L'AI può decifrare il linguaggio degli animali? Uno studio mostra il grande equivoco

Il sogno è irresistibile: puntare l’intelligenza artificiale verso il mondo animale e ottenere, prima o poi, una specie di Google Translate capace di dirci che cosa si stanno raccontando due capodogli, perché un pipistrello strilla contro il vicino o che cosa vuole davvero il cane quando ci fissa davanti al frigorifero. No, non siamo ancora a questo punto. E, soprattutto, potremmo avere frainteso quale sia il problema da risolvere. È la provocazione contenuta in un breve e recente studio pubblicato su Current Biology da un gruppo internazionale di ricercatori guidato da Mor Taub e comprendente, fra gli altri, Yossi Yovel della Tel Aviv University, uno degli studiosi più noti nel campo della comunicazione dei pipistrelli. Il lavoro non sostiene affatto che l'intelligenza artificiale sia inutile per studiare gli animali. Al contrario: mostra quanto sia potente nel riconoscere strutture e pattern acustici e, contemporaneamente, quanto sia rischioso confondere quelle strutture con il loro significato. Il problema del “Google Translate per animali” L'AI ha già cambiato radicalmente questo settore. Microfoni e sensori possono raccogliere migliaia di ore di versi, canti e richiami che sarebbe impossibile analizzare manualmente. Gli algoritmi possono poi confrontarli, raggrupparli e individuare regolarità difficili da percepire perfino per un ricercatore esperto. È nata così quella che viene definita sempre più spesso Animal Language Processing, l'applicazione di tecniche di machine learning e di elaborazione del linguaggio allo studio della comunicazione non umana. Affascinante. Gli esempi sono spettacolari. Il Project CETI sta per esempio raccogliendo enormi quantità di registrazioni dei capodogli per analizzarne le sequenze di clic, chiamate codas. L'AI ha permesso di distinguere variazioni di ritmo e tempo e altri elementi combinatori che suggeriscono un sistema comunicativo assai più articolato di quanto apparisse inizialmente. Qualcosa di simile è successo con i pipistrelli. In ricerche precedenti, il gruppo di Yovel ha registrato migliaia di vocalizzazioni di volpi volanti egiziane insieme ai comportamenti degli animali, utilizzando algoritmi per collegare certi segnali alle interazioni sociali. È emerso un repertorio sorprendentemente ricco: dispute sul cibo o sulla posizione in cui riposare, richiami rivolti a individui differenti e variazioni legate al contesto. Come ha raccontato Scientific American, una parte consistente di questa comunicazione sarebbe praticamente inaccessibile alle nostre orecchie senza sensori e computer, perché avviene a frequenze e velocità molto diverse da quelle della voce umana. Ma c'è un salto logico in agguato: se un algoritmo scopre che due suoni sono simili, significa che per l'animale significano la stessa cosa? Secondo il nuovo studio, no. O almeno non necessariamente. Per capirlo, i ricercatori hanno studiato i bambini. Gli autori hanno infatti escogitato un esperimento particolarmente efficace proprio perché, invece di partire dagli animali, hanno scelto un sistema di comunicazione che conosciamo molto meglio: quello dei bambini molto piccoli, prima che imparino a parlare. Hanno analizzato un piccolo dataset di vocalizzazioni prodotte in tre situazioni semanticamente differenti: segnali di disagio, richiami di contatto rivolti specificamente alla madre o al padre, richieste prodotte aspettandosi di essere nutriti. In questo caso abbiamo un vantaggio enorme rispetto allo studio di una balena o di un pipistrello: conosciamo il contesto e possiamo almeno avvicinarci a ciò che il segnale rappresenta per chi lo riceve. Ed è qui che è spuntato il risultato interessante. La somiglianza acustica fra le vocalizzazioni non coincide necessariamente con la loro vicinanza sul piano percettivo e semantico. Due suoni che un algoritmo considera simili in base alle loro caratteristiche fisiche possono avere funzioni differenti. Viceversa, segnali acusticamente distanti possono essere interpretati dal destinatario all'interno della stessa categoria comunicativa. Sembra una distinzione sottile ma cambia parecchio. L'AI riconosce il segnale. Ma chi conosce il significato? Immaginiamo di intercettare migliaia di vocalizzazioni di una specie sconosciuta e di darle in pasto a un modello. L'algoritmo potrebbe dividerle magnificamente in dieci gruppi. Potremmo perfino scoprire che un certo gruppo compare soprattutto quando arriva del cibo e un altro quando compare o percepisce un predatore. Abbiamo trovato dieci “parole”? Non per forza. Il problema è che l'algoritmo osserva il mondo dal nostro lato: misura frequenze, durate, intervalli, ritmi e correlazioni. La comunicazione, invece, esiste anche dall'altro lato, cioè nel modo in cui l'animale destinatario percepisce e interpreta il segnale. Ed è proprio questo spazio percettivo che, nella maggior parte delle specie, non possiamo interrogare direttamente. È il punto centrale sollevato dagli autori: classificare correttamente dei segnali non equivale automaticamente a decodificarli. È un po' come consegnare a un ipotetico extraterrestre migliaia di registrazioni della parola “ciao”. Un sistema molto sofisticato potrebbe scoprire variazioni di frequenza, intensità, accento e durata. Potrebbe capire chi tende a pronunciarla e in quali circostanze. Ma per sapere che “ciao” può significare saluto, commiato, sorpresa o perfino incredulità, o magari una presa in giro, avrebbe bisogno di qualcosa che non si trova interamente dentro l'onda sonora: il contesto. Ed è qui che il paragone con i traduttori automatici diventa scivoloso. Un modello che traduce italiano e inglese dispone di miliardi di esempi prodotti da esseri umani, testi paralleli e una quantità enorme di conoscenza linguistica e culturale. Per il “capodogliese”, insomma, non esiste una Stele di Rosetta. Eppure siamo molto più vicini di prima Questo non ridimensiona affatto l'importanza dell'AI: chiarisce piuttosto quale potrebbe essere il suo vero ruolo. L'intelligenza artificiale può scandagliare quantità di dati prima impensabili, lo sappiamo. Può scoprire regolarità e formulare ipotesi che poi devono essere messe alla prova osservando che cosa fanno gli animali. È esattamente la direzione intrapresa dai progetti più avanzati. Il già citato CETI, per esempio, non registra soltanto i clic dei capodogli: li mette in relazione con identità, comportamento e interazioni sociali degli animali. Droni, idrofoni e dispositivi applicati alle balene permettono di ricostruire chi emette un segnale, chi lo riceve e che cosa accade prima e dopo. Ed è possibile che il passo decisivo arrivi quando potremo non soltanto ascoltare ma rispondere. Alcuni gruppi stanno per esempio sperimentando sistemi capaci di riprodurre segnali artificiali e verificare la reazione degli animali: se emetto un determinato richiamo e il destinatario reagisce sistematicamente in un certo modo, l'ipotesi sul suo significato diventa molto più robusta. Anche su delfini, api e pipistrelli sono già in corso esperimenti in questa direzione. Il paradosso, dunque, è che l'AI potrebbe davvero portarci più vicino che mai a comprendere altre specie ma probabilmente non costruendo un dizionario “verso animale uguale frase in linguaggio naturale umano”. La sfida più interessante sarà ricostruire come un'altra specie organizza il proprio mondo attraverso i segnali. E forse il grande equivoco un bel po’ specista sta proprio nell'immaginare che gli animali debbano avere qualcosa da “tradurre” nel senso umano del termine. L'intelligenza artificiale è diventata straordinariamente brava a trovare schemi. Capire che cosa quegli schemi significhino per chi li produce e per chi li ascolta rimane, almeno per ora, un problema molto più biologico che informatico.

Cosa vedere:

Come vederlo:

Online con Sky:

L'AI può decifrare il linguaggio degli animali? Uno studio mostra il grande equivoco

Simone Cosimi