Um grupo internacional de especialistas argumenta que enfrentar o desafio de longa data de decodificar os sistemas de comunicação de baleias, corvos, morcegos e outros animais está ao seu alcance, após avanços de tirar o fôlego na pesquisa de inteligência artificial (IA).

Em um artigo publicado na Science , liderado pelo professor Christian Rutz, da Escola de Biologia da Universidade de St Andrews, os autores explicam como ferramentas de aprendizado de máquina de ponta podem fornecer insights transformadores sobre a vida oculta dos animais, com implicações importantes para sua conservação.

A perspectiva de entender o que os animais dizem uns aos outros, ou mesmo de iniciar uma conversa com outra espécie, incendeia a imaginação dos humanos há milênios. Mas como não existe Pedra de Roseta para traduzir os sinais de comunicação dos animais, seu significado deve ser decifrado por meio de observação e experimentação cuidadosas. Apesar do bom progresso da pesquisa nas últimas décadas, coletar e analisar dados é uma tarefa desafiadora. Por exemplo, anotar gravações de cantos de pássaros, cantos de baleias ou gestos de primatas é demorado, e mesmo biólogos experientes muitas vezes lutam para diferenciar tipos de sinais aparentemente semelhantes.

Rutz, especialista em comportamento animal e no uso de dispositivos de rastreamento de vida selvagem em miniatura, disse: "O advento do aprendizado de máquina criou oportunidades empolgantes para progredir no grande desafio de pesquisa de entender outros animais. Mas há riscos significativos que devem ser enfrentados de cabeça erguida."

Os algoritmos de aprendizado de máquina funcionam efetivamente como poderosos detectores de padrões e geradores de conteúdo. Como tal, eles revolucionaram os aplicativos que dependem do processamento da linguagem humana escrita e falada, conforme ilustrado pelos chatbots interativos. São essas ferramentas que os pesquisadores estão usando para identificar e classificar os sinais dos animais a partir de gravações de áudio e vídeo e para conduzir experimentos que iluminam a função do sinal (por exemplo, reproduzindo chamadas específicas e observando a resposta de um animal).

O problema é que os métodos de aprendizado de máquina exigem grandes quantidades de dados. Por exemplo, o popular modelo de linguagem Chat GPT-3 foi treinado usando centenas de bilhões de 'tokens', que correspondem aproximadamente a palavras. "Isso é o equivalente a mais de dois milhões de livros do tamanho de A Origem das Espécies de Charles Darwin", explica o coautor Dr. Damián Blasi, que é um cientista da linguagem na Universidade de Harvard. "Precisamos de soluções criativas para coletar dados de animais selvagens."

Grandes esforços estão atualmente em andamento para reunir conjuntos de dados adequados para pelo menos algumas espécies. O projeto CETI (Cetacean Translation Initiative), por exemplo, estuda o comportamento comunicativo de cachalotes. O líder de IA do projeto, o co-autor do professor Michael Bronstein, que é o professor DeepMind de IA da Universidade de Oxford, explica: toda a riqueza do comportamento comunicativo desses animais."

Como os autores argumentam em seu artigo, entender o contexto da comunicação é fundamental para progredir. "Se quisermos decodificar as conversas dos animais, precisamos saber quem fala com quem e em quais condições ambientais e sociais", diz a coautora professora Sonja Vernes, especialista em comunicação vocal de morcegos, que possui afiliações conjuntas no Universidade de St Andrews e o Instituto Max Planck de Psicolinguística.

“O aprendizado de máquina pode nos ajudar a descobrir quais sinais os animais estão usando e talvez até o que os sinais significam, se combinarmos essas abordagens com experimentos bem projetados”.

Os coautores Aza Raskin e Katherine Zacarian, que são co-fundadores do Earth Species Project (ESP), que estuda os sistemas de comunicação de uma ampla gama de espécies animais, estão particularmente entusiasmados com os benefícios a longo prazo desta pesquisa.

“À medida que expandimos nossa compreensão do comportamento comunicativo de outras espécies, podemos usar esse conhecimento para melhorar o bem-estar animal em cativeiro e projetar estratégias de conservação mais eficazes”, observa Zacarian. “Em última análise, esperamos iniciar uma mudança cultural levando a um maior respeito pelas muitas espécies com as quais compartilhamos o planeta Terra”.

ESP está colaborando com Rutz e seus colegas em um estudo que investiga o repertório vocal do corvo havaiano criticamente ameaçado. O aprendizado de máquina permite comparações detalhadas das vocalizações dos últimos indivíduos sobreviventes, todos mantidos em centros de criação de conservação administrados pela San Diego Zoo Wildlife Alliance, com gravações históricas de linha de base. "Chamadas perdidas podem ser reintroduzidas", de acordo com Raskin. "A restauração cultural é um exemplo profundamente belo dos benefícios desta pesquisa."

No futuro, pode até ser possível 'escutar' o bem-estar de comunidades inteiras de animais. “Se pudermos identificar os sinais de comunicação associados ao sofrimento ou evitação, os sistemas de monitoramento acústico passivo podem ser usados ??para espionar como os animais ‘felizes’ ou ‘infelizes’ estão no nível da paisagem”, diz Rutz. Isso forneceria uma poderosa ferramenta de avaliação rápida para pesquisas de biodiversidade em andamento e trabalho de conservação.

Mas os autores concordam que grandes desafios estão por vir, incluindo sérias questões éticas – como em quais circunstâncias iniciar conversas com animais selvagens pode ser aceitável. “Esta pesquisa promete benefícios de conservação e bem-estar de longo alcance, mas devemos nos unir com urgência para discutir seus riscos potenciais”, adverte Rutz.