Hur artificiell intelligens knäcker kaskelotternas alfabet

Föreställ dig att försöka avkoda ett utomjordiskt språk där varje ord låter som en tung trädörr som stängs med ett knarr. Det är i princip vad marinbiologer står inför när de studerar kaskeloter.

Kaskeloter har de största hjärnorna på jorden, lever i komplexa matriarkala samhällen och koordinerar djuphavsjakter i becksvart vatten. För att kommunicera över mil av hav avfyrar de snabba, rytmiska serier av klick, kända som kodor.

Länge antog forskare att dessa kodor var ganska grundläggande. Eftersom mänskliga öron och tidig ljudprogramvara bara kunde urskilja så mycket detaljer, var arbetsteorin att dessa klick fungerade som rudimentär morsekod – enkla akustiska namnskyltar som användes för att sända ut identitet eller klananknytning. Det visar sig att valarna sa mycket mer; vi saknade bara bearbetningskraften för att höra det.

Genom att mata in årtionden av undervattensinspelningar i maskininlärningsmodeller upptäcker forskare att kaskelotklick innehåller ett mycket strukturerat, fonetiskt alfabet.

Det mänskliga örats begränsningar

Historiskt sett innebar analys av marin kommunikation att en doktorand satt i ett laboratorium med ett par hörlurar, stirrade på visuella ljudgrafer kallade spektrogram, och manuellt räknade antalet klick i en sekvens.

Under det manuella systemet kategoriserade biologer cirka 150 distinkta kodtyper. En val kunde avge en ”5R”-koda (fem jämnt fördelade klick) eller en ”1+3”-koda (ett klick, en paus, sedan tre snabba klick). Det såg ut som en sluten, ändlig katalog av ljud.

Problemet är att biologisk kommunikation är rörig. När en val snabbade upp en klicksekvens eller lade till en liten fördröjning, avfärdade mänskliga forskare det i allmänhet som ett biologiskt fel eller meningslöst bakgrundsbrus. Men algoritmer blir inte uttråkade, och de ignorerar inte mikroskopiska variationer i timing.

Att mata havet till en algoritm

Forskare vid Project CETI (Cetacean Translation Initiative) beslutade att behandla valkodor på exakt samma sätt som teknikföretag behandlar mänskligt tal. De tog en datamängd med nästan 9 000 inspelningar insamlade från en klan kaskeloter i Karibien och bearbetade ljudet med samma grundläggande maskininlärningstekniker som används för att bygga modern prediktiv text och röstigenkänningsprogramvara.

Som rapporterats av Smithsonian Magazine, fann algoritmerna att de subtila variationerna i klicken inte alls var misstag. De var medvetna, systematiska egenskaper hos ett komplext språk.

Datormodellerna identifierade att valar aktivt manipulerar flera akustiska egenskaper samtidigt. De ändrar basrytmen. De använder rubato – en musikalisk term för att lätt sträcka ut eller komprimera tempot i en fras beroende på konversationssammanhanget. De använder också ornamentering, genom att slänga in ett snabbt, extra klick i slutet av en sekvens, liknande hur en människa kan höja tonhöjden i slutet av en mening för att indikera en fråga.

Ett kombinatoriskt språk

Det verkliga genombrottet är hur dessa valar använder dessa akustiska egenskaper. De har inte bara en statisk lista med 150 anrop. De blandar och matchar dem.

I mänskligt språk tar vi en liten uppsättning meningslösa byggstenar – vokaler och konsonanter – och kombinerar dem för att bilda tiotusentals unika ord. Maskininlärningsanalysen avslöjade att kaskeloter gör exakt samma sak. Genom att kombinera olika rytmer, tempon, rubatos och ornament kan valarna generera ett massivt, öppet akustiskt ordförråd.

Forskare har ännu inte översatt vad en specifik kombination av klick faktiskt betyder. Vi har ingen Rosettasten för djuphavet. Men att bevisa att kaskeloter använder ett kombinatoriskt fonetiskt alfabet omkullkastar helt hur vi ser på djurs intelligens. Det betyder att de inte bara sänder ut enkla känslomässiga tillstånd; de har den mekaniska hårdvaran och den akustiska strukturen för att dela komplexa, nya idéer i mörkret.