以色列发现人工智能破解动物信号的局限性——《耶路撒冷邮报》

以色列特拉维夫大学的研究人员发现，人工智能模型在尝试破解动物交流时可能会出错，因为它们分析的声学差异不一定对信号接收者具有意义。该研究结果发表在《Current Biology》期刊上，《耶路撒冷邮报》报道。

科学家在尚未掌握完整语言能力的幼儿发声上测试了这一方法。录音涵盖三种情况：痛苦、呼唤特定的人——母亲或父亲——以及请求食物。作者使用了经典的声学分析方法和两种现代深度神经网络：一种在动物发声上训练，另一种在成年人的言语上训练。

模型未能确定声音的含义

神经网络在按特征对声音分组方面优于经典方法，但未能按含义对儿童发声进行分类。在一些情况下，系统将传递不同信息的信号归为一类；而在另一些情况下，则将传达相同含义的发声分开。

更多最新消息请关注 UA.News Telegram 频道 Telegram.

这些模型也未能识别表达紧迫性不断增加的一连串声音。聆听这些录音的人能够通过细微的声学变化感知到紧迫性的增强。

反应和语境很重要

研究人员得出结论，两个在声谱图上存在显著差异的声音，对接收者而言可能传递相同的信息。与此同时，声学上相似的信号可能会因语境不同而具有不同含义。因此，仅按照声音相似性进行分类，可能会形成对交流系统的扭曲认识。

研究负责人约瑟夫·约维尔指出，要理解动物究竟传递了什么，就必须知道接收信号的动物如何感知并对该信号作出反应。他认为，要可靠地破解动物交流，需要将人工智能与行为观察、信号回放实验，以及在某些情况下对脑活动的测量相结合。