¿Qué pasaría si en vez de crear un corpus de lenguaje humano, creáramos uno de lenguaje animal? Eso es precisamente lo que se plantearon Aza Raskin y Britt Selvitelle. Su objetivo es crear una especie de *Piedra Rosetta* que permita comprender el lenguaje de los animales
En el post anterior nos planteamos cómo podría crearse un traductor animal. Para ello, están recopilando un importante corpus de comunicación animal, que incluye sonidos de ballenas, monos e incluso elefantes. En este caso, el desafío, claramente, está en poder traducir de un lenguaje a otro sin conocer el lenguaje ni disponer de ejemplos de traducción entre ambos.
Para ello, han analizado 70 lenguas humanas, con el objeto de encontrar un patrón universal que permita traducir de forma automática de una a otra, sin necesidad de comprenderlas.
En esta misma línea, el profesor Slobodchikoff, de la Universidad de Arizona del Norte, lleva más de 30 años investigando en comunicación animal, para aplicar este conocimiento al desarrollo de sistemas que utilicen IA para aprender y traducir al lenguaje humano, sonidos y expresiones faciales de los animales.
Pero, ¿existe algo parecido a un lenguaje animal?
Slobodchikoff investigó en particular el complejo sistema de comunicación de los perritos de las praderas. Se dio cuenta de que era tan sofisticado que podría considerarse un lenguaje. Para ello realizó una serie de experimentos en los que grabó y analizó sus llamadas de alerta. Pronto detectó que usaban sonidos distintos para alertar al resto del grupo, según el peligro potencial detectado fuese un halcón, un perro, un coyote, o un humano. También observó que eran capaces de transmitir información sobre el aspecto y la velocidad a que se movía el posible depredador.
En el siguiente vídeo, el profesor nos explica de forma clara y sencilla, pero al mismo tiempo, con rigor científico los distintos experimentos que le llevaron a estas conclusiones.
En términos de lenguaje humano, el tipo de depredador puede ser considerado un sustantivo, mientras que las descripciones pueden asimilarse a adjetivos o adverbios. De esa forma, una simple llamada de alerta se puede asimilar a una frase de lenguaje humano. Por ejemplo:
“Humano alto y delgado con camiseta azul camina despacio por la colonia”
¿Qué papel juega la IA en todo esto?
Para poder crear un traductor de lenguaje animal basado en aplicaciones de Inteligencia Artificial es necesario entrenar el sistema mediante un gran número de vídeos que reflejen sonidos y muestras de comportamiento del animal (gruñir, mostrar los dientes, mover la cola, echar las orejas hacia atrás y todo tipo de sonidos asociados a estos comportamientos).
De esta forma, el algoritmo aprende a interpretar esos patrones de comportamiento y sonido, y asociarlos al lenguaje humano. Slobodchikoff se planteó que, si era posible hacerlo con los perritos de las praderas e incluso con otros animales, ¿por qué no con nuestras mascotas?
Con esta idea en mente, creó la empresa Zoolingua, dedicada exclusivamente a desarrollar un traductor de sonidos, expresiones faciales y movimientos corporales de perros y gatos.
Claro que no es la primera vez que se intenta algo parecido. La empresa No more woof (no más ladridos) ofrecía un sistema que hacía un electroencefalograma al perro para después traducir estas ondas a lenguaje humano, con locuciones y un altavoz. No tuvo mucho éxito. De hecho, acabó formando parte de la exposición de Peores innovaciones tecnológicas de la historia del Museo de los Fracasos de Suecia.
Hemos hablado de la importancia de disponer de un corpus de entrenamiento, pero hemos pasado de puntillas por un detalle importante.
¿Cómo puede traducir el algoritmo lo que significa un ladrido, o un movimiento de cola? Evidentemente, es necesario que esa interpretación la haga un humano. En el caso de Google Translator, contábamos con traducciones de expertos a otros lenguajes. Pero, ¿qué humano es experto en ladridos? Si tenemos en cuenta nuestra incuestionable tendencia al antropomorfismo el riesgo es evidente.
No, aunque a ti te lo parezca, esa expresión de tu perro no significa que se sienta culpable por haber destrozado tus zapatillas favoritas. Simplemente, tiene miedo, porque le estás regañando.
Para evitar este problema, Slobodchikoff propone basar esas interpretaciones no en mera adivinación, sino en cuidados experimentos científicos que permiten descifrar el significado de esos sonidos o comportamientos animales. En el siguiente vídeo de BBC Earth, Slobodchikoff explica qué tipo de analíticas software aplica a los sonogramas registrados en los experimentos y el tipo de conclusiones que se pueden extraer de éstos.
Sin embargo, no toda la comunidad científica es igual de optimista respecto a la posibilidad de encontrar el traductor ideal ladrido/maullido—lenguaje humano. La profesora Juliane Kaminski, psicóloga en la Universidad de Portsmouth no considera que los ladridos de un perro pueden considerar como un lenguaje. Es cierto que ofrecen señales rudimentarias sobre lo que quieren y lo que sienten. Pero, esas señales pueden ser tan poco claras para un sistema de traducción automático, como lo son para un humano.
Además, dependen mucho del contexto. Sin embargo, sí reconoce su utilidad para aquellas personas que carecen de intuición para comprender a un animal, como los niños pequeños que al ver a un perro enseñar los dientes, creen que está sonriendo.
Es probable que, aunque un traductor de mascotas llegue a ser técnicamente posible en pocos años, resulte del todo innecesario para la mayoría de las personas que conviven con un perro, un gato o cualquier otro animal. Comercialmente, le auguramos tan poco éxito como tuvo No more Woof. Sin embargo, ya han surgido otros campos para los que una herramienta de este tipo podría resultar muy práctica.
En particular, hablamos de poder detectar sufrimiento animal. Investigadores de la Universidad de Cambridge entrenaron un algoritmo de Machine Learning con 480 imágenes de ovejas, etiquetadas según sistema de muestras faciales de sufrimiento animal creado por veterinarios. Deformación de fosas nasales, rotación de orejas, párpados cerrados… Entrenaron el algoritmo con el 90% de las imágenes, usaron el 10% restante para probar su precisión, que llegó a igualar el promedio humano (67%).
Está claro que una detección previa de muestras de sufrimiento en animales tan poco expresivos como las ovejas (y otro tipo de ganado), permite un diagnóstico y acceso al tratamiento más rápidos y eficaces, con lo que la utilidad de una herramienta de este tipo sí que es evidente.
En los próximos años, comprobaremos si esta predicción del futuro se cumple y qué tipo de consecuencias éticas y económicas sacaremos de ello.
