AI เริ่มถอดรหัสภาษาสัตว์ และสิ่งที่ค้นพบนั้นน่าทึ่งเกินคาด

Key takeaway

• AI รุ่นใหม่อย่าง NatureLM-audio, ZF-AIM และ Project CETI สามารถวิเคราะห์ Pattern การสื่อสารของสัตว์ในระดับที่ไม่เคยทำได้มาก่อน ไม่ว่าจะเป็นเสียงกระซิบของนกกากว่า 127,000 รายการ, Vocal Interaction แบบ Real-time กับนก Zebra Finch หรือ Coda ของวาฬสเปิร์มที่ทำงานคล้าย Phonetic Alphabet ที่ซับซ้อน
• การวิเคราะห์ Acoustic Pattern ด้วย AI เพียงอย่างเดียวยังไม่เพียงพอต่อการถอดความหมายที่แท้จริง เนื่องจากการตีความที่น่าเชื่อถือยังคงต้องอาศัยการสังเกตพฤติกรรม และในบางกรณีต้องวัด Brain Activity ควบคู่กันด้วย
• การพยายาม "โต้ตอบ" กลับไปยังสัตว์ผ่าน AI-generated Calls โดยที่ยังไม่เข้าใจบริบทอย่างครบถ้วน มีความเสี่ยงสูงที่จะก่อให้เกิดความสับสน ความวิตกกังวลในสัตว์ และอาจรบกวน Ecosystem ในวงกว้างได้

Model AI รุ่นใหม่สามารถระบุ Pattern การสื่อสารของนกกา สร้าง Real-time Interaction กับนกร้องเพลง และวิเคราะห์เสียงของวาฬสเปิร์มได้แล้ว อย่างไรก็ตาม นักวิจัยเตือนว่าการวิเคราะห์เสียงเพียงอย่างเดียวยังไม่เพียงพอต่อการถอดความหมาย และการ "โต้ตอบ" กลับไปยังสัตว์อาจก่อให้เกิดความเสี่ยงร้ายแรงต่อระบบนิเวศ

ความก้าวหน้าอย่างก้าวกระโดดของ AI ในช่วงสองปีที่ผ่านมา โดยเฉพาะความสามารถในการประมวลผล Dataset ขนาดใหญ่และดึง Pattern จากข้อมูลเหล่านั้น กำลังเริ่มปฏิวัติวงการศึกษาการสื่อสารของสัตว์ และในช่วงเวลาดังกล่าวได้เกิด Breakthrough ที่น่าสนใจขึ้นหลายประการ

NatureLM-audio: Foundation Model เพื่อการสื่อสารของสัตว์

หนึ่งในนั้นคือการเปิดตัว NatureLM-audio ซึ่งเป็น Foundation Model รุ่นใหม่ที่พัฒนาโดย Earth Species Project (ESP) โดยระบบดังกล่าวสามารถเรียนรู้ Structure และ Pattern การสื่อสารจากไฟล์บันทึกเสียงนับชั่วโมงได้อย่างอิสระ

ESP ประกอบด้วยนักเทคโนโลยีและวิศวกรประมาณ 15 คน และได้รับการสนับสนุนทางการเงินจากเงินบริจาคมูลค่าหลายล้านดอลลาร์

สามปีก่อน องค์กรแห่งนี้ได้เผยแพร่ Foundation Model ตัวแรกสำหรับการสื่อสารของสัตว์ ซึ่งสามารถระบุเสียงร้องของวาฬเบลูก้าได้อย่างแม่นยำ จากนั้นจึงขยายการประยุกต์ใช้เทคโนโลยีไปยังสัตว์สายพันธุ์อื่น ๆ เช่น อุรังอุตัง ช้าง และแม้แต่แมงมุม

AI วิเคราะห์เสียงกระซิบของนกกา

ระบบในปัจจุบันสามารถวิเคราะห์พฤติกรรมของสัตว์ผ่าน Video เสียงร้อง และตำแหน่งในพื้นที่ไปพร้อมกัน รวมถึงข้อมูลที่รวบรวมผ่าน Drone โดยระบบจะเชื่อมโยงพฤติกรรมทางกายภาพเข้ากับเสียง และค้นหา Pattern ที่เกิดซ้ำ ทั้งนี้ ระบบไม่ได้สร้างการแปลในรูปแบบที่มนุษย์เข้าใจโดยตรง แต่จะสร้าง Hypothesis เชิงสถิติว่าเสียงแต่ละชนิดอาจมีความหมายว่าอะไร

เทคโนโลยีนี้ให้ผลลัพธ์ที่เป็นรูปธรรมแล้วในภาคสนาม โดยนักวิจัยในสเปนได้นำ AI Model มาใช้ระบุและจำแนก Vocalization ของนกกาและลูกนกกามากกว่า 127,000 รายการ Dataset ในระดับที่ไม่เคยมีมาก่อนนี้เผยให้เห็นว่าการสื่อสารส่วนใหญ่เกิดขึ้นผ่านเสียงกระซิบระยะใกล้ที่เบาและละเอียดอ่อน มากกว่าเสียงร้องดังระยะไกลอย่างที่นักวิจัยเคยให้ความสำคัญมาโดยตลอด ผลการศึกษานี้ได้รับการตีพิมพ์ในวารสาร Animal Cognition

ZF-AIM: Real-time "Conversation" กับนกร้องเพลง

เมื่อปีที่แล้ว Generative AI Model ที่มีชื่อว่า ZF-AIM ได้รับการพัฒนาร่วมกับ McGill University ในเมืองมอนทรีออล โดยมุ่งเน้นไปที่นก Zebra Finch ซึ่งเป็นนกร้องเพลงขนาดเล็กที่มีพฤติกรรมเป็นสังคมสูง

Model ดังกล่าวถูก Train ด้วยเสียงนกกว่า 1.5 ล้านครั้ง และสามารถสร้าง Vocal Interaction แบบ Spontaneous ได้ เปิดโอกาสให้นักวิจัยสามารถดำเนิน "บทสนทนา" Real-time ขั้นพื้นฐานกับนกได้เป็นครั้งแรก ระบบนี้ถูกนำเสนอในปีนี้ที่เมืองริโอเดอจาเนโร ในงาน ICLR 2026 ซึ่งเป็นการประชุมนานาชาติด้าน Machine Learning และ AI ระดับแนวหน้าของโลก

Project CETI: ถอดรหัส Acoustic Communication ของวาฬสเปิร์ม

อีกหนึ่งองค์กรชั้นนำในสาขานี้คือ Project CETI ซึ่งเป็น International Initiative ที่ผสานความเชี่ยวชาญด้าน Marine Biology, Robotics, Linguistics และ AI เข้าด้วยกัน เพื่อถอดรหัส Acoustic Communication ของวาฬสเปิร์ม

วาฬสเปิร์มสื่อสารกันในมหาสมุทรลึกผ่าน Sequence ของเสียง Click ที่ซับซ้อน ซึ่งเรียกว่า Coda แทนที่จะติดตามวาฬด้วยเรือเหมือนในอดีต นักวิทยาศาสตร์หันมาใช้ Drone ขั้นสูงร่วมกับ Hydrophone (ไมโครโฟนใต้น้ำ) และ Sensor ตรวจจับเสียงและการเคลื่อนไหวที่ได้รับการพัฒนาแล้ว

ผลการวิเคราะห์ด้วย AI บ่งชี้ว่า Coda ของวาฬทำงานในลักษณะที่คล้ายคลึงกับ Phonetic Alphabet ที่ซับซ้อน นอกจากนี้ งานวิจัยที่ตีพิมพ์เมื่อเดือนมีนาคมยังได้ตรวจสอบ Vocal Pattern ของวาฬสเปิร์มในช่วงการคลอดแบบร่วมมือ และพบการประสานงานที่โดดเด่นระหว่างสมาชิกในกลุ่ม รวมถึงพฤติกรรมที่ชัดเจนในการเสริมสร้าง Social Bond กับลูกวาฬที่เพิ่งถือกำเนิดขึ้น

ความเสี่ยงจากการแทรกแซง Ecosystem

ควบคู่ไปกับความตื่นเต้นและความคาดหวัง นักวิทยาศาสตร์บางส่วนกำลังออกมาเตือนถึงความเสี่ยงของการพึ่งพา AI แต่เพียงอย่างเดียวในการถอดรหัสการสื่อสารของสัตว์

การศึกษาที่นำโดยนักวิจัยจาก Tel Aviv University พบว่าการจำแนก Vocalization โดยอาศัย Acoustic Similarity เพียงอย่างเดียวอาจให้ภาพที่คลาดเคลื่อนจากความเป็นจริงได้ การตีความการสื่อสารของสัตว์อย่างน่าเชื่อถือยังคงต้องอาศัยการสังเกตพฤติกรรมควบคู่กัน และในบางกรณีจำเป็นต้องมีการวัด Brain Activity ประกอบด้วย

นักวิทยาศาสตร์อีกกลุ่มหนึ่งยังเตือนถึงผลกระทบในวงกว้างของเทคโนโลยีนี้ โดยเฉพาะความพยายาม "พูดคุย" กับสัตว์ผ่าน AI ด้วยการสร้าง Call ที่ฟังดูเป็นธรรมชาติจนสัตว์อาจรับรู้ว่าเป็นสัญญาณจริง นักวิทยาศาสตร์กลุ่มนี้โต้แย้งว่า การสร้าง Active Dialogue โดยที่ยังไม่เข้าใจบริบทของสัตว์อย่างครบถ้วนอาจก่อให้เกิดความสับสน ความวิตกกังวล และอาจรบกวน Ecosystem ทั้งระบบได้

ความสามารถในการระบุ Pattern ในการสื่อสารของสัตว์ได้นั้น นักวิทยาศาสตร์เหล่านี้ย้ำว่า ไม่ได้หมายความว่ามนุษย์มีความพร้อมเพียงพอที่จะเข้าไปแทรกแซงสิ่งเหล่านั้นแต่อย่างใด

Why it matters

💡 ถ้าคุณสนใจว่า AI กำลังเปลี่ยนโลกของการศึกษาสัตว์อย่างไร บทความนี้คือสิ่งที่ไม่ควรพลาด เพราะเทคโนโลยีอย่าง NatureLM-audio, ZF-AIM และ Project CETI กำลังทลายขีดจำกัดของการถอดรหัสภาษาสัตว์ด้วย AI อย่างที่ไม่เคยเกิดขึ้นมาก่อน แต่ที่น่าสนใจกว่านั้นคือคำเตือนจากนักวิทยาศาสตร์ว่าการแทรกแซง Ecosystem ด้วย AI โดยขาดความเข้าใจที่แท้จริงอาจสร้างความเสียหายอย่างคาดไม่ถึง ซึ่งเป็นประเด็นที่ทุกคนในวงการ Tech ต้องตระหนักถึง

ข้อมูลอ้างอิงจาก https://www.ynetnews.com/tech-and-digital/article/ryyfqze9zl