乌干达的这些黑猩猩可以像 2 岁的孩子一样学习理解人类措辞

圈养的黑猩猩懂英语，和 2 岁的孩子一样，并利用人类手语的符号。
海豚共同折衷他们的动作来打开容器并实行新的技巧。
鹦鹉可以可靠地报告物品的数量或颜色。
土拨鼠发出警报，一个穿着白色衣服的高个子人正在快速靠近！

动物会利用措辞吗？如果是这样，我们可以利用人工智能与他们交谈吗？

人类利用措辞进行互换。
动物还通过视觉和措辞就各种话题进行互换，从哪里可以找到食品，到交配的欲望，或危险的警告。

但人类措辞不仅仅是互换。
人类措辞有效地结合了大多数任意声音单元的离散清单，每个单元都有单独的固定含义，以共同传达信息。
措辞可以描述立即存在的事物，在韶光或空间上迢遥，乃至是假设的——繁芜的规则支配着我们组合这些单元的办法。
单词分为以下几类：名词、动词、介词。
某些种别，例如动词，哀求其他词补充从属的语义角色：动词“给”须要几个参数：给予者、给予的事物和接管者。
如果你说 “小王给了小李”，听众肯定会问：“ 小王给了小李什么？”

AI Talks 涵盖了人类考试测验教人工系统利用措辞进行互换的考试测验。
理解人类措辞和动物互换系统之间的细微差别和惊人的相似之处可以帮助我们理解人工措辞系统究竟须要完成什么。

乍一看，与人类措辞比较，大多数动物互换可能看起来过于大略，但实际上，各种动物险些都可以知足措辞的所有属性！

许多动物都有一系列带有固定含义的离散发声。
例如，

低等级的恒河猴在面对社会群体中等级较高的成员时会发出“喧华的尖叫声”，而等级较高的成员会发出“拱形尖叫声”——一种单独的独特声音。

许多鸣禽都有一个高音纯音的呼叫，警告靠近的捕食者和一个单独的更严厉的“围攻”呼叫，将附近的鸟类编组成群捕食者。

动物可以就未立即涌现的事宜进行互换。
蜜蜂舞蹈见告蜂巢的其他成员在远处哪里可以找到食品。
草原土拨鼠报警已被证明可以对过去某个韶光开枪的人类靠近的信息进行编码。
圈养的海豚被教导“演出新奇绝技”和“与另一只海豚演出绝技”这两个命令，当被哀求一起演出新奇绝技时，他们会以某种办法折衷他们要做的动作！

恒河猴、鸣禽（如黄知更鸟）、蜜蜂、土拨鼠和海豚

动物产生的某些旗子暗记的物理形式肯定会影响该旗子暗记的含义。
例如，鸣禽的警告声可能很高且腔调纯洁，由于很难找到高音的来源。
但是动物用来互换的许多旗子暗记具有任意含义。
草原土拨鼠通过以特定且任意的办法调制其短啾啾警报的频率来编码大量信息。

一些动物，例如此洛博奇科夫的土拨鼠，彷佛能够有效地描述新奇的想法。
在一项实验中，一位科学家利用晾衣绳滑轮系统将真人大小的胶合板切口送入土拨鼠群的中间。
一个剪裁成郊狼的轮廓，而另一个则是大小大致相同的抽象椭圆形。
每个剪影都引起了草原犬鼠的不同叫声。
土狼剪纸收到的叫声类似于土拨鼠用于真正土狼的叫声，但为了相应椭圆形，土拨鼠产生了一个全新的叫声。
同样，当一只名叫 Washoe 的年轻圈养黑猩猩不知道她的便盆标志时，她有效地结合了一系列她知道的标志：脏和好。

更进一步进入人类措辞领域，黑猩猩和海豚已被证明至少能理解有限形式的语义论证构造。
一只名叫 Ally 的圈养黑猩猩能够理解诸如“毯子上的牙刷”之类的介词短语，这须要两个参数：一个项目和该项目的位置。
在对其理解的正式测试中，Ally 将精确的物品放在精确的目标上的几率高达 60%，只管黑猩猩的过度生动的性情常常导致他在完成任务之前失落去兴趣。

在另一组实验中，研究职员还利用两种截然不同的命令构造向两只圈养海豚阿克和菲尼克斯传授介词短语。
阿克学会了一种基于手势的措辞，而菲尼克斯则得到了口头命令。
同时，正如不同的人类措辞利用不同的词序一样，菲尼克斯的命令形式为“物品 A 在物品 B 上”，而阿克 的指令为“物品 A 物品 B 在上”。
纵然他们的命令形式不同，阿克和菲尼克斯都在规定韶光内以 60% 的精确率将物体放置在其他物体上——比随机预测的 4% 精确率要好得多！

在所有提出的人类措辞特性中，唯一没有在动物互换系统中得到终极记录的特性是递归构造。
乃至在这里，关于某些鸣禽是否利用递归语法将具有不同含义的呼叫组合在一起，也存在持续的辩论。

那么，动物互换系统与人类措辞有许多相似之处，是否有资格成为成熟的措辞？

包括 Slobodchikoff 在内的一些科学家将动物互换称为“动物措辞”，正是由于就像人类利用措辞进行互换一样，动物的措辞和手势旗子暗记也是动物互换的办法。
如果人类措辞是从我们远古先人的互换系统进化而来的，那么动物互换不应该也有资格作为措辞吗？如果我们系统地将人类措辞与动物互换区分开来，我们就有可能在我们崇高的人类和我们所属的自然天下之间设置障碍。
毕竟，动物的互换系统在它们的环境中为它们做事，就像人类措辞在我们的环境中为我们做事一样。
仅仅由于动物可能不像我们那样互换，就将它们从措辞中驱逐出去彷佛是非常不公正的。

但动物和人类利用的显然不是相同的互换系统。
道路标志利用非任意符号传达信息，这些符号指示着环境的各个方面，但很少可以以任何可理解的办法组合。
动物也会在不诉诸措辞的情形下标记领土和路径。
人类和动物都利用外面来表示年事、性别和社会地位。
但我们的时尚宣言并不遵照自然措辞的语法规则。

抹喷鼻香鲸拥有所有动物中最大的大脑，它们利用称为尾声的短匆匆点击进行互换

虽然目前没有压倒性的证据表明任何动物互换系统表现出人类措辞的所有特色，但这并不能担保我们可能还没有创造一个可以做到的！
这便是为什么我们对目前利用人工智能和机器学习技能来剖析和破译地球上一些最聪明、大脑最大的非人类物种——鲸鱼的声音的项目如此愉快的缘故原由。

由伦敦帝国理工学院的 Michael Bronstein 领导的 CETI 项目正在剖析抹喷鼻香鲸用于长间隔通信的点击序列，而另一个由野生海豚项目研究主任 Denise Herzing 和佐治亚理工学院的 Thad Stamer 领导的小组正在剖析海豚发出的声音。
这两个小组利用的技能直接来自当代自然措辞处理。
详细来说，他们利用深度神经网络来构建动物发声的措辞模型。

措辞模型是一个打算系统，给定序列的前几项，预测接下来会发生什么。
在过去的几年里，预算充足的科技公司已经演习了巨大的神经网络来预测英语（或其他自然措辞）句子的下一个单词。
而 10 年前，最好的措辞模型乃至无法天生一个连贯的句子；现在，像 GPT-3 这样的深度措辞模型可以天生大部分连在一起的全体段落。

要将深度措辞模型运用于鲸鱼发声，必须战胜许多寻衅：如何找到鲸鱼对应的单词？如何扩大记录的鲸鱼发声数量？当前成功的深度学习算法所演习的数据比我们目前拥有的抹喷鼻香鲸记录数量多几个数量级。

但大概最大的寻衅是，纵然我们能够建立一个基于鲸鱼发声的措辞模型，该模型可能会产生这样的输出，虽然对付抹喷鼻香鲸来说听起来自然和精确，但对我们人类来说只是另一个难以理解的点击序列！

Emily Bender 和 Alexander Koller 最近的一篇论文认为，像 GPT-3 这样仅在文本上进行演习的当代措辞模型实质上无法将它们产生的单词与现实天下中的工具和实体联系起来。
这些模型既不“理解”输入文本，也不“理解”输出文本。
它们只是产生人类能够阐明的点击序列！

为理解决这个问题，将录音与有关环境的高下文信息联系起来至关主要。
例如，在土拨鼠的实验中，Con Slobodchikoff 仔细记录了每只土拨鼠发出警报时正在靠近的捕食者。

相信大家都非常希望能够战胜这些寻衅。
我们创造鲸鱼确实用成熟的措辞进行互换。
已经清楚地操纵和利用其环境的鲸鱼通过以繁芜（乃至递归）办法组合任意符号来传达意义。
希望我们不仅能创造对鲸鱼发声的精确反应，还能用人类理解的措辞阐明这种发声。

期待我们与鲸鱼进行故意义对话的那一天 —— 那将是一个历史性的时候！