رمزگشایی زبان حیوانات از طریق هوش مصنوعی

ساخت (Google Translate) برای حیوانات یک آرزو بوده که در نیمه  دهه گذشته اجرا شده است. یادگیری ماشینی نیز از نظر تشخیص حضور حیوانات و حتی در برخی موارد، شناسایی دقیق حیوانات از طریق تماس تصویری بسیار پیشرفت کرده است. اگرچه این نوع نرم‌افزار موفقیت‌هایی را در شناسایی واژگان اولیه حیوانات خاص از روی ویژگی‌های آواز آنها (یعنی فرکانس یا بلندی صدا) نیز بدست آورده است. نسبت دادن تماس‌ها به صدای حیوانات هنوز با درک تمام ظرایف پیچیده‌ای که زبان حیوانات ممکن است دربرگیرد فاصله زیادی دارد. بسیاری از مخالفان این رویکرد هم به کاستی‌های مدل‌های زبان هوش مصنوعی فعلی در درک واقعی روابط بین کلمات و اشیایی که ممکن است در دنیای واقعی به آنها اشاره شود و هم به کاستی‌هایی در درک دانشمندان از جوامع حیوانی در کل اشاره دارند.

مدل‌های زبانی هوش مصنوعی برای انسان‌ها به رایانه‌ای تکیه می‌کند که رابطه بین کلمات و زمینه‌هایی را که می‌توانند در آن ظاهر شوند را ترسیم می‌کند. اما این مدل‌ها نقص‌های خاص خود را دارند و گاهی اوقات می‌توانند مانند یک جعبه سیاه باشند. محققان می‌دانند که چه چیزی وارد و خارج می شود اما کاملاً نمی‌دانند الگوریتم آن چگونه به نتیجه می‌رسد. عامل دیگری که محققان در نظر می گیرند این واقعیت است که ارتباطات حیوانات ممکن است اصلاً مانند ارتباطات انسانی نباشد و تمایل به انسان سازی آنها می تواند نتایج را منحرف کند. ممکن است به دلیل تفاوت‌های فیزیولوژیکی و رفتاری عناصر منحصر به فردی در زبان حیوانات وجود داشته باشد.

پیشنهادهایی برای استفاده از الگوریتم‌های یادگیری خود نظارتی برای تجزیه و تحلیل داده‌های صوتی وجود دارد. الگوهایی که ممکن است ارتباطاتی را آشکار کنند که چشم انسان آنها را نادیده می‌گیرد. در نهایت، اینکه انسان‌ها تا چه اندازه برای درک ارتباطات حیوانات پیش می‌روند به اهداف آنها برای این نوع تحقیقات بستگی دارد و برای این منظور همین  که به اصول اولیه دست پیدا کنند ممکن است کافی باشد. برای مثال همین که بتوانند تفسیر کنند که آیا حیواناتی که اغلب با آنها در تماس نزدیک هستیم خوشحال، غمگین یا در خطر هستند، می‌تواند هم مفید وهم کاربردی باشد.