O Google AI ajuda a decodificar a comunicação de golfinhos com o Dolphingemma

Há décadas, cientistas estão fascinados pelos estalidos, assobios e pulsos explosivos dos golfinhos, tentando decifrar o código de sua complexa comunicação. Imagine se pudéssemos não apenas escutar essas conversas marinhas, mas também decifrar seus padrões o suficiente para criar nossas próprias respostas semelhantes às dos golfinhos. Esse sonho está cada vez mais próximo da realidade, e no Dia Nacional do Golfinho, o Google, em parceria com pesquisadores do Georgia Tech e o trabalho de campo do Wild Dolphin Project (WDP), está empolgado em compartilhar atualizações emocionantes sobre o DolphinGemma. Este modelo de IA inovador é treinado para captar as nuances das vocalizações dos golfinhos e até gerar novas sequências sonoras, expandindo os limites da IA e nosso potencial para nos conectarmos com os habitantes do oceano.

Décadas de Pesquisa sobre a Sociedade dos Golfinhos

Compreender qualquer espécie não é uma tarefa fácil; exige um mergulho profundo em seu mundo. É aí que entra o WDP. Desde 1985, eles conduzem o mais longo projeto de pesquisa subaquática com golfinhos, focando em uma comunidade de golfinhos-pintados-do-Atlântico (Stenella frontalis) nas Bahamas, estudando-os ao longo de gerações. Sua abordagem "No Mundo Deles, em Seus Termos" significa que eles coletam uma riqueza de dados sem perturbar os golfinhos. Isso inclui décadas de vídeos e áudios subaquáticos, todos meticulosamente vinculados a identidades individuais dos golfinhos, histórias de vida e comportamentos. É como ter um diário detalhado da vida dos golfinhos.

Um grupo de golfinhos-pintados-do-Atlântico, Stenella frontalis

O foco principal do WDP é observar e analisar a comunicação natural e as interações sociais dos golfinhos. Trabalhando debaixo d'água, os pesquisadores podem conectar diretamente os sons a comportamentos específicos de uma maneira que observações na superfície não conseguem. Eles passaram anos correlacionando diferentes tipos de sons com contextos comportamentais. Por exemplo:

• Assobios característicos, que funcionam como nomes únicos, ajudam mães e filhotes a se reunirem.
• "Squawks" de pulso explosivo frequentemente acompanham disputas entre golfinhos.
• "Buzzes" de estalidos são comumente ouvidos durante o cortejo ou ao perseguir tubarões.

Conhecer os golfinhos individualmente é fundamental para uma interpretação precisa. O objetivo final dessa observação de longo prazo é decodificar a estrutura e os possíveis significados dentro dessas sequências sonoras naturais, buscando padrões e regras que possam sugerir uma forma de linguagem. Essa rica análise da comunicação natural é a base da pesquisa do WDP e fornece um contexto crucial para a análise de IA.

Esquerda: Uma mãe golfinho-pintado observa seu filhote enquanto forrageia. Ela usará seu assobio característico único para chamá-lo de volta quando ele terminar. Direita: Um espectrograma mostrando o assobio.

Apresentando o DolphinGemma

Analisar a comunicação natural e complexa dos golfinhos não é tarefa fácil, e o extenso conjunto de dados rotulados do WDP oferece uma oportunidade única para a inovação em IA. Apresentamos o DolphinGemma, uma criação do Google que utiliza tecnologias de áudio específicas. O tokenizador SoundStream captura eficazmente os sons dos golfinhos, que são então processados por um modelo projetado para sequências intricadas. Este modelo de ~400M parâmetros é do tamanho ideal para rodar nos telefones Pixel usados pelo WDP no campo.

Esquerda: Assobios e pulsos explosivos gerados durante os primeiros testes do DolphinGemma.

O DolphinGemma se inspira no Gemma, a suíte de modelos abertos leves e de ponta do Google, que compartilham a mesma pesquisa e tecnologia dos modelos Gemini. Treinado no banco de dados acústico do WDP de golfinhos-pintados-do-Atlântico selvagens, o DolphinGemma opera como um modelo de entrada e saída de áudio. Ele processa sequências de sons naturais de golfinhos para identificar padrões, estruturas e, por fim, prever os próximos sons prováveis em uma sequência, semelhante a como modelos de linguagem humana preveem a próxima palavra.

Nesta temporada, o WDP está implementando o DolphinGemma no campo, com benefícios imediatos no horizonte. Ao identificar padrões sonoros recorrentes, agrupamentos e sequências confiáveis, o modelo pode ajudar os pesquisadores a descobrir estruturas ocultas e possíveis significados na comunicação natural dos golfinhos — trabalho que anteriormente exigia um esforço humano enorme. A longo prazo, esses padrões, combinados com sons sintéticos criados por pesquisadores para representar objetos que os golfinhos apreciam, podem abrir caminho para um vocabulário compartilhado e uma comunicação interativa.

Usando Telefones Pixel para Ouvir e Analisar Sons de Golfinhos

Além de analisar a comunicação natural, o WDP também está explorando uma outra abordagem: a interação bidirecional em potencial usando tecnologia no oceano. Isso levou ao desenvolvimento do sistema CHAT (Cetacean Hearing Augmentation Telemetry), em colaboração com o Georgia Institute of Technology. O CHAT é um computador subaquático projetado não para decodificar a complexa linguagem natural dos golfinhos, mas para estabelecer um vocabulário compartilhado mais simples.

A ideia é vincular assobios sintéticos novos (gerados pelo CHAT, distintos dos sons naturais dos golfinhos) a objetos específicos que os golfinhos acham interessantes, como sargaço, ervas marinhas ou lenços usados pelos pesquisadores. Ao demonstrar o sistema uns aos outros, os pesquisadores esperam que os golfinhos curiosos aprendam a imitar esses assobios para solicitar esses itens. À medida que o entendimento dos sons naturais dos golfinhos cresce, esses também podem ser incorporados ao sistema.

Para possibilitar a interação bidirecional, o sistema CHAT deve:

1. Ouvir a imitação com precisão em meio ao ruído do oceano.
2. Identificar qual assobio foi imitado em tempo real.
3. Informar o pesquisador (via fones de ouvido de condução óssea que funcionam debaixo d'água) qual objeto o golfinho "solicitou".
4. Permitir que o pesquisador responda rapidamente oferecendo o objeto correto, reforçando a conexão.

Um Google Pixel 6 anteriormente lidava com a análise de alta fidelidade dos sons dos golfinhos em tempo real. A próxima geração, focando em um Google Pixel 9 (pesquisa planejada para o verão de 2025), se baseará nisso integrando funções de alto-falante/microfone e usando o processamento avançado do telefone para executar simultaneamente modelos de aprendizado profundo e algoritmos de correspondência de padrões.

Esquerda: Dra. Denise Herzing usando "Chat Senior, 2012", Direita: Estudante de doutorado do Georgia Tech, Charles Ramey, usando "Chat Junior, 2025"

Usar smartphones Pixel reduz significativamente a necessidade de hardware personalizado, aumenta a manutenibilidade do sistema, reduz o consumo de energia e diminui o custo e o tamanho do dispositivo — vantagens importantes para a pesquisa de campo em alto-mar. Enquanto isso, as capacidades preditivas do DolphinGemma podem ajudar o CHAT a antecipar e identificar possíveis imitações mais cedo na sequência de vocalização, acelerando as respostas dos pesquisadores aos golfinhos e tornando as interações mais suaves e reforçadoras.

Um Google Pixel 9 dentro do hardware do sistema CHAT mais recente.

Compartilhando o DolphinGemma com a Comunidade de Pesquisa

Compreendendo a importância da colaboração na descoberta científica, estamos prontos para compartilhar o DolphinGemma como um modelo aberto neste verão. Embora treinado com sons magni de golfinhos-pintados-do-Atlântico, acreditamos que ele pode ser útil para pesquisadores que estudam outras espécies de cetáceos, como golfinhos-nariz-de-garrafa ou golfinhos-rotadores. Algum ajuste fino pode ser necessário para as vocalizações de diferentes espécies, mas o modelo aberto permite esse tipo de adaptação.

Ao disponibilizar ferramentas como o DolphinGemma, nosso objetivo é equipar pesquisadores em todo o mundo com os meios para analisar seus próprios conjuntos de dados acústicos, acelerar a busca por padrões e, coletivamente, aprimorar nosso entendimento desses mamíferos marinhos inteligentes.

A jornada para entender a comunicação dos golfinhos é longa e sinuosa, mas os esforços combinados da pesquisa de campo dedicada do WDP, a expertise em engenharia do Georgia Tech e a força tecnológica do Google estão abrindo novas possibilidades empolgantes. Não estamos apenas ouvindo mais; estamos começando a entender os padrões dentro dos sons, preparando o cenário para um futuro onde a lacuna entre a comunicação humana e a dos golfinhos pode se estreitar um pouco mais.

Você pode explorar mais profundamente o Wild Dolphin Project em seu site.