기술

인공 지능이 동물과 대화하는 데 도움이 될 수 있습니까?

NASA, 아르테미스 1호 발사 11월 말로 연기

NASA는 조건이 준비되면 2022년 11월 중순(11월 말 ~ 1401년 12월 초)에 거대한 SLS(우주 발사 시스템) 로켓을 발사할 것이라고 성명에서 발표했습니다. Read more

Stadia의 프로젝트 중단은 개발자와 게이머 모두에게 충격을 주었습니다.

이 클라우드 게임 서비스의 폐쇄에 충격을 받은 사람들은 Stadia 사용자만이 아닙니다. 이 결정은 이 게임 플랫폼용으로 게임을 만든 개발자에게도 영향을 Read more

돌고래 조련사는 “함께” 신호를 보낸 다음 손으로 “만들기”를 표시합니다. 훈련된 돌고래 2마리가 물속으로 사라지고 소리를 교환한 후 나타나 특정 동작을 수행합니다. 그들은 새로운 트릭을 발명했고 그들이 요청한 대로 그것을 연속적으로 수행하고 있습니다. Aza Ruskin은 이렇게 말합니다. “이것은 언어가 있다는 것을 증명하지 않습니다. 그러나 그들이 풍부하고 상징적인 의사소통 방식에 접근할 수 있다면 그렇게 하는 것이 훨씬 더 쉬울 것입니다.”

Raskin은 ESP(Earth Species Project)의 공동 창립자이자 회장입니다. 비영리 단체는 야심 찬 목표를 가지고 있습니다. 기계 학습이라는 인공 지능의 한 형태를 사용하여 인간이 아닌 의사 소통을 해독하고 데이터를 공개하여 다른 연구자와 협력하여 다른 종과의 관계를 심화하고 보호할 수 있도록 하는 것입니다. 1970년 음악 앨범 “Songs of the Humpback Whale”은 고래잡이를 금지하는 운동을 일으켰습니다. 이제 Google 번역기처럼 작동하는 도구가 동물의 왕국에 가져올 수 있는 기능을 상상해 보세요.

LinkedIn 공동 설립자 Reid Hoffman과 같은 기부자의 도움으로 2017년에 시작된 Earth Species Project는 지난 12월 첫 번째 과학 논문을 발표했습니다. 언급된 조직의 목표는 평생 동안 동물의 의사소통을 해독할 수 있는 것입니다. “우리의 목표는 동물의 의사소통을 해독하고 인간이 아닌 언어를 발견하는 것입니다.”라고 Ruskin은 말합니다. 그 과정에서 생물학자와 보존을 지원하는 기술이 개발될 것입니다.”

동물의 소리를 이해하는 것은 오랫동안 인간에게 관심의 대상이었습니다. 다른 영장류는 포식자에 따라 다를 수 있는 경고음을 생성합니다. 돌고래는 특정한 휘파람으로 서로에게 말을 걸고, 일부 송버드는 부름의 일부를 가져와 다른 메시지를 전달하기 위해 재배열할 수 있습니다. 그러나 대부분의 전문가들은 이러한 것들을 언어라고 부르기를 거부합니다. 어떤 동물의 의사소통도 언어의 모든 기준을 가지고 있지 않기 때문입니다.

관련 기사:

최근까지 동물의 의사소통을 해독하는 것은 주로 찾기 힘든 관찰에 의존했습니다. 그러나 연구자들은 이제 동물에 부착된 센서의 도움으로 수집할 수 있는 방대한 양의 데이터를 처리하기 위해 기계 학습을 사용하는 데 점점 더 관심을 갖고 있습니다.

포유류와 조류의 음성 커뮤니케이션을 연구하는 코펜하겐 대학의 부교수인 Elodie Briefer는 이 분야의 일부 연구자들이 기계 학습을 사용하기 시작했다고 말했습니다. 그러나 우리는 그것이 우리에게 얼마나 도움이 될 수 있는지 아직 모릅니다.

Briefer와 그의 동료들은 돼지의 발성을 분석하여 동물이 긍정적인 감정을 경험하는지 부정적인 감정을 경험하는지 알려주는 알고리즘을 개발했습니다. 올해 초 Briefer와 그의 동료들은 발성에 기반한 돼지의 감정에 대한 연구를 발표했습니다. 7414개의 소리가 다른 조건에서 411마리의 돼지로부터 수집되었습니다.

마샬라 매튜  양자 컴퓨팅 기술의 위험은 인공 지능보다 훨씬 더 큽니다.

DeepSqueak이라는 또 다른 알고리즘은 설치류가 초음파 소리를 기반으로 스트레스를 받고 있는지 판단합니다. 또 다른 이니셔티브인 Project CETI는 기계 학습을 사용하여 향유고래의 통신을 번역하는 것을 목표로 합니다. ESP는 다른 접근 방식을 가지고 있다고 말합니다. 한 종의 통신을 해독하는 데 중점을 두지 않고 모든 종을 대상으로 하기 때문입니다.

Ruskin은 풍부한 상징적 의사소통이 사회적 동물(예: 영장류, 고래 및 돌고래)에 존재할 가능성이 더 높다는 것을 인정하지만 동물의 왕국 전체에서 사용할 수 있는 도구를 개발하는 것을 목표로 합니다. “우리 모델은 종과 독립적으로 작동합니다.”라고 Raskin은 말합니다. “우리가 개발 중인 도구는 벌레에서 고래에 이르기까지 생물학 전반에 걸쳐 작동할 수 있습니다.”

Ruskin은 기계 학습이 사전 지식 없이도 다양하고 때로는 먼 인간의 언어를 번역하는 데 사용할 수 있음을 보여주는 연구가 새로운 프로젝트의 동기라고 말합니다.

이 과정은 물리적 공간에 단어를 표시하는 알고리즘의 개발로 시작됩니다. 이 다차원 기하학적 표현에서 점(단어) 사이의 거리와 방향은 의미 측면에서 그들이 얼마나 관련되어 있는지를 보여줍니다. 예를 들어 “왕”이라는 단어는 “남자”라는 단어와 관련이 있으며 “여자”라는 단어는 “여왕”이라는 단어와 관련된 거리와 방향이 같습니다. (매핑은 단어의 의미를 아는 것이 아니라 단어가 함께 나타나는 횟수를 보는 것과 같이 수행됩니다.)

연구원들의 연구에 따르면 이 형태는 다른 언어에서도 유사합니다. 그런 다음 2017년에 두 그룹의 연구원이 독립적으로 작업하여 유사한 모양을 결합하여 번역을 달성하는 방법을 찾았습니다. 영어에서 우르두어로 이동하려면 모양을 일치시키고 영어의 점이라는 단어에 가장 가까운 우르두어의 점을 찾으십시오. Ruskin은 대부분의 단어를 이런 식으로 잘 번역할 수 있다고 말합니다.

ESP의 목표는 이러한 종류의 동물 의사소통 표현을 개발하고(개별 종과 여러 종에서 동시에 작업) 동물의 의사소통 형태가 인간의 형태와 겹치는지 여부와 같은 질문을 탐구하는 것입니다. 러스킨은 동물들이 세상을 어떻게 경험하는지 우리는 모른다고 말합니다. 그러나 그들은 또한 슬픔과 행복과 같은 감정을 가지고 있는 것 같으며, 이를 같은 종의 다른 구성원들과 공유할 수 있습니다.

돌고래

돌고래는 서로 다른 소리를 사용하여 의사 소통합니다. 그러나 그들은 무엇을 말합니까?

Raskin은 동물들이 단지 음성으로 의사소통을 하는 것이 아니라고 덧붙였습니다. 예를 들어, 꿀벌은 춤이라는 움직임을 사용하여 꽃의 위치에 대해 서로 의사 소통합니다. 따라서 다양한 커뮤니케이션 방법을 번역할 수 있어야 합니다. Raskin은 이 목표가 달에 가는 것과 같다는 것을 인정합니다. 그러나 우리는 한 번에 목표에 도달하지 않을 것입니다. 대신 ESP의 작업 프로그램에는 더 큰 그림을 그리기 위해 더 작은 문제를 해결하는 것이 포함됩니다. 이 작업은 연구자들이 연구 중인 전체 종의 신비를 해독하기 위해 인공 지능을 사용하는 데 도움이 될 수 있는 일반적인 도구의 개발과 함께 이루어져야 합니다.

마샬라 매튜  새 버전의 Windows 릴리스를 변경할 가능성; Windows 12는 2024년에 출시됩니까?

예를 들어 ESP는 최근 동물 의사소통의 “야간 파티 문제”에 관한 논문을 발표했는데, 여기서 그룹의 어떤 동물이 시끄러운 환경에서 소리를 내는지 구분하기 어렵습니다. ESP가 개발한 인공 지능 모델은 돌고래, 원숭이, 박쥐의 소리에 대해 테스트되었으며 모델이 훈련된 사람들의 소리일 때 가장 잘 수행되었습니다. 그러나 더 큰 데이터 세트를 사용하여 훈련 그룹에 없는 동물과 혼합된 소리를 구별할 수 있었습니다.

또 다른 프로젝트는 인공 지능을 사용하여 새로운 소리를 생성하는 것과 관련이 있습니다. 이 프로젝트에서는 혹등고래가 먼저 테스트됩니다. 소리를 더 작은 구성 요소로 분해하고 언어 모델을 사용하여 고래 울음 소리와 유사한 소리를 생성하여 만든 새로운 소리는 동물에게 재생되고 동물의 반응을 모니터링할 수 있습니다. Raskin은 인공 지능이 무작위와 의미 있는 변이를 구별할 수 있다면 의미 있는 의사 소통에 더 가까워질 것이라고 설명합니다.

하와이 까마귀 / 하와이 까마귀

하와이 까마귀는 도구를 사용하는 것으로 유명합니다. 그러나 그들은 또한 복잡한 소리 세트를 가지고 있다고 믿어집니다.

다른 프로젝트의 목표는 자가 지도 머신 러닝을 사용하여 인간 전문가가 패턴을 학습하기 위해 데이터에 레이블을 지정할 필요가 없는 알고리즘을 개발하는 것입니다.

초기 테스트에서 알고리즘은 세인트 앤드류스 대학의 생물학 교수인 Christian Roetz가 이끄는 연구원 팀이 녹음한 소리를 선별하여 하와이 까마귀 울음 목록을 만듭니다. 뿌리는 이 까마귀 종이 음식을 찾는 도구를 만들고 사용할 수 있는 능력이 있다는 것을 발견했습니다. 하와이 까마귀는 다른 까마귀 종보다 더 복잡한 소리 세트를 가지고 있다고 믿어집니다.

Roots는 특히 프로젝트의 보존 가치에 대해 흥분하고 있습니다. 하와이 까마귀는 심각한 멸종 위기에 처해 있으며 사육 상태에서만 존재합니다. 연구자들은 포로 상태에서 이 종을 번식시키고 번식시켜 야생으로 되돌리고 있습니다.

연구자들은 다른 시간에 녹음된 소리를 사용하여 종의 음성 레퍼토리가 포로 상태에서 고갈되었는지 여부(예: 경고에 사용된 특정 소리가 손실되었는지 여부)를 조사할 수 있기를 희망합니다. 이것은 종 재도입에 영향을 미칠 수 있습니다. “이것은 이 새들을 멸종 위기에서 되돌리는 데 도움이 되는 우리의 능력에 큰 차이를 만들 수 있습니다.”라고 Roots는 말합니다. 물론 그는 소리를 수동으로 식별하고 분류하는 것은 힘들고 오류가 발생하기 쉽다고 말합니다.

한편, 또 다른 프로젝트는 소리의 기능적 의미를 자동으로 이해하려고 합니다. 이 프로젝트는 캘리포니아 대학교 산타크루즈에 있는 해양과학 교수인 아리 프리들랜더(Ari Friedlander)의 연구실에서 진행되고 있습니다. Friedlander의 연구실은 직접 관찰하기 어려운 야생 해양 포유류가 수중에서 어떻게 행동하는지 연구하고 세계 최대의 태깅 프로그램 중 하나를 실행합니다. 동물에 부착된 작은 전자 장치는 동물의 위치, 움직임 유형 및 동물이 보는 것까지 기록합니다(장치에 비디오 카메라가 장착될 수 있음).

마샬라 매튜  각 Xiaomi 12S Ultra 전화의 생산 비용은 500 달러 이상입니다.

ESP의 목표는 먼저 태그의 데이터에 자체 지도 머신 러닝을 적용하여 동물이 하는 일(예: 먹이를 먹거나, 쉬고, 움직이거나, 다른 동물과 어울리는지)을 자동으로 분석하는 것입니다. 그런 다음 이 정보에 오디오 데이터를 추가하여 소리가 동작과 연관될 수 있는지 확인합니다. (이전에 디코딩된 소리를 사용한 재생 실험은 결과를 확인하는 데 사용할 수 있습니다.) 이 기술은 먼저 혹등고래 데이터에 적용됩니다(실험실에서는 동일한 그룹의 여러 동물에 태그를 지정하여 신호가 송수신되는 방식을 볼 수 있음).

물론 모든 과학자가 인공 지능이 그러한 위대한 목표를 달성할 수 있다고 낙관하는 것은 아닙니다. 펜실베니아 대학의 심리학 명예 명예 교수인 Robert Seifert는 40년 이상 자연 서식지에서 영장류의 사회적 행동과 음성 커뮤니케이션을 연구했습니다. 그는 기계 학습이 동물의 음성 레퍼토리를 식별하는 것과 같은 일부 문제에 유용할 수 있다고 생각하지만 소리의 의미와 기능을 발견하는 것과 같은 다른 영역에서는 기계 학습이 매우 유용할 것이라고 의심합니다.

문제는 많은 동물이 복잡한 사회를 가질 수 있지만 인간보다 훨씬 작은 소리 집합을 가지고 있다는 것입니다. 그 결과 동일한 소리가 다른 맥락에서 다른 의미를 가질 수 있으며, 의미를 발견하기를 희망할 수 있는 것은 그러한 맥락(예: 동물이 누구와 상호 작용하는지 또는 동물이 계층 구조에 있는 위치와 같은)을 연구해야만 의미를 찾을 수 있다는 것입니다. “이러한 AI 모델로는 충분하지 않다고 생각합니다.”라고 Seifert는 말합니다. “그곳에 가서 동물을 봐야 해.”

웨이글댄스

동물의 의사소통 지도를 작성하려면 꿀벌의 춤과 같은 소리 없는 현상을 추가해야 합니다.

개념 자체에 대한 의구심이 있습니다. 동물의 의사소통 형식이 인간의 의사소통 형식과 의미 있게 겹친다는 것. 컴퓨터 기반 분석을 우리에게 너무나 익숙한 인간 언어에 적용하는 것은 한 가지 문제라고 Seifert는 말합니다. 그러나 다른 종에 대해 그렇게 하는 것은 매우 다른 문제입니다. DeepSqueak 알고리즘을 공동 개발한 워싱턴 대학의 신경과학자 Kevin Coffey는 “흥미롭지만 매우 광범위한 아이디어입니다.”라고 말했습니다.

Ruskin은 AI만으로는 우리가 다른 종과 의사 소통하는 방법을 파악하기에 충분하지 않을 수 있음을 인정합니다. 그러나 그는 많은 종들이 인간이 상상하는 것보다 훨씬 더 복잡한 방식으로 의사소통을 한다는 연구 결과를 지적합니다.

과거 이러한 연구를 가로막는 장애물 중 하나는 우리의 제한된 인식뿐만 아니라 충분한 데이터를 수집하고 대규모로 데이터를 분석할 수 있는 능력이었습니다. “이것은 인간의 관점을 넘어 전체 통신 시스템을 이해할 수 있게 해주는 도구입니다.”라고 그는 말합니다.

Related Articles

답글 남기기

이메일 주소는 공개되지 않습니다.

Back to top button