موارد مهم
- محققان می گویند که توانسته اند از هوش مصنوعی برای ترجمه غرغر خوک استفاده کنند.
- مطالعه به منظور ایجاد زمینه‌ای برای سیستم‌هایی بود که می‌توانند رفاه حیوانات مزرعه را بهبود بخشند.
- یک کارشناس گفت: برنامه های موجود برای «ترجمه» صداهای سگ و گربه بر اساس حقایق علمی ساخته نشده اند.
جیغ یک خوک ممکن است ارزش هزار کلمه را داشته باشد.
در یک مطالعه اخیر، یک تیم بین المللی از محققان از هوش مصنوعی (AI) برای تبدیل غرغر خوک به احساسات استفاده کرده اند.محققان با استفاده از بیش از 7000 ضبط صوتی از خوک‌ها، الگوریتمی طراحی کردند که می‌تواند رمزگشایی کند که آیا یک خوک احساس مثبت یا منفی یا چیزی در این بین دارد.
"با مجموعه داده های بسیار بزرگی مانند تماس هایی که در زمینه های شناخته شده داشتیم، می توانیم چنین شبکه ای را آموزش دهیم و به دقت بالایی برسیم، که سپس می تواند ما را در مورد احساسات خوک ها آگاه کند (بنابراین "ترجمه" اگر بخواهید، خوک با انسان تماس می گیرد.
یک سیلیکون دکتر دولیتل؟
محققان صداهای خوک را در محیط های تجاری و تجربی ضبط کردند که بر اساس رفتار خوک ها، یا با احساسات مثبت یا منفی همراه است. موقعیت‌های مثبت شامل مواردی می‌شود که به عنوان مثال، خوک‌ها از مادرشان شیر می‌دهند یا زمانی که پس از جدایی با خانواده‌شان متحد می‌شوند.موقعیت‌های منفی عاطفی شامل جدایی، دعوای بین خوک‌ها، اخته کردن و سلاخی و موارد دیگر بود.
در اصطبل های آزمایشی، محققان همچنین سناریوهای ساختگی برای خوک ها ایجاد کردند که برای برانگیختن احساسات ظریف تر در وسط طیف طراحی شده بودند. اینها شامل یک میدان با اسباب بازی یا غذا و یک میدان مربوطه بدون هیچ محرکی بود. محققان همچنین اشیاء جدید و ناآشنا را در محلی برای ارتباط خوک‌ها قرار دادند و تماس‌ها، رفتار و ضربان قلب آنها در صورت امکان کنترل و ثبت شد.
دانشمندان سپس صداهای ضبط شده را تجزیه و تحلیل کردند تا ببینند آیا الگویی در صداها وجود دارد که احساسات را منتقل می کند و موقعیت ها و احساسات مثبت را از موارد منفی تشخیص می دهد. در موارد منفی، محققان تماس‌های با فرکانس بالا (مانند جیغ و جیغ) را جمع‌آوری کردند. در همان زمان، تماس‌های با فرکانس پایین (مانند پارس و غرغر) در موقعیت‌هایی رخ داد که خوک‌ها احساسات مثبت یا منفی را تجربه کردند.
در این مطالعه، محققان یک روش خودکار نظارت شده (تحلیل عملکرد متمایز جانشین شده، pDFA) را بر اساس چهار پارامتر صوتی و یک روش بدون نظارت، یک شبکه عصبی مبتنی بر تصاویر (طیف‌گرام) صداها مقایسه کردند.
مندل-بریفر گفت: pDFA می‌تواند تماس‌هایی را به ظرفیت احساسی صحیح (مثبت یا منفی) که خوک در طول تولید آواز تجربه می‌کرد در 62 درصد مواقع طبقه‌بندی کند، در حالی که دقت شبکه عصبی به 92 درصد رسید.
ترجمه احساسات حیوانات
این مطالعه به منظور ایجاد زمینه برای سیستم هایی بود که می توانند رفاه حیوانات مزرعه را بهبود بخشند. اما مندل-بریفر گفت که همین تحقیقات می تواند در مورد حیوانات دیگر نیز اعمال شود.
"اگر پایگاه های داده بزرگ مشابهی از صداهای تولید شده در زمینه ها و احساسات خاص توسط دانشمندان جمع آوری شود، ما می توانیم الگوریتم های مشابهی را برای گونه های دیگر نیز توسعه دهیم، و این امر عینی تر از برنامه های موجود خواهد بود."
برخی برنامه‌های موجود هستند که می‌توانند صداهای سگ و گربه را «ترجمه» کنند، مانند MeowTalk Cat Translator یا Human-to Dog Translator، اما آنها بر اساس حقایق علمی و زمینه‌های احساسات شناخته شده ساخته نشده‌اند. -بریفر گفت.
دانشمندان اکنون چارچوب ها و روش هایی را برای مطالعه احساسات حیوانات به روشی عینی (مثلاً با استفاده از شاخص های رفتاری، عصبی فیزیولوژیکی و شناختی) ایجاد کرده اند و این همان چیزی است که ما در مقاله خود استفاده کردیم.
هنوز برای گفتگو با حیوانات خانگی خود برنامه ریزی نکنید. حتی ترجمه بین زبان های انسانی هنوز برای هوش مصنوعی یک چالش است. بسیاری از خدمات ترجمه زبان مبتنی بر هوش مصنوعی، از جمله Google Translate و Microsoft Text Translation API وجود دارد. مزیت خدمات ترجمه مبتنی بر هوش مصنوعی این است که مقرون به صرفه تر از استخدام مترجم انسانی است.
کاویتا گانسان، کارشناس هوش مصنوعی و بنیانگذار Opinosis Analytics در مصاحبه ای ایمیلی به Lifewire گفت: "در حالی که خدمات ترجمه مبتنی بر هوش مصنوعی راحت هستند، اما هنوز در قابلیت ترجمه محدود هستند."به عنوان مثال، آنها در درک اصطلاحات و طعنه های خاص زبان مشکل دارند و اغلب آنها را تحت اللفظی ترجمه می کنند.»
