Lavež nam često zvuči kao jednostavan signal – pas je uzbuđen, uplašen, ljut ili želi nešto da nam poruči. Međutim, naučnici sve više istražuju mogućnost da se u psećim vokalizacijama krije mnogo više informacija nego što ljudsko uho može da prepozna.
Istraživači sa Tehnološkog univerziteta u Kaunasu (KTU) u Litvaniji koriste metode mašinskog učenja kako bi analizirali zvukove koje psi proizvode i pronašli obrasce koji bi mogli biti povezani sa njihovim emocionalnim stanjem, ponašanjem i situacijom u kojoj se nalaze.
Profesor Rytis Maskeliūnas sa Fakulteta informatike KTU-a objašnjava da je veštačka inteligencija posebno korisna zato što može da obradi ogromne količine zvučnih zapisa i u njima pronađe pravilnosti koje bi čoveku bilo teško da uoči.
Naučnici naglašavaju da smo još veoma daleko od toga da veštačka inteligencija može da „prevede“ pseći lavež u rečenice poput „gladan sam“ ili „želim napolje“.
Šta se može prepoznati iz psećeg glasa?
Maskeliūnas i njegove kolege još ranije su istraživali koliko informacija o emocionalnom stanju psa može da se dobije analizom njegovih vokalizacija.
U istraživanju objavljenom 2018. godine analizirani su zvukovi nemačkih ovčara. Na osnovu procena stručnjaka za ponašanje životinja, zvukovi su razvrstani u četiri kategorije: sreća, ljutnja, cviljenje i usamljenost.
Istraživači nisu analizirali samo sam zvuk, već su ga razlagali na različite frekvencijske i vremenske karakteristike. Zatim su koristili metode mašinskog učenja kako bi proverili da li se na osnovu tih karakteristika mogu razlikovati različita emocionalna stanja.
Rezultati su pokazali da se iz psećih vokalizacija zaista mogu izdvojiti akustičke karakteristike povezane sa određenim stanjima. U novijem osvrtu na ovo istraživanje, Maskeliūnas posebno navodi da je ljutiti lavež bilo moguće prepoznati sa prilično visokom pouzdanošću.
To ne znači da veštačka inteligencija već razume „jezik pasa“.
Prepoznati emociju nije isto što i razumeti poruku
Upravo je razlika između prepoznavanja emocije i razumevanja komunikacije jedan od najvećih izazova za istraživače.
Ako model prepozna da se određeni zvuk češće javlja kada je pas ljut, to još ne znači da znamo šta taj zvuk konkretno „znači“. Da bi se neki zvuk smatrao komunikacijskim signalom, potrebno je utvrditi da li dosledno izaziva određenu reakciju kod drugih pasa ili se pojavljuje u specifičnim situacijama.
Zbog toga naučnici ne posmatraju samo zvuk. Važno je znati ko ga proizvodi, u kakvoj situaciji, kome je namenjen i kako na njega reaguju druge životinje.
Ako bi određeni obrazac laveža dosledno izazivao istu reakciju kod drugih pasa, to bi bio mnogo jači dokaz da taj zvuk ima određenu komunikacijsku funkciju, a ne da je samo izraz trenutne emocije.
„Jedan od ključnih izazova jeste utvrditi da li obrazac koji je veštačka inteligencija pronašla zaista predstavlja deo komunikacije životinje ili je samo statistička karakteristika podataka“, objašnjava Maskeliūnas.
Veštačka inteligencija traži obrasce koje mi ne čujemo
Prednost AI sistema je u tome što mogu da analiziraju mnogo više podataka nego čovek. Umesto da istraživač preslušava pojedinačne snimke, algoritam može da obradi hiljade ili čak milione zvukova i traži obrasce koji se ponavljaju.
Prema KTU-u, upravo se u tom pravcu razvijaju i noviji specijalizovani modeli za analizu psećih vokalizacija. Kao jedan od primera Maskeliūnas navodi Dog2vec, model koji je obučen na više od 6.000 sati snimaka psećeg laveža i koji je u pojedinim zadacima prepoznavanja psećih zvukova ostvario bolje rezultate od opštih modela.
Takav pristup omogućava istraživačima da ne posmatraju samo jedan lavež, već i redosled zvukova, njihovo ponavljanje i međusobnu povezanost. Podaci o zvuku mogu se zatim kombinovati sa informacijama o ponašanju psa, njegovom kretanju, okruženju, pa čak i fiziološkim pokazateljima.
Da li ćemo jednog dana moći da razumemo šta pas „govori“?
Za sada nema dokaza da veštačka inteligencija može pouzdano da prevede pseći lavež u konkretne ljudske rečenice.
Realnija mogućnost jeste da tehnologija vremenom postane alat koji će vlasnicima i stručnjacima pomoći da primete promene u uobičajenom ponašanju i glasanju pojedinačnog psa.
Ako sistem nauči kako inače zvuči određeni pas, mogao bi da registruje kada se njegovo glasanje značajno promeni. Takva promena sama po sebi ne bi dokazivala da je pas bolestan, uplašen ili pod stresom, ali bi mogla da bude signal da treba obratiti pažnju na njegovo ponašanje i okolnosti.
Istraživači zato sve više govore o kombinovanju različitih vrsta podataka, umesto o jednostavnom „prevodiocu“ psećeg jezika. Zvuk bi se posmatrao zajedno sa ponašanjem, slikom, okruženjem i drugim merljivim pokazateljima.
Najteži deo tek dolazi
Sledeći veliki korak za istraživače nije samo pronalaženje obrazaca u lavežu, već proveravanje šta ti obrasci zapravo znače.
Jedan od mogućih pristupa bio bi da veštačka inteligencija identifikuje određeni obrazac zvuka, a da istraživači potom taj zvuk reprodukuju drugim psima u kontrolisanim uslovima. Ako bi psi dosledno reagovali na isti način, to bi pružilo snažnije dokaze da zvuk ima određenu komunikacijsku ulogu.
Takva istraživanja mogla bi da pomere fokus sa pitanja „koju emociju pas pokazuje?“ ka mnogo složenijem pitanju – „koju informaciju pas prenosi i kako drugi psi tu informaciju tumače?“
Foto: Unsplash/Alvan Nee
