

Такой подход позволил исследователям использовать существующие надежные модели, разработанные для технологий, использующих голос, включая преобразование речи в текст и перевод языка. Эти модели обучены различать нюансы человеческой речи, такие как тон, высота тона и акцент, и преобразовывать эту информацию в формат, который может быть проанализирован компьютером.

Исследователи использовали набор данных собачьих вокализаций, записанных от 74 собак разной породы, возраста и пола в различных контекстах. Умберто Перес-Эспиноса, сотрудник INAOE, возглавлял группу, которая собирала данные. Затем Абзалиев использовал записи для модификации модели машинного обучения. Команда выбрала модель представления речи под названием Wav2Vec2, которая изначально была обучена на данных человеческой речи.

С помощью этой модели исследователи смогли создать представления акустических данных, полученных от собак, и интерпретировать эти представления. Они обнаружили, что Wav2Vec2 успешно справилась с четырьмя задачами классификации - распознаванием собак, определением породы, классификацией по полу и определением контекста. Модель также превзошла другие модели, обученные специально на данных о лае собак, с точностью до 70 %.

Команда говорит, что надеется, что их работа подтолкнет других представителей сообщества НЛП к тому, чтобы начать рассматривать многочисленные исследовательские возможности, которые существуют в области общения с животными. Итак, кошки или хомячки? Гонка продолжается.