Глубинное обучение хрюку. Смогут ли котята и утята разговаривать друг с другом с помощью нейросетей

А в 2017 году две группы исследователей, работающих независимо друг от друга, открыли метод, который позволил добиться перевода с одного языка на другой. Чтобы перевести с английского на урду, нужно соотнести их «геометрии». «Таким образом вы можете достаточно точно перевести большинство слов», — говорит Раскин.

Этот процесс начинается с разработки алгоритма, который визуализирует отношения между словами. В многомерном геометрическом пространстве соотношения слов (то есть их семантические отношения) выражаются с помощью направления и длины отрезков, которые можно прочертить между точками (то есть словами). Например, если протянуть отрезок между словами «король» и «мужчина», то расстояние и направление отрезка будут такими же, как у отрезка между словами «королева» и «женщина». (Подобные соотношения выстраиваются без учета содержания слов, но путем наблюдения, например, за тем, как часто они встречаются рядом друг с другом.)

В целом же сама концепция может оказаться полностью провальной — как минимум потому, что «геометрия» общения животных может вовсе не пересекаться с «геометрией» языка людей. Применение компьютерного анализа к человеческому языку, с которым мы хорошо знакомы — это одно, говорит Сейфарт. Но всё может быть совсем по-другому в случае животных.

Вне всякого сомнения, животные общаются между собой с помощью разнообразных сигнальных систем, и многие из этих систем настолько сложны, что тысячелетия наблюдений не слишком приблизили человечество к расшифровке «речей» животных. Сегодня целый ряд исследовательских проектов делает ставку на искусственный интеллект. По замыслу ученых, нейросети, обученные на огромном объеме данных о сигналах животных, смогут выстраивать из них цельные системы, подобные тем, что уже существуют для человеческих языков. Зои Корбин разобралась, как может быть устроен Google Translate для межвидового общения и почему некоторые ученые относятся к этой идее с большим скепсисом.

Чтобы создать этот проект Стинбрюгге совместил две генеративно-состязательных сети, StarGAN v2 и StyleGAN v2, которые находились в открытом доступе. Генеративно-состязательная сеть (GAN) также состоит из двух элементов — сеть G (Generator) и сеть D (Discriminator). Первая генерирует изображения, максимально похожие на настоящие, опираясь на предоставленную базу фотографий. Вторая пытается распознать подделку и уничтожает неудачные варианты, оставляя лишь максимально реалистичные. Из-за этого вечного состязания они и получили свое название.

Я считаю нашу совместную работу с ИИ лучшей частью моего проекта, ведь благодаря этому я не ограничен своим собственным воображением. Эта система работает с теми же идеями, что и я, однако она действует нетипично. Это направляет тебя, как создателя, в сферы, в которых ты сам никогда бы не оказался.

Задача ESP состоит в том, чтобы создать такие же модели для «языков» животных — работая как с конкретными видами, так и с совокупностью видов — а затем понять, можно ли их соотнести с человеческим языком. Мы не знаем, как животные воспринимают мир, говорит Раскин, но есть эмоции, например горе и радость, которые, похоже, некоторые виды вполне разделяют с нами — и могут об этом сообщить.

Небольшие электронные устройства, прикрепленные к животным, фиксируют их местоположение, тип движения и даже то, что они видят (устройства могут включать видеокамеры). В лаборатории также поступают данные с расположенных в океане звукозаписывающих устройств.

Раскин — соучредитель и президент Earth Species Project (ESP), калифорнийской некоммерческой организации со смелыми амбициями: расшифровать язык животных с помощью искусственного интеллекта на основе машинного обучения, а затем сделать так, чтобы общаться с животными могли все — это должно помочь наладить отношения между видами и способствовать сохранению некоторых из них. Альбом 1970 года с песнями китов спровоцировал общественное движение, добившееся запрета на коммерческий китобойный промысел. К чему тогда может привести настоящий Google Translate для сигнальных систем животных?

Дрессировщик показывает дельфинам жест, означающий слово «вместе», за которым следует жест «создать». Два дельфина исчезают под водой, обмениваются звуковыми сигналами, потом выныривают, переворачиваются на спину и поднимают хвосты. Они придумали свой собственный трюк и исполнили его в паре, как их и просили.

ESP стремится сначала применить машинное обучение к данным тегов, чтобы понять, что делает животное (например, кормится ли оно, отдыхает, путешествует или общается), а затем добавить к этим данным аудиоданные, чтобы увидеть, можно ли придать функциональный смысл сигналам, привязанным к этому поведению. Сначала метод опробуют на данным о горбатых китах — сотрудники лаборатории уже пометили несколько животных в одной группе, чтобы можно было видеть, как передаются и принимаются сигналы между ними.

Меня всегда завораживала эстетика. Например, горные панорамы, дизайн инди-игр, дайвинг среди коралловых рифов, психоделический опыт и фильмы Тарковского. Визуально красивые сцены помогают передать смысл без слов. Это почти как первобытный язык, на котором мы все общаемся интуитивно. Когда я познакомился с генеративно-состязательными сетями и их возможностями, мне стало интересно, к чему может привести их работа. Так и появилась «Neural Synesthesia».

Если грим в киномюзикле «Кошки» вам показался неудачным, то работа бельгийского программиста Ксандера Стинбрюгге вызовет у вас немало эмоций. Мужчина разработал нейросеть «Humanimals», которая превращает фотографии людей в снимки животных с человеческими чертами.

Другой проект предполагает использование искусственного интеллекта для генерации «сообщений» животных — в качестве тестового вида используются горбатые киты. Новые «сообщения» создаются путем разделения вокализаций на микрофонемы (отдельные единицы звука продолжительностью в сотую долю секунды), которые ИИ использует для «говорения» чего-то на «китовьем»; затем исследователи смотрят, как киты на это реагируют. Если ИИ в итоге сможет определить, где говорится бессмыслица, а где присутствуют какие-то семантические значения, это приближает нас к пониманию коммуникации, объясняет Раскин: