این برنامه هوش مصنوعی می تواند معنای صدای سگ ها را تفسیر کند - دیار سلمان

در این تحقیق صدای 74 سگ خانگی، هنگامی که در معرض انواع سناریوهای طراحی شده برای ایجاد واکنش های خاص قرار گرفته بودند، ثبت شد. این موارد شامل همه چیز از بازی با اسباب بازی های مورد علاقه گرفته تا واکنش صوتی سگ ها به مورد حمله قرار گرفتن صاحبانشان بود.

با استفاده از این اطلاعات، محققان 14 نوع مختلف صدای سگ را شناسایی کردند، مانند جیغ های مثبت در طول بازی، صداهای غمگین/اضطراب و زوزه های بسیار تهاجمی نسبت به یک غریبه. سپس یک مدل هوش مصنوعی به نام Wav2Vec2 - که در اصل برای تشخیص گفتار انسان طراحی شده بود - با این صداهای سگ ها آموزش داده شد. البته در این مشیر دشواری هایی پیش آمد:

یکی اینکه هوش های مصنوعی که قبلا با صدای انسان آموزش دیده بودند در 50 درصد موارد صدای سگ ها را درست تفسیر می کردند. در صورتی که هوش مصنوعی که انحصارا با صدای سگ آموزش دیده بود، فقط 24 درصد موفیت داشت!

این مسئله نشان می دهد که آشنایی با گفتار انسان می تواند به هوش مصنوعی یاری کند تا با پیچیدگی های ارتباطات غیرانسانی کنار بیاید، به این معنی که وقتی نوبت به ساختن مدلی برای صحبت می گردد، لازم نیست از صفر آغاز کند.

ضمناً این مدل توانست بین نژادهای مختلف سگ به مقدار مختلف، تمایز قائل گردد. بیش از نیمی از سگ های شرکت کننده در این مطالعه چی هواهوا بودند و این نرم افزار توانست در 75 درصد موارد به درستی این سگ ها را از روی صدایشان تشخیص دهد.

در نهایت، مدل به چالش کشیده شد تا معنای صداهای حیوانات را با تطبیق آنها با یکی از 14 نوع صدای سگ لیست شده به وسیله محققان تفسیر کند. هنگامی که هوش مصنوعی بر روی گفتار انسان از قبل آموزش داده شد، به نرخ موفقیت 62.2 درصدی دست یافت، اگرچه بعضی از دسته های صدا آسان تر از سایرین رمزگشایی می شدند.

به عنوان مثال، این مدل توانست در 90.7 درصد ناله حاکی از نارضایتی سگ ها را به درستی شناسایی کند اما تنها 45.26 درصد صدای بلند یا زوزوه منفی آنها را متوجه شد.

پیشرفت های هوش مصنوعی می تواند برای متحول کردن درک ما از حیوانات استفاده گردد. آن هم با استفاده از مدل های پایه موجود که قبلا با صدای انسان آموزش دیده بودند!

این تحقیق درر arXiv منتشر خواهد شد.