Itongadol/Agencia AJN.- En los últimos años, se han realizado numerosos intentos de utilizar la inteligencia artificial para descifrar la comunicación de murciélagos, ballenas, aves y otros animales. Sin embargo, un nuevo estudio dirigido por un equipo de investigadores de la Universidad de Tel Aviv señala un problema fundamental en este enfoque: los modelos de IA se centran en las propiedades físicas del sonido, pero esto no significa que comprendan el significado que el animal que escucha le atribuye.
Según los investigadores, los sonidos acústicamente similares no conllevan necesariamente significados parecidos, mientras que sonidos aparentemente distintos pueden transmitir la misma información al receptor.
Por tanto, clasificar los sonidos según su similitud acústica —como se hace en la mayoría de los estudios— puede ofrecer una imagen engañosa del sistema de comunicación y del significado de los mensajes que transmite.
El estudio, publicado en la revista científica Current Biology, fue realizado por Mor Taub, Inbal Arnon, Amiyaal Ilany, Mirjam Knörnschild, Yoav Ram y el profesor Yossi Yovel.
El equipo contó con científicos de la Universidad de Tel Aviv, la Universidad Hebrea de Jerusalem, la Universidad de Edimburgo, el Museum für Naturkunde (Instituto Leibniz para la Ciencia de la Evolución y la Biodiversidad) y la Universidad Humboldt de Berlín.
Para analizar el problema, los investigadores utilizaron un sistema de comunicación singular: las vocalizaciones de niños pequeños que aún no han desarrollado completamente el habla.
A diferencia de las vocalizaciones animales, en este caso los investigadores pueden determinar, al menos hasta cierto punto, cómo las interpretan los humanos a quienes van dirigidas.
Las grabaciones incluían vocalizaciones realizadas en tres contextos: angustia, llamada a una persona específica (la madre o el padre) y petición de comida.
Los investigadores analizaron las grabaciones utilizando un método acústico clásico y dos redes neuronales profundas de última generación: una entrenada con vocalizaciones animales y otra entrenada con el habla de adultos humanos.
Se pidió a los modelos que agruparan las vocalizaciones según sus características.
Los resultados mostraron que las redes neuronales profundas tuvieron un mejor desempeño que el método acústico clásico; sin embargo, ni siquiera ellas lograron clasificar las vocalizaciones de los niños pequeños según su significado.
En algunos casos, agruparon vocalizaciones que transmitían mensajes diferentes; en otros, separaron vocalizaciones distintas destinadas a comunicar el mismo mensaje.
Los modelos tampoco lograron identificar cómo una secuencia de vocalizaciones expresaba una urgencia creciente, una distinción que el oído humano percibe de forma natural.
Según los investigadores, descifrar con fiabilidad la comunicación animal requerirá combinar herramientas de inteligencia artificial con observaciones del comportamiento, experimentos de reproducción de sonidos y, en ocasiones, mediciones de la actividad cerebral.
Cada especie posee su propio mundo perceptivo único; por tanto, comprender lo que los animales «dicen» exige ir más allá del simple análisis del sonido: también requiere examinar cómo lo perciben y cómo reaccionan ante él.