Kan AI lære os at tale med dyr?
Mennesker har altid drømt om at tale med dyr, og med de seneste års landvindinger indenfor AI, er vi tættere på end nogensinde før. Men hvornår kan vi egentlig sige, at vi er lykkedes med det?
Mennesker har altid drømt om at tale med dyr, og med de seneste års landvindinger indenfor AI, er vi tættere på end nogensinde før. Men hvornår kan vi egentlig sige, at vi er lykkedes med det?

Næsten alle kulturer har myter om personer, der kan tale med dyr: fra Narnia-fortællingerne og troldmanden Radagast i Ringenes Herre, til superhelten Aquaman, 80’er-filmen Beastmaster eller sågar Harry Potter.
Fænomenet går helt tilbage til urtiden: I verdens måske allerældste nedskrevne fortælling, Gilgamesh-kvadet fra Mesopotamien (nutidens Irak), er titelpersonens ven, vildmanden Enkidu, i stand til at tale med dyr.
Den mest berømte er nok de britiske børnebøger om Dr. Dolittle: En landsbylæge, der skifter sine menneskepatienter ud med dyr, da han lærer at tale med dem. Men for Dolittle handler det ikke kun om medicinsk behandling – det handler også om videnskabelig opdagelse.
Tænk, hvis du kunne føre en samtale med din hund eller kat.
Forskere er begyndt at bruge kunstig intelligens til at afkode dyrs følelser - blandt andet om grises grynt og hvin kan give et indtryk af, hvordan de har det i landbruget.
Men hvor langt er forskerne i forsøget på at forstå dyrs signaler? Kan det ende med, at vi kan lære at snakke med dyr? Og hvad kan vi så bruge den teknologi til?
Det undersøger Videnskab.dk i en ny serie, hvor vi i denne artikel introducerer emnet og de udfordringer, forskerne står med. I de kommende artikler dykker vi ned i, hvorvidt afkodning af dyrs kommunikation kan bruges til at beskytte truede arter, forbedre husdyrs velfærd, og så spørger vi forskerne, hvilket dyr vi mon først lærer at tale med.
Det er nok også derfor, dyrlægen har lagt navn til en af teknologiens og naturvidenskabens væsentligste nye horisonter: Sidste år udgav to israelske forskere fra Tel Aviv University et essay, hvor de udfordrede forskere over hele verden til - med hjælp fra moderne teknologi - at gøre Dr. Dolittle kunsten efter.
De kalder den hypotetiske AI for ‘CatGPT’ – »en maskine der lader os samtale med vores katte«. Det er måske bedst illustreret af hunden Dug i Pixar-filmen Up. Dug bærer et særligt halsbånd, som oversætter dens tanker til menneskesprog. ’CatGPT’ ville dog tage udgangspunkt i bærerens vokaliseringer, altså lyde lavet med munden, frem for dens tanker.
»AI har revolutioneret vores evne til at kommunikere ved hjælp af computere, og forskere prøver nu at bruge det til at kommunikere med dyr. Jeg er meget nysgerrig efter at se, hvor langt vi kan komme,« fortæller Yossi Yovel, en af forfatterne bag ’The Doctor Dolittle Challenge’, i en mail til Videnskab.dk.
’The Doctor Dolittle Challenge’ blev i år fulgt op med en præmie på 10 millioner dollars eller godt 67 millioner danske kroner. Kapløbet er således skudt i gang for ikke bare at bestå, men også formulere en slags ’dyrenes Turing-test’.
Hvor den klassiske Turing-test afprøver, om en computer er avanceret nok til at få et menneske til at tro, at den også er et menneske, skal dyrenes Turing-test afgøre, om man kan kommunikere med dyr ligesom med mennesker. Se et bud på hvordan i faktaboksen.
Den britiske matematiker Alan Turing formulerede i 1950 et tankeeksperiment, som har været et vigtigt redskab i udviklingen af computere og kunstig intelligens.
Turing beskæftigede sig med at udvikle selvtænkende maskiner og byggede en af verdens første computere under Anden Verdenskrig. Den var designet til bryde koder.
I sit arbejde stødte Turing tit på spørgsmålet om, hvorvidt en maskine kan tænke. Men fordi ’tænkning’ er svært at definere og derfor at måle, foreslog han at formulere problemet anderledes: Kan en maskine efterligne menneskelig kommunikation så godt, at menneske ikke kan gennemskue, om den er menneske eller maskine?
Turing kaldte eksperimentet 'imitationslegen', men den er siden blevet kendt som Turing-testen.
Forfatterne til ’The Doctor Dolittle Challenge’ foreslår, at man på samme måde formulerer en test, der kan afgøre, hvorvidt det er muligt at kommunikere med dyr, som man kommunikerer med mennesker. Men ligesom ’tænkning’ er ’kommunikation’ svært at definere. Og fordi formålet ikke er at få et dyr til at fremstå som et menneske, skal testen formuleres efter andre parametre.
Mads Frost Bertelsen, videnskabelig direktør i Zoologisk Have København, foreslår følgende:
Et dyr trænes til at udføre en opgave, for eksempel at samle en møtrik op, som den kan bytte til en belønning. Dyret sættes så sammen med en utrænet artsfælle, som får adgang til en møtrik, som det trænede dyr ikke selv har adgang til. Hvis det første dyr kan kommunikere til det andet, at det kan samle møtrikken op og bytte den til belønningen, og det andet dyr forstår og udfører opgaven, kan man sige, at dyrene kan udveksle kompleks information med hinanden.
Hvis mennesker, for eksempel med maskiners hjælp, er i stand til at afkode denne kommunikation og måske endda gengive den - det vil sige at instruere andre dyr til at udføre opgaven udelukkende med dyrenes egen kommunikationsform uden træning fra menneskelig side - så kan man ifølge Mads Frost Bertelsen formentlig konkludere, at det var muligt at tale med dyr.
Det er ikke svært at træne en hund til at komme, når man kalder. Eller til at hente et objekt ved at sige dets navn. Papegøjer kan også lære at lyde som mennesker, svare på spørgsmål eller bede om en godbid. Og elefanter kan angiveligt ’tale’ koreansk og sæler engelsk med Maine-accent.
Men betyder det, at vi allerede kan kommunikere med dyr? Ikke ifølge forfatterne til Dolittle-udfordringen.
De lægger vægt på, at kommunikationen skal foregå med dyrenes egne, naturlige signaler – og altså ikke gennem et sprog, vi har lært dem. Og det er her AI – især den nyeste form – generativ AI – og såkaldte Large Language Models (LLM) kommer ind i billedet.
Generativ AI
Generativ AI betyder, at den kunstige intelligens kan skabe nyt indhold. ChatGPT kan f.eks. producere store mængder tekst i hele sætninger. Andre generative AIs kan skabe billeder, video, musik eller hørbar tale ud fra et såkaldt prompt (et skriftligt oplæg).
Machine Learning (ML)
Fælles for alle slags generativ AI er, at de skal ’trænes’ med et datasæt, som de kan generere nyt indhold ud fra. En AI-billedgenerator skal se en masse billeder for selv at generere nye. En AI-lydgenerator skal høre en masse optagelser for selv at fremstille lyd. Denne proces, hvor ’maskinen’ lærer at generere sit output ved at få en masse input, kaldes Machine Learning.
Large Language Model (LLM)
Når en AI har med sprog at gøre, kaldes den mængde viden ’maskinen’ tillærer sig fra datasættet for en ’Large Language Model’: Ved at indtage store mængder sprogligt data lærer ’maskinen’ at afkode sproget, så den kan generere nyt indhold (output).
Ved at indsamle store datasæt af dyrevokaliseringer (lyde lavet vokalt, det vil sige med munden), sætte en AI-algoritme til at finde mønstre i dem, og prøve at afkode lydenes betydning, kan vi allerede efterligne dyrs lyde godt nok til at passere en slags ’omvendt Turing-test’: Det vil sige, dyrene reagerer på de AI-genererede lyde, som om de hører et andet dyr – ikke en maskine.
Som de israelske forskere formulerer det, kan vi allerede efterligne dyrekommunikation ret godt. Vi kan optage og imitere dyrenes signaler og skabe nye generative AI-modeller på baggrund af dem:
»Disse modeller har evnen til at lære statistisk af de eksempler, de er fodret med, og generere nye eksempler. Ligesom de kan generere et nyt Van Gogh-agtigt billede, kan de også generere nye vokaliseringer,« skriver forskerne i deres essay.
De seneste år har budt på et utal af forskningsartikler, hvor AI og Machine Learning (ML) er brugt til at spore mønstre og nuancer i dyrelyde, som ikke er hørbare for det menneskelige øre. De demonstrerer blandt andet, at dyrelyde kan være specifikke for både individer og grupper, og sågar have lokale ’accenter’.
Men Dolittle-forfatterne sætter barren højere: De er ikke engang tilfredse med, at vi kan generere originale eksempler på kommunikation ved at klippe maskinens indlærte datasæt sammen på en ny måde. For vi har med få undtagelser ingen idé om, hvilken kontekst disse eksempler indgår i, i dyrenes egen forståelse.
De kræver derfor, at man afkoder den betydning, der ligger i dyrenes signaler og frembringer den korrekte respons ved at bruge dem i den rigtige kontekst. Og det kræver store mængder data.
Eksempelvis har forskere identificeret kontekst, samt både afsender og modtager i frugtflagermus’ vokaliseringer, men det krævede 15.000 optagelser, og at eksperter hjalp AI’en på vej.
At dyr kan kommunikere med hinanden, er ikke det samme, som at de har et sprog. Det er nemlig muligt at kommunikere uden at dele et fælles sprog.
Kommunikation er blot at videregive information. Det består af ’cues’, som måske nok kan transmittere information (for eksempel kan en lugt alarmere tilstedeværelsen af føde, sygdom eller rovdyr), men rummer ikke budskaber, som både en afsender og en modtager har fælles forståelse af.
Det gør sprog derimod: Det består af signaler (der udgør et ordforråd), som i modsætning til ’cues’ har en indforstået mening. Denne mening kaldes semantik: Når en baby eksempelvis lærer at sige ’mam’, fordi den vil have mad, kan man sige, at den har en semantisk forståelse af signalet. Når den derimod hyler eller græder, fordi den er sulten, kommunikerer den uden semantisk forståelse.
Endelig forudsætter sprog, at semantikken kan varieres gennem syntaks: Ordene skal kunne blandes og skifte rækkefølge for at skabe nye budskaber. Sætningerne 'Du er der' og 'Er du der?' består således af de samme ord (signaler), men den ændrede rækkefølge resulterer i to forskellige betydninger.
Dyrs ordforråd er også fysisk begrænset: Menneskets evne til at udtale mange forskellige lyde er ret sjælden. Så selvom dyr kan lære at forstå kommandoer – og udføre dem – kan de med få undtagelser ikke gengive dem.
Hunde kan i gennemsnit reagere på 89 ord. Med intens træning kan de lære at respondere på op mod 200 ord. Og i et enkelt tilfælde har en border collie formået at lære at skelne mellem navnene på over 1.000 objekter. Men de kan altså ikke gengive lyden af ordene selv.
»De fleste hunde skal kun høre ord en håndfuld gange, for at de kan identificere ’Det er så det, han mener med den røde bamse,’ for eksempel. Hunden hører en lyd fra os, og så forbinder den objektet med lyden. Men den har ikke selv en lyd for de ting, som den kan sige højt,« siger Mads Frost Bertelsen, dyrlæge, adjungeret professor og zoologisk direktør i Københavns Zoologiske Have.
Andre dyr – primært fugle – har omvendt meget alsidige vokale evner og kan producere et væld af lyde. Nogle kan sågar imitere lyde, de hører – også mennesketale – så præcist, at man ikke kan høre forskel. Papegøjer kan lære både ord og hele sætninger. Men de lader ikke til at have en forståelse af, hvad lydene betyder:
»Det er en del af mange fugles naturlige sangrepertoire at efterligne andre dyrs lyde. Men en papegøje, der efterligner menneskelige ord ved ikke, hvad de betyder, eller for eksempel at lyden af ordet ’poppedreng’ referer til dem selv. De lærer til gengæld ofte hurtigt, at et bestemt ’svar’ på et givent ’spørgsmål’ udløser en godbid eller respons,« siger Mads Frost Bertelsen og tilføjer:
»Det kan godt være, at jeg ikke giver dem kredit nok. Men jeg tror, det er en grov overfortolkning, at man spørger om dens navn, og så siger den det.«
Han påpeger også, at vi skal passe på med at anskue dyrs kommunikation, som om var de mennesker.
»Mennesker kommunikerer overvejende verbalt, men det er vigtigt at huske, at for langt de fleste dyr er kommunikation med lyd en meget lille del af deres spektrum. Hunde behøver slet ikke at sige noget: De kan stå og danse lidt rundt om hinanden og snuse og behøver ikke sige nogen lyde overhovedet.«
Dyr har beviseligt signaler eller navne for hinanden, føde og fysiske objekter samt for diverse trusler (såsom rovdyr), som de bruger til at alarmere hinanden. Men derudover er det sparsomt med eksempler. Især når det gælder signaler med en abstrakt mening, som for eksempel følelser og humor:
»Dyr har et større register af følelser og sindstilstande, end man måske anerkendte tidligere. Det mener jeg ikke, der er nogen tvivl om. Men det er svært at forestille sig, at man kan spørge et dyr: ’Hvordan har du det?’ og så svarer de, at ’de synes det er lidt svært i dag’.«
Sådan lyder det fra Tobias Wang, biolog og professor i Zoofysiologi ved Aarhus Universitet.
Forskerne bag The Doctor Dolittle Challenge påpeger, at en stor del af dyrs kommunikation ikke omfatter andet end at udvise aggression, og at menneskesprogs evne til os at beskrive abstrakte fænomener hinsides vores sansning - for eksempel hvad syn er for en blind person - er unik. Som de formulerer det i deres essay:
»… hvis katte ikke taler om deres følelser med hinanden eller finder ordspil sjove, vil vi nok aldrig være i stand til at spørge dem ’hvad de føler’ eller forklare, at ChatGPT allerede betyder KatGPT på fransk (eller at det måske er sjovt).« (’chat’ er det franske ord for ’kat’, red.)
Men når forskerne bag Dr. Dolittle-udfordringen har sat begrænsningen, at kommunikationen skal foregå med dyrenes egne signaler – og disse signaler er begrænset af dyrets kontekst – så er det måske ikke teknologien, der står i vejen for egentlig samtale med dyr.
»Jeg tror helt fundamentalt, at hvis dyr har et sprog, som kun har et begrænset antal elementer, så kan vi godt aflure det. Vi kan godt forstå de her signaler og afkode dyrenes sprog. Men derfra til, at vi så kan sige noget til dem, som de forstår den indholdsmæssige betydning af – til at snakke med dem… det tror jeg er en anden sag,« konkluderer Mads Frost Bertelsen.
»Jeg synes, det er superspændende at prøve at finde ud af, i hvilken grad dyr har en mere kognitiv forståelse af den verden, de lever i. Men der er bare rigtig langt fra, at man korrelerer nogle lyde med en bestemt adfærd og en bestemt situation, til at man begynder rent faktisk at tale med dem,« siger Tobias Wang og afslutter:
»En samtale kræver jo, at man svarer hinanden på en meningsfyldt måde. Og jeg ved ikke, om man når dertil. Vi ved jo dybest set ikke, om det er det, dyr gør: Fører de egentlige samtaler, eller laver de bare lyde, hvor de kommunikerer udsagn til hinanden? Det er svært at blive klog på.«
Alene her i Danmark anvender flere forskningsprojekter allerede AI til at blive klogere på dyrs kommunikation - eksempelvis for at afkode grises følelser i landbruget. I en kommende artikel kan du læse om, hvordan AI bruges til at beskytte truede dyrearter, især i polaregne, og hvilke etiske implikationer det medfører, når vild natur bliver afhængig af avancerede maskiner.
’Coller-Dolittle Prize for Two-way Inter-species Communication’ – eller Coller-Dolittle-prisen for Tovejs-kommunikation på tværs af arter - udloves af The Jeremy Coller Foundation i samarbejde med Tel Aviv University i Israel.
Inspireret af Turing-testen udfordres deltagerne til at udvikle en metode til kommunikation med ikke-menneskelige organismer. Metoden skal være ikke-invasiv, skal demonstreres at virke i forskellige kontekster, gøre brug af organismens eget ’sprog’ og demonstrere en målbar respons.
Konkurrencen løber over flere år, med en årlig præmie på 100.000 dollars, der første gang vil blive uddelt i 2024. Hovedpræmien er på 500.000 dollars i kontanter eller en investeringssum på 10 millioner dollars, som svarer til knap 67 millioner danske kroner.
Bidrag vurderes af et dommerpanel primært bestående af forskere fra Tel Aviv University. Elodie Briefer, der forsker i dyrevelfærd ved Københavns Universitet, er også med i panelet.