La inteligencia artificial todavía no es capaz de entender a los animales: el sonido no es sinónimo de significado. Un equipo de científicos de la Universidad de Tel Aviv demostró que los modelos de IA clasifican las vocalizaciones según sus características físicas, pero eso no implica que descifren el mensaje que los animales intentan comunicar.
Descifrar el lenguaje de los animales usando inteligencia artificial se ha convertido en una promesa que gana terreno en la comunidad científica. Sin embargo, un nuevo estudio publicado en la revista Current Biology pone un freno de mano: los modelos de IA analizan las propiedades físicas del sonido, y eso no basta para comprender lo que un animal realmente comunica.
En los últimos años, varios equipos de investigación han intentado aplicar estas herramientas para interpretar las vocalizaciones de murciélagos, ballenas y aves, con resultados que generaron expectativas pero también dejaron preguntas sin responder.
La investigación fue liderada por Mor Taub, Inbal Arnon, Amiyaal Ilany, Mirjam Knörnschild, Yoav Ram y Yossi Yovel, con la colaboración de instituciones como la Universidad Hebrea de Jerusalén, la Universidad de Edimburgo, el Museo de Historia Natural (Instituto Leibniz para la Evolución y la Ciencia de la Biodiversidad) y la Universidad Humboldt de Berlín.
El problema central que identifica el estudio es que los sonidos acústicamente parecidos no siempre transmiten el mismo mensaje, y a la inversa: vocalizaciones que suenan muy diferentes pueden estar comunicando exactamente lo mismo.
Cuando los modelos de IA ordenan los sonidos por similitud acústica —el enfoque más habitual en este tipo de investigaciones— terminan construyendo una imagen distorsionada del sistema de comunicación del animal. La IA escucha, pero no necesariamente comprende. Y esa diferencia, según los autores, es fundamental.
Probaron los modelos con bebés
Para poner a prueba esta limitación, los investigadores recurrieron a un caso particular: las vocalizaciones de niños pequeños que todavía no hablan. La ventaja de este grupo es que los científicos pueden saber, al menos parcialmente, cómo los adultos interpretan esos sonidos. Las grabaciones correspondieron a tres contextos concretos: angustia, llamado a un progenitor específico y pedido de comida.
Luego analizaron ese material con tres herramientas distintas: un método acústico clásico y dos redes neuronales profundas de última generación, una entrenada con vocalizaciones animales y otra con habla humana adulta. El objetivo era ver si los modelos podían agrupar las vocalizaciones según su significado, y no solo según su forma sonora.
Los resultados fueron claros: las redes neuronales superaron al método acústico tradicional, pero aun así fallaron. En algunos casos, agruparon vocalizaciones con mensajes diferentes; en otros, separaron vocalizaciones distintas que buscaban comunicar lo mismo.
Ninguno de los modelos logró detectar cómo una secuencia de sonidos expresaba una urgencia creciente, algo que cualquier oído humano capta de forma espontánea. Esa incapacidad para leer la progresión emocional en una serie de vocalizaciones es, según el equipo, una de las limitaciones más reveladoras del enfoque actual.
Yovel resumió el hallazgo con precisión:
“Identificar patrones acústicos no es necesariamente lo mismo que descifrar el significado”
, y añadió que para entender qué está “diciendo” un animal hay que saber cómo el receptor del mensaje lo percibe y responde.
La conclusión del equipo es que la inteligencia artificial es una herramienta valiosa, pero insuficiente por sí sola. Según los investigadores, avanzar en la comprensión de la comunicación animal requiere sumar observaciones del comportamiento, experimentos de reproducción de sonidos y, en algunos casos, medición de la actividad cerebral. Cada especie percibe el mundo de una forma particular, y esa perspectiva no puede quedar afuera del análisis.
“El camino hacia la verdadera comprensión de la comunicación animal requerirá una combinación de inteligencia artificial, observaciones del comportamiento, experimentos e investigación del sistema nervioso”
, señaló Yovel. “La inteligencia artificial es una herramienta poderosa, pero no sustituye la perspectiva del propio animal”, concluyó.
Fuente: Infobae