In het kort

• Algoritmen voor machinaal leren, zoals grote taalmodellen, worden gebruikt om dierengeluiden te analyseren.
• Goedkope opnameapparatuur heeft het voor onderzoekers mogelijk gemaakt om enorme hoeveelheden gegevens over dierengeluiden in realtime te verzamelen.
• Verfijnde algoritmen kunnen duizenden uren aan opnames doorzoeken, verschillende dierengeluiden identificeren en ze groeperen op basis van akoestische kenmerken.

De zoektocht naar een beter begrip van dierencommunicatie gaat steeds sneller. Dit wordt gestimuleerd door aanzienlijke financiering en vooruitgang op het gebied van kunstmatige intelligentie (AI). De Coller-Dolittle Prijs, die een aanzienlijke financiële beloning biedt voor doorbraken op dit gebied, weerspiegelt de groeiende overtuiging dat we aan de vooravond staan van belangrijke vooruitgang.

Vorderingen

Algoritmen voor machinaal leren, met name grote taalmodellen (LLM’s), worden ingezet om dierengeluiden te analyseren. Projecten zoals Project Ceti hebben walvisklikken en bultruggezang gedecodeerd, maar deze pogingen hebben in het verleden te kampen gehad met beperkingen vanwege de schaarste aan geannoteerde gegevens van hoge kwaliteit. In tegenstelling tot menselijke taal, die enorme digitale archieven heeft, zijn gegevens over dierlijke communicatie aanzienlijk beperkter. Dit verschil in beschikbare informatie vormt een grote hindernis.

Het landschap verandert echter snel. De toegankelijkheid van goedkope opnameapparatuur zoals AudioMoth heeft het voor onderzoekers mogelijk gemaakt om enorme hoeveelheden geluidsgegevens van dieren in real-time te verzamelen. Deze geautomatiseerde opnames leggen continu vocalisaties vast, wat een schat aan informatie oplevert over het gedrag en de communicatiepatronen van dieren.

Verborgen patronen

Er worden nu geavanceerde algoritmen gebruikt om deze enorme datasets te analyseren. Convolutionele neurale netwerken kunnen duizenden uren aan opnames doorzeven, verschillende dierengeluiden identificeren en ze groeperen op basis van akoestische kenmerken. Dit opent nieuwe mogelijkheden voor onderzoekers om verborgen structuren in dierlijke vocalisaties bloot te leggen, waardoor betekenisvolle patronen zichtbaar worden, analoog aan menselijke taal.