AI Membawa Manusia Bisa Berkomunikasi dengan Makhluk Lain

Misteri komunikasi antara manusia dan makhluk lain mungkin bakal terpecahkan. Pekan ini Google mengumumkan pengembangan akal imitasi (AI) bernama DolphinGemma yang memungkinkan manusia berinteraksi dengan makhluk lain kelak.

Teknologi ini akan mengurai cara lumba-lumba berkomunikasi. Suatu hari nanti DolphinGemma bakal memfasilitasi komunikasi antarspesies. Suara klik, siulan, dan denyut rumit yang bergema di dunia bawah laut lumba-lumba telah lama memikat para ilmuwan.

Menurut laman AI News, impian para peneliti adalah mereka mampu memahami dan menguraikan pola dalam vokalisasi lumba-lumba yang rumit. Google, yang bekerja sama dengan para insinyur di Georgia Institute of Technology dan memanfaatkan penelitian lapangan dari Wild Dolphin Project (WDP), telah meluncurkan DolphinGemma untuk membantu mewujudkan tujuan tersebut.

Interaksi manusia dengan makhluk lain sangat mungkin terjadi dan bisa saling paham.

Pengumuman itu bertepatan dengan Hari Lumba-lumba yang jatuh pada 14 April setiap tahun. Model AI yang dikembangkan tersebut merupakan alat baru dalam upaya untuk memahami komunikasi dengan hewan dalam mamalia ordo Cetacean (termasuk di dalamnya lumba-lumba, paus, dan pesut).

DolphinGemma dilatih secara khusus untuk mempelajari struktur suara lumba-lumba. Setelah melalui berbagai pengembangan dan latihan, perangkat ini bahkan dapat menghasilkan rangkaian audio baru seperti lumba-lumba.

Untuk melakukan riset ini, Google bekerja sama dengan WDP yang beroperasi sejak 1985. Lembaga ini telah menjalankan studi bawah air berkelanjutan terpanjang di dunia tentang lumba-lumba untuk mengembangkan pemahaman mendalam tentang suara-suara khusus dalam komunikasi lumba-lumba.

Beberapa temuan bentuk komunikasi mereka antara lain berupa ”siulan khas”. Bunyi ini berfungsi sebagai pengenal unik, mirip dengan nama, yang penting untuk berinteraksi seperti induk yang bertemu kembali dengan anak-anaknya. Mereka juga menemukan ”suara” yang berirama cepat. Bentuk komunikasi ini umumnya dikaitkan dengan konflik atau pertemuan agresif.

Sementara ”bunyi klik” sering terdeteksi selama kegiatan pengadilan atau ketika lumba-lumba mengejar hiu. Tujuan akhir WDP adalah untuk mengungkap struktur inheren dan makna potensial dalam rangkaian suara alami ini, mencari aturan dan pola tata bahasa yang mungkin menandakan suatu bentuk bahasa.

Google dalam pengumuman di blognya mengatakan, menganalisis komunikasi alami dan kompleks seperti dalam lumba-lumba merupakan tugas yang monumental. Kumpulan data berlabel yang melimpah dari WDP menyediakan peluang unik untuk pengembangan AI yang canggih.

Oleh karena itu, hadirlah DolphinGemma. Model AI yang dikembangkan Google ini memanfaatkan teknologi audio Google yang spesifik, yaitu tokenizer SoundStream. Teknologi ini secara efisien merepresentasikan suara lumba-lumba, yang kemudian diproses oleh arsitektur model yang sesuai untuk urutan yang kompleks. Model parameter ~400M ini berukuran optimal untuk dijalankan langsung pada ponsel Pixel yang digunakan WDP di lapangan.

Model ini dibangun berdasarkan dari Gemma, koleksi model terbuka ringan dan canggih milik Google yang dibangun dari penelitian dan teknologi yang sama yang mendukung model Gemini, AI generatif yang dimiliki mereka. DolphinGemma dilatih secara ekstensif pada basis data akustik lumba-lumba tutul Atlantik liar milik WDP.

DolphinGemma berfungsi sebagai model audio masuk, audio keluar, memproses urutan suara lumba-lumba alami untuk mengidentifikasi pola, menyusun, dan akhirnya memprediksi kemungkinan suara berikutnya dalam suatu urutan. Proses seperti ini seperti bagaimana model bahasa besar (large language model/LLM) untuk bahasa manusia memprediksi kata atau token berikutnya dalam sebuah kalimat.

WDP mulai menggunakan DolphinGemma pada musim sekarang ini dengan potensi manfaat bisa didapat secara langsung. Dengan mengidentifikasi pola suara berulang, suara kelompok, dan urutan yang andal, model tersebut dapat membantu peneliti mengungkap struktur tersembunyi dan makna potensial dalam komunikasi alami lumba-lumba.

Sebelumnya tugas ini membutuhkan tenaga manusia yang sangat besar. Mereka harus menangkap data dan kemudian mengolahnya. Akhirnya, pola-pola ini, ditambah dengan suara sintetis yang dibuat oleh para peneliti untuk merujuk pada obyek yang disukai lumba-lumba untuk bermain, dapat membentuk kosakata bersama dengan lumba-lumba untuk komunikasi interaktif.

Terkait dengan teknologi ini, Ars Technica menjelaskan, model bahasa besar yang tidak dapat dihindari dalam teknologi ini pada dasarnya memprediksi pola. Kita memberi mereka masukan, dan model tersebut memprediksi token berikutnya berulang kali hingga menghasilkan keluaran. Ketika model telah dilatih secara efektif, keluaran tersebut dapat terdengar seperti dibuat oleh seseorang. Google dan WDP berharap hal serupa dapat dilakukan dengan DolphinGemma untuk mamalia laut.

Model komunikasi lumba-lumba menggunakan teknologi audio yang dikembangkan Google yang disebut SoundStream untuk membuat token vokalisasi lumba-lumba, yang memungkinkan suara dimasukkan ke dalam model saat direkam. Jadi, setelah memberinya vokalisasi lumba-lumba, model tersebut melakukan apa yang dilakukan model bahasa yang berpusat pada manusia—memprediksi token berikutnya. Jika ia berfungsi seperti LLM standar, token yang diprediksi itu dapat berupa suara yang dimengerti lumba-lumba.

Suatu saat ketika DolphinGemma selesai dikembangkan, manusia bisa paham dengan ”bahasa” lumba-lumba. Kita bisa berinteraksi dengan mereka. Sebaliknya manusia, melalui mesin, bisa memproduksi bahasa lumba-lumba yang bisa ditangkap oleh lumba-lumba. Riset ini sangat mungkin dikembangkan pada hewan-hewan lain. Interaksi manusia dengan makhluk lain sangat mungkin terjadi dan bisa saling paham.