Name: Trí tuệ nhân tạo có thể giúp chúng ta giao tiếp với động vật như thế nào? (How AI could help us talk to animals)
Uploaded: 2025-07-28T20:58:45.000Z
Duration: 9 min 6 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

Way back in the '80s, I noticed that sometimes when an elephant called a member of her family, one individual would answer and everybody else ignored the calling animal.

Cách đây rất lâu, vào những năm 1980, tôi nhận thấy rằng đôi khi khi một con voi gọi một thành viên trong gia đình, chỉ có một cá thể trả lời, còn tất cả những con khác đều phớt lờ con voi đang gọi.

And then she would call again and a different elephant would sort of lift her head up and, you know, rumble very loudly.

Và rồi cô ấy lại gọi điện và một con voi khác sẽ ngẩng đầu lên và, biết đấy, gầm lên rất to.

She's been studying African elephants and their communication for 50 years.

Bà đã nghiên cứu voi châu Phi và hệ thống giao tiếp của chúng trong 50 năm.

Then I started to think, well, okay, so maybe they have a way of directing a call to a specific individual.

Sau đó, tôi bắt đầu nghĩ, ừm, được rồi, có lẽ họ có cách nào đó để chuyển cuộc gọi đến một cá nhân cụ thể.

Nhưng chúng tôi không có cách nào để phát hiện điều đó.

Decades later, she partnered up with Mickey Pardo, who designed a study around her observations.

Nhiều thập kỷ sau, cô hợp tác với Mickey Pardo, người đã thiết kế một nghiên cứu dựa trên những quan sát của cô.

I recorded calls with careful behavioral observations.

Tôi đã ghi âm các cuộc gọi kèm theo quan sát hành vi cẩn thận.

Vậy là chúng tôi biết ai đã thực hiện mỗi cuộc gọi.

Chúng tôi biết cuộc gọi đó dành cho ai.

Chúng tôi đã nắm rõ bối cảnh của cuộc gọi.

They encoded the acoustic information from the recordings into a long string of numbers, along with the data Mickey collected about the calls.

Họ đã mã hóa thông tin âm thanh từ các bản ghi âm thành một chuỗi số dài, cùng với dữ liệu mà Mickey thu thập được về các cuộc gọi.

They fed nearly 500 different calls like this into a statistical model.

Họ đã nhập gần 500 cuộc gọi khác nhau như vậy vào một mô hình thống kê.

And when given the acoustic structure of a new call, the model could predict who the receiver of the call was much better than chance.

Và khi được cung cấp cấu trúc âm thanh của một cuộc gọi mới, mô hình có thể dự đoán người nhận cuộc gọi chính xác hơn nhiều so với ngẫu nhiên.

In other words, evidence suggesting African savannah elephants give each other names.

Nói cách khác, có bằng chứng cho thấy voi savannah châu Phi đặt tên cho nhau.

When we posted it on Facebook, somebody wrote back, said that the earth just shifted a little bit.

Khi chúng tôi đăng bài đó lên Facebook, có người đã bình luận lại, nói rằng Trái Đất chỉ dịch chuyển một chút.

This is just one example of how machine learning is decoding complexities in animal communication that humans can't detect.

Đây chỉ là một ví dụ về cách học máy đang giải mã những phức tạp trong giao tiếp của động vật mà con người không thể phát hiện.

And now some AI researchers want to take the next step.

Và bây giờ, một số nhà nghiên cứu trí tuệ nhân tạo (AI) muốn tiến thêm một bước nữa.

Large language models like the ones that power chatbots, but built for interspecies communication.

Các mô hình ngôn ngữ lớn (LLM) tương tự như những mô hình được sử dụng để vận hành chatbot, nhưng được phát triển đặc biệt cho giao tiếp giữa các loài.

Chúng ta có thể nói một chút về tình yêu không?

There is still much to be learned about whales.

Vẫn còn rất nhiều điều cần được khám phá về cá voi.

When researchers study animal communication, they usually employ a few methods.

Khi các nhà nghiên cứu nghiên cứu về giao tiếp của động vật, họ thường sử dụng một số phương pháp.

Recording their vocalizations, observing and documenting the behavior and context around those sounds, and sometimes doing a playback to measure the animal's response.

Ghi âm các tiếng kêu của động vật, quan sát và ghi chép hành vi và bối cảnh xung quanh những âm thanh đó, và đôi khi phát lại âm thanh để đo lường phản ứng của động vật.

All of these areas are already being impacted by AI.

Tất cả các lĩnh vực này hiện đang bị ảnh hưởng bởi trí tuệ nhân tạo (AI).

Recordings from the field don't usually sound like this.

Các bản ghi âm từ hiện trường thường không nghe giống như vậy.

Multiple animals vocalizing on top of one another in a noisy environment.

Nhiều con vật cùng phát ra tiếng kêu chồng chéo lên nhau trong một môi trường ồn ào.

This is known as the cocktail party problem.

Điều này được gọi là vấn đề tiệc cocktail.

And it's a common issue in the field of animal research.

Và đây là một vấn đề phổ biến trong lĩnh vực nghiên cứu động vật.

But machine learning solved a similar problem in human speech recognition.

Nhưng học máy đã giải quyết một vấn đề tương tự trong nhận dạng giọng nói của con người.

AI researchers trained a model called deep karaoke on lots of music tracks where instruments and vocals were recorded separately.

Các nhà nghiên cứu trí tuệ nhân tạo (AI) đã đào tạo một mô hình có tên là "deep karaoke" trên một lượng lớn các bản nhạc, trong đó các nhạc cụ và giọng hát được ghi âm riêng biệt.

Sau đó cũng trên các bản thu đã được trộn hoàn chỉnh.

Until it was able to do the task of separating out instruments and vocals in new music clips.

Cho đến khi nó có thể thực hiện nhiệm vụ tách biệt các nhạc cụ và giọng hát trong các đoạn nhạc mới.

Recently, AI researchers have had some success applying similar algorithms to animal sound recordings.

Gần đây, các nhà nghiên cứu trí tuệ nhân tạo (AI) đã đạt được một số thành công khi áp dụng các thuật toán tương tự vào việc phân tích âm thanh của động vật.

Which means you can take a clip of a group of macaque monkeys and single out one discernible call.

Điều đó có nghĩa là bạn có thể lấy một đoạn video của một nhóm khỉ macaque và tách ra một tiếng kêu có thể nhận biết được.

Researchers could also start using AI in how they use playbacks in the field.

Các nhà nghiên cứu cũng có thể bắt đầu áp dụng trí tuệ nhân tạo (AI) vào cách họ sử dụng các bản ghi lại trong quá trình nghiên cứu thực địa.

You may have seen AI models that can be trained on lots of examples of a sound recording.

Bạn có thể đã thấy các mô hình trí tuệ nhân tạo (AI) có thể được đào tạo trên nhiều ví dụ của một bản ghi âm.

And then generate another unique version of it.

Sau đó, tạo ra một phiên bản duy nhất khác của nó.

AI researchers are starting to develop similar models for animal recordings.

Các nhà nghiên cứu trí tuệ nhân tạo (AI) đang bắt đầu phát triển các mô hình tương tự cho việc ghi âm tiếng động của động vật.

These are all types of supervised learning.

Đây đều là các loại học có giám sát.

That means that the model gets trained on lots of examples labeled by humans.

Điều đó có nghĩa là mô hình được huấn luyện trên nhiều ví dụ được gắn nhãn bởi con người.

And in the elephant name study, researchers were able to feed a model their observations.

Trong nghiên cứu về tên voi, các nhà nghiên cứu đã có thể cung cấp cho mô hình của mình các quan sát của họ.

Which, along with the sound data, helped them detect something in elephant calls they couldn't through observation alone.

Cùng với dữ liệu âm thanh, điều này đã giúp họ phát hiện ra một điều gì đó trong tiếng kêu của voi mà họ không thể phát hiện chỉ thông qua quan sát.

Bạn cần phải chú thích rất nhiều dữ liệu.

Yossi Yovel trained a statistical model on 15,000 Egyptian fruit bat vocalizations.

Yossi Yovel đã huấn luyện một mô hình thống kê dựa trên 15.000 âm thanh của dơi trái cây Ai Cập.

Which was able to identify the emitter of the call, the context of the call, its behavioral response, and who the call was addressed to.

Đã có thể xác định được nguồn phát cuộc gọi, bối cảnh của cuộc gọi, phản ứng hành vi của cuộc gọi và người nhận cuộc gọi.

Và chúng tôi đã chú thích chúng thủ công.

You know, I'm already saying this is a restriction of the study because maybe we're missing something.

Bạn biết đấy, tôi đã nói rằng đây là một hạn chế của nghiên cứu vì có thể chúng ta đang bỏ sót điều gì đó.

Chúng ta là con người, không phải dơi.

And that's the problem with supervised learning models.

Và đó chính là vấn đề của các mô hình học có giám sát.

They are limited by what we humans already know about animal communication in order to label the training data.

Họ bị giới hạn bởi những gì con người chúng ta đã biết về giao tiếp của động vật để gắn nhãn cho dữ liệu đào tạo.

That's why some AI researchers say self-supervised models hold the most potential for decoding animal communication.

Đó là lý do tại sao một số nhà nghiên cứu trí tuệ nhân tạo cho rằng các mô hình tự giám sát có tiềm năng lớn nhất trong việc giải mã giao tiếp của động vật.

This is how natural language processing models like ChatGPT are trained.

Đây là cách các mô hình xử lý ngôn ngữ tự nhiên như ChatGPT được đào tạo.

Instead of human-labeled examples, they are trained on a large amount of unlabeled data.

Thay vì sử dụng các ví dụ được con người gắn nhãn, chúng được đào tạo trên một lượng lớn dữ liệu không được gắn nhãn.

And they can sort it according to patterns and categories it detects all on its own.

Và chúng có thể phân loại theo các mẫu và danh mục mà chúng tự động phát hiện.

In the example of ChatGPT, it learned from all the books, websites, social media feeds, and anything else it could scrape from the internet and came to its own conclusions about how language works.

Trong ví dụ về ChatGPT, nó đã học hỏi từ tất cả các cuốn sách, trang web, nguồn tin trên mạng xã hội và bất kỳ thông tin nào khác mà nó có thể thu thập từ internet, sau đó đưa ra những kết luận riêng của mình về cách ngôn ngữ hoạt động.

Every language has a shape that AI discovers.

Mỗi ngôn ngữ đều có một cấu trúc mà trí tuệ nhân tạo (AI) có thể phát hiện ra.

He co-founded the Earth Species Project, one of a few organizations that want to build models like this for animal communication.

Ông là một trong những người đồng sáng lập Dự án Loài Trái Đất, một trong số ít tổ chức mong muốn xây dựng các mô hình tương tự cho giao tiếp động vật.

What he means by language having a shape is that language models are built out of relationships among words.

Ý anh ấy muốn nói khi đề cập đến "hình dạng của ngôn ngữ" là các mô hình ngôn ngữ được xây dựng từ các mối quan hệ giữa các từ.

Words that mean similar things are placed near each other.

Các từ có nghĩa tương tự được đặt gần nhau.

Words that share a relationship, share a distance and direction.

Các từ có quan hệ với nhau chia sẻ khoảng cách và hướng.

Con người đối với vua cũng như phụ nữ đối với nữ hoàng.

So this is the shape of all those relationships among the English language's 10,000 most common words, visualized here by the Earth Species Project.

Đây là cấu trúc của tất cả các mối quan hệ giữa 10.000 từ thông dụng nhất trong tiếng Anh, được minh họa ở đây bởi Dự án Earth Species.

Flattened out, it looks something like this.

Khi được ép phẳng, nó trông giống như thế này.

Something really miraculous happened in 2017.

Một điều kỳ diệu thực sự đã xảy ra vào năm 2017.

And that was researchers discovered that you could take the shape of any one language and match it to the shape of any other language and the point which is dog ends up in the same spot.

Và đó là điều mà các nhà nghiên cứu phát hiện ra: bạn có thể lấy cấu trúc của bất kỳ ngôn ngữ nào và khớp nó với cấu trúc của bất kỳ ngôn ngữ nào khác, và điểm mà từ "chó" kết thúc sẽ nằm ở cùng một vị trí.

This idea that similar words can be located in other languages in roughly the same place is what gives the Earth Species Project hope we could do a version of this for animal communication.

Ý tưởng cho rằng các từ có nghĩa tương tự có thể được tìm thấy ở các ngôn ngữ khác nhau ở vị trí tương đối giống nhau chính là điều mang lại hy vọng cho Dự án Loài Trái Đất rằng chúng ta có thể áp dụng phương pháp này cho giao tiếp của động vật.

To do a translation without needing any examples, without needing a Rosetta stone.

Dịch mà không cần bất kỳ ví dụ nào, không cần đến "Rosetta Stone".

This is complicated though because we know that animals don't just communicate with sound but with other senses too.

Tuy nhiên, điều này khá phức tạp vì chúng ta biết rằng động vật không chỉ giao tiếp bằng âm thanh mà còn bằng các giác quan khác nữa.

But Eiza points out that we can learn from the fact that image generation models like Dali and Midjourney are built on the same large language model structure used for text.

Nhưng Eiza chỉ ra rằng chúng ta có thể học hỏi từ thực tế rằng các mô hình tạo hình ảnh như Dali và Midjourney được xây dựng trên cùng một cấu trúc mô hình ngôn ngữ lớn được sử dụng cho văn bản.

It turns out behind the scenes, it's again these kinds of shapes.

Hóa ra, đằng sau hậu trường, lại là những hình dạng như thế này.

There's the shape that represents sound, the shapes that represents images.

Có hình dạng đại diện cho âm thanh, và có hình dạng đại diện cho hình ảnh.

Those two shapes get aligned and now you can translate between images and text.

Hai hình dạng đó được căn chỉnh và bây giờ bạn có thể dịch giữa hình ảnh và văn bản.

Their expectation is that where non-human animals communication would line up with ours will tell us even more about what we have in common.

Họ kỳ vọng rằng việc so sánh cách giao tiếp của động vật không phải con người với con người sẽ giúp chúng ta hiểu rõ hơn về những điểm tương đồng giữa chúng ta.

Dolphins look in mirrors and recognize themselves.

Cá heo nhìn vào gương và nhận ra chính mình.

Đó là một dạng nhận thức về bản thân.

One concern with this plan is related to a step in self-supervised learning called validation.

Một vấn đề cần lưu ý với kế hoạch này liên quan đến một bước trong quá trình học tự giám sát gọi là xác thực.

Meaning humans still need to refine these models by grading them on their answers.

Ý nghĩa là con người vẫn cần phải hoàn thiện các mô hình này bằng cách đánh giá chúng dựa trên câu trả lời của chúng.

How would we do that in a communication so foreign from our own?

Chúng ta sẽ làm điều đó như thế nào trong một hình thức giao tiếp hoàn toàn xa lạ với chúng ta?

We also might have too high of expectations of this overlap or the capacity for having a conversation with a non-human animal in a shared language and about shared experiences.

Chúng ta cũng có thể đang đặt kỳ vọng quá cao vào sự trùng lặp này hoặc khả năng giao tiếp với một loài động vật không phải con người bằng một ngôn ngữ chung và về những trải nghiệm chung.

Này Kurt, cậu khỏe không, anh bạn?

So I'm about to translate that into a meow.

Vậy tôi sắp dịch điều đó thành tiếng meo meo.

You know, next time you want to say how are you.

Bạn biết đấy, lần sau khi bạn muốn hỏi "Bạn có khỏe không?".

I do not think that humans should be considered more important than other species,

Tôi không cho rằng con người nên được coi là quan trọng hơn các loài khác.

but that doesn't mean that there's no usefulness in distinguishing between language which is this very specific behavior that at least based on what we currently know seems to be unique to humans and other forms of communication.

Nhưng điều đó không có nghĩa là việc phân biệt giữa ngôn ngữ - một hành vi rất cụ thể mà ít nhất dựa trên những gì chúng ta hiện biết dường như là độc đáo của con người - và các hình thức giao tiếp khác không có giá trị.

In order to build these models, the first step is collecting a lot more data on animal sounds than exists right now.

Để xây dựng các mô hình này, bước đầu tiên là thu thập một lượng lớn dữ liệu về tiếng động của động vật hơn so với hiện tại.

And so I'm actually at the moment building up a database with all the individual calls so close to 10,000 records in that which is very small actually.

Và hiện tại, tôi đang xây dựng một cơ sở dữ liệu chứa tất cả các cuộc gọi riêng lẻ, với số lượng gần 10.000 bản ghi, điều này thực sự rất nhỏ.

Around the world, animal researchers are in the midst of a massive data collection effort tagging and recording animals with video and sound and spatial data to feed these data-thirsty models.

Trên toàn thế giới, các nhà nghiên cứu động vật đang tiến hành một nỗ lực thu thập dữ liệu quy mô lớn, gắn thẻ và ghi lại thông tin về động vật thông qua video, âm thanh và dữ liệu không gian để cung cấp dữ liệu cho các mô hình đòi hỏi lượng dữ liệu khổng

Time will tell whether true interspecies communication will be facilitated by AI but researchers hope that discoveries along the way will continue to have an impact on our appreciation and protection of the species we share the planet with.

Thời gian sẽ trả lời liệu trí tuệ nhân tạo (AI) có thực sự giúp thúc đẩy giao tiếp giữa các loài hay không, nhưng các nhà nghiên cứu hy vọng rằng những phát hiện trên hành trình này sẽ tiếp tục có tác động tích cực đến cách chúng ta đánh giá cao và bảo vệ

We're not the only ones on the planet who can communicate, who care about one another, who have thoughts about the past and about the future.

Chúng ta không phải là những sinh vật duy nhất trên hành tinh này có khả năng giao tiếp, quan tâm đến nhau, và có những suy nghĩ về quá khứ và tương lai.

They also have a right to be here and a reason for being here. you

Họ cũng có quyền ở đây và có lý do để ở đây. bạn