Google представляє DolphinGemma: Революційна модель штучного інтелекту для спілкування з дельфінами.

Дельфіни давно привертають увагу дослідників завдяки своїм розвиненим соціальним поведінкам та складним вокалізаціям. Сьогодні компанія Google, у партнерстві з Wild Dolphin Project (WDP), робить значний крок уперед, представляючи DolphinGemma — нову модель штучного інтелекту, спрямовану на аналіз та, зрештою, взаємодію за допомогою мови атлантичних плямистих дельфінів. Перші польові випробування заплановані на це літо, а DolphinGemma позиціонується на перетині генеративного штучного інтелекту та морської біології.

Передумови та Мотивація Дослідження

Дельфіни відомі своєю інтелектуальною здатністю, що підтверджується їхньою здатністю до співпраці, навчання один одного та навіть демонстрації самосвідомості через дзеркало. Протягом десятиліть вчені намагалися розшифрувати складні патерни свистів і клацань, що складають комунікацію дельфінів. Wild Dolphin Project, що працює з 1985 року, ретельно записав і прокоментував години підводних аудіо- та відеоданих, створивши один з найбільш комплексних наборів даних. Це дослідження стало основою для розробки DolphinGemma з чіткою метою: зрозуміти, чи задовольняють вокалізації дельфінів критерії мови.

Технічний Огляд DolphinGemma

У своїй основі DolphinGemma використовує відкриті AI-моделі Gemma від Google, які мають спільну основу з комерційними моделями Gemini. Модель обробляє аудіо-входи за допомогою передових технологій, розроблених на основі технології SoundStream від Google. SoundStream токенізує унікальні вокальні патерни дельфінів, перетворюючи складні звукові хвилі на дані, які можуть бути проаналізовані штучним інтелектом. З приблизно 400 мільйонами параметрів, DolphinGemma є відносно компактною в порівнянні з багатьма великими мовними моделями, призначеними для людської мови, що забезпечує ефективну обробку на мобільних пристроях.

Цей підхід до токенізації означає, що, як і в моделях, орієнтованих на людей, після отримання вокалізації дельфіна на вхід система прогнозує наступний аудіо-токен для створення зрозумілого звукового виходу. По суті, система намагається генерувати послідовності, які можуть бути інтерпретовані як значуща комунікація самими дельфінами. Ця трансформація звуку в звук є значним кроком уперед у встановленні спільного словника з морськими ссавцями.

Інтеграція Апарату та Польове Впровадження

DolphinGemma розроблена з урахуванням обмежень польових досліджень. Wild Dolphin Project працює в віддалених підводних середовищах, де компактне та ефективне обладнання є критично важливим. Команда історично використовувала систему CHAT (Cetacean Hearing Augmentation Telemetry), розроблену в Георгійському технологічному інституті, на пристроях Pixel 6. Цей пристрій не лише записує високоякісне аудіо в динамічних підводних умовах, але й використовує алгоритми шаблонного співвідношення для створення синтетичних вокалізацій дельфінів на основі екологічних сигналів.

У майбутньому Google планує випустити вдосконалену версію CHAT на базі платформи Pixel 9 для дослідницького сезону літа 2025 року. Ця оновлена система одночасно запускатиме моделі глибокого навчання та алгоритми шаблонного співвідношення, суттєво підвищуючи швидкість та точність аналізу в реальному часі. Хоча поточна увага зосереджена на використанні DolphinGemma для аналізу та прогнозування звуків дельфінів, майбутні версії можуть безпосередньо взаємодіяти з CHAT для створення інтерактивних двосторонніх комунікаційних каналів.

Глибоке Поглиблення: Перетин Штучного Інтелекту та Морської Біології

Створення DolphinGemma не лише демонструє адаптивність генеративних AI-моделей за межами людської мови, але й відкриває нові перспективи в морській біології. Автоматично аналізуючи десятиріччя аудіоданих, модель може виявляти тонкі патерни та кореляції в вокалізаціях дельфінів, які було б майже неможливо виявити людині. Наприклад, характерні “сигнатурні свисти” — подібні до індивідуальних ідентичностей — можуть бути швидко класифіковані і потенційно корельовані з конкретними поведінковими патернами.

Більше того, завдяки розпізнаванню патернів, штучний інтелект може врешті-решт розшифрувати контекстуальне значення певних звукових патернів, таких як “крики”, які часто записуються під час агресивних взаємодій. Як тільки модель буде вдосконалена, морські біологи можуть отримати безпрецедентні знання про соціальні структури та стратегії комунікації дельфінів, що може сприяти їхньому збереженню та управлінню.

Покращені Технічні Специфікації та Думки Експертів

Експерти галузі позитивно оцінили підхід до використання моделі “аудіо-вхід, аудіо-вихід” для вивчення комунікації тварин. Доктор Алісон Кумар, відомий експерт у галузі обчислювальної біології, зазначає: “Використання передової токенізації через SoundStream, в поєднанні з генеративною моделлю, навченою на ретельно зібраних даних, представляє собою парадигмальний зсув у тому, як ми вивчаємо та потенційно взаємодіємо з не-людськими видами”.

Технічно, 400 мільйонів параметрів у DolphinGemma забезпечують баланс між складністю моделі та необхідністю операційної ефективності на пристроях, таких як Pixel 9. Враховуючи обмеження мобільних обчислювальних середовищ, ця модель розроблена для забезпечення високо детальних звукових прогнозів без надмірного навантаження на доступні ресурси обладнання.

Перспективи Майбутнього та Глобальна Співпраця

Google позиціонує DolphinGemma як проект з відкритим доступом, заохочуючи дослідників у всьому світі удосконалювати та перепрофілювати модель. Незважаючи на те, що поточне навчання базується на звуках атлантичних плямистих дельфінів, експерти вважають, що модель може бути адаптована для інших видів китоподібних, розширюючи обсяг дослідження комунікації морських тварин.

Окрім негайних дослідницьких застосувань, ширші наслідки цієї технології можуть сприяти новим формам міжвидової комунікації. Хоча повна розмова може бути довгостроковою метою, передові аналітичні можливості, які пропонує DolphinGemma, ймовірно, прокладуть шлях до базових інтерактивних обмінів, а також сприятим глибшому розумінню поведінки дельфінів і соціальної екології.

Висновок

DolphinGemma від Google представляет собою обнадійливе перетворення штучного інтелекту, мобільного обладнання та досліджень морської біології. З наближенням перших польових випробувань з оновленою системою CHAT проект підкреслює важливу роль, яку можуть відігравати передові моделі машинного навчання в розшифровці складних не-людських мов. Використовуючи інноваційні технології обробки звуку, ця ініціатива не лише розширює межі генеративного штучного інтелекту, але й може в кінцевому підсумку збагачувати наше розуміння одного з найінтелектуальніших видів природи.

Додаткові Ресурси

• Блог Google AI – Дізнайтеся більше про технічні інновації, що лежать в основі моделі.
• Wild Dolphin Project – Відкрийте для себе поточні дослідження та зусилля з охорони.
• Google Pixel – Ознайомтеся з новітнім обладнанням, яке живить передові дослідження.

Джерело: Ars Technica