Zo 22 december 2024
In 2025 staan aanzienlijke stappen op het gebied van kunstmatige intelligentie (AI) en machinaal leren klaar om ons begrip van de communicatie met dieren te vergroten, waarbij een al lang bestaand raadsel wordt aangepakt: de betekenissen achter de vocalisaties van dieren. De recente Coller-Dolittle Prize, die substantiële financiële beloningen uitreikt voor doorbraken in het decoderen van dierengeluiden, weerspiegelt een groeiend optimisme binnen de wetenschappelijke gemeenschap dat technologische vooruitgang dit ambitieuze doel dichter bij de realiteit brengt.
Er zijn verschillende onderzoeksinitiatieven gewijd aan de ontwikkeling van algoritmen die dierengeluiden kunnen interpreteren. Project Ceti heeft zich met name geconcentreerd op het ontcijferen van de ingewikkelde klikpatronen van potvissen en de melodieuze liederen van bultruggen. Deze hedendaagse technieken voor machinaal leren vereisen enorme datasets, die historisch gezien moeilijk te verkrijgen zijn vanwege de schaarste aan geannoteerde gegevens over diergeluiden van hoge kwaliteit.
Grote taalmodellen (LLM’s), zoals ChatGPT, worden bijvoorbeeld getraind op uitgebreide tekstdatasets van internet, wat een schril contrast vormt met de beperkte datasets die beschikbaar zijn voor het bestuderen van de communicatie met dieren. Terwijl LLM’s zijn gebaseerd op meer dan 500 GB aan tekstuele informatie, heeft Project Ceti’s onderzoek naar potviscommunicatie toegang gehad tot slechts meer dan 8.000 vocalisaties. Deze ongelijkheid benadrukt de uitdagingen waarmee onderzoekers worden geconfronteerd bij het verkrijgen van een alomvattend begrip van de communicatie met dieren.
Bovendien is de interpretatie van menselijke taal gebaseerd op een gedeeld begrip van semantiek en syntaxis. Daarentegen worstelen wetenschappers vaak met de dubbelzinnigheid in de vocalisaties van dieren, zoals het onderscheiden van de betekenissen achter verschillende wolvengehuil. Dergelijke complexiteiten bemoeilijken de taak om te bepalen of deze geluiden als analoog aan menselijke woorden kunnen worden beschouwd.
Niettemin wordt verwacht dat 2025 nieuwe ontwikkelingen zal inluiden op het gebied van zowel de beschikbaarheid van gegevens over communicatie met dieren als de verfijning van de AI-algoritmen die zullen worden toegepast om deze gegevens te analyseren. De opkomst van betaalbare opnametechnologieën, zoals AudioMoth, heeft de toegang tot geluidsopname van hoge kwaliteit gedemocratiseerd, waardoor onderzoeksteams uitgebreide datasets kunnen verzamelen door 24 uur per dag dierengeluiden op te nemen in hun natuurlijke habitat.
Als gevolg hiervan worden enorme datasets toegankelijk, waardoor onderzoekers de vocalisaties van verschillende soorten kunnen analyseren, van gibbons in tropische jungles tot vogels in uitgestrekte bossen. Geautomatiseerde detectie-algoritmen, aangedreven door convolutionele neurale netwerken, zijn nu in staat grote hoeveelheden audio te verwerken, waardoor dierengeluiden efficiënt worden geïdentificeerd en gecategoriseerd op basis van hun unieke akoestische eigenschappen.
Zodra deze grote datasets zijn samengesteld, kunnen geavanceerde analytische technieken, waaronder diepe neurale netwerken, worden gebruikt om patronen en structuren binnen reeksen van dierlijke vocalisaties bloot te leggen. Dergelijke analyses kunnen onderliggende structuren blootleggen die gelijkenis vertonen met de menselijke taal.
Ondanks deze vooruitgang blijft er een fundamentele vraag bestaan: wat zijn de uiteindelijke doelstellingen van het decoderen van dierengeluiden? Sommige organisaties, zoals Interspecies.io, streven er expliciet naar om communicatie tussen soorten te vertalen in begrijpelijke signalen voor mensen, wat een ambitieus doel suggereert om dierengeluiden om te zetten in menselijke taal. Er bestaat echter consensus onder wetenschappers dat niet-menselijke dieren mogelijk geen gestructureerde taal bezitten die lijkt op die van mensen.
De Coller-Dolittle Prize hanteert een meer genuanceerde benadering en zoekt naar methoden om de communicatieve signalen van verschillende organismen te interpreteren of te begrijpen. Dit doel erkent de mogelijkheid dat de communicatie met dieren mogelijk niet een gestructureerd taalmodel volgt, wat aanleiding geeft tot een meer verkennend onderzoek naar de nuances van interacties met dieren.
Naarmate de mensheid vooruitgang boekt in de richting van het verbeteren van ons begrip van de communicatie met dieren, zal 2025 een cruciaal jaar worden. Het potentieel om onze inzichten te verdiepen in de manieren waarop dieren informatie aan elkaar overbrengen, zal ongetwijfeld het onderzoeksveld van diergedragsonderzoek en onze relatie met de natuurlijke wereld opnieuw vormgeven.
