{"id":9417,"date":"2021-10-30T13:32:27","date_gmt":"2021-10-30T13:32:27","guid":{"rendered":"https:\/\/www.abrima.com\/blog\/?p=9417"},"modified":"2021-10-30T13:32:31","modified_gmt":"2021-10-30T13:32:31","slug":"una-aplicacion-para-entender-el-lenguaje-de-las-ballenas","status":"publish","type":"post","link":"https:\/\/www.abrima.com\/blog\/una-aplicacion-para-entender-el-lenguaje-de-las-ballenas\/","title":{"rendered":"Una aplicaci\u00f3n para entender el lenguaje de las ballenas"},"content":{"rendered":"\n

Dentro del reino animal cada especie tiene su propio lenguaje para comunicarse entre sus iguales. En ese sentido, el hombre siempre se ha sentido intrigado por entender el lenguaje usado por algunos animales para comunicarse, uno de ellos la ballena.<\/h2>\n\n\n\n

En este contexto, un grupo de cient\u00edficos se encuentra trabajando en un proyecto enfocado en descifrar el lenguaje de las ballenas<\/strong> a fin de desarrollar una aplicaci\u00f3n que permita comunicarnos con ellos.<\/p>\n\n\n\n

El proyecto denominado CETI (Iniciativa de Traducci\u00f3n de Cet\u00e1ceos)<\/strong> ha sustentado su trabajo en la inteligencia artificial us\u00e1ndola para desarrollar un m\u00e9todo que permita entender el lenguaje de las ballenas. De esta manera el equipo espera descifrar los chasquidos (codas)<\/strong> que algunas ballenas generan para establecer comunicaci\u00f3n entre ellos. Para ello han decidido sacar provecho de las herramientas presentes en el procesamiento del lenguaje natural (PNL), un subcampo de la IA que centra su trabajo en el procesamiento del lenguaje escrito y hablado.<\/p>\n\n\n\n

En ese sentido, el equipo no perdi\u00f3 tiempo y tom\u00f3 unas grabaciones para luego aplicarlas a un algoritmo de PNL, logrando al final resultados bastante alentadores.<\/p>\n\n\n\n

Al respecto, el jefe de aprendizaje autom\u00e1tico de CETI, Michael Bronstein se\u00f1al\u00f3: \u00abParec\u00edan funcionar muy bien, al menos con algunas tareas relativamente sencillas<\/em>\u00bb.<\/p>\n\n\n\n

Si bien, los resultados obtenidos dan cuenta del potencial que existe para lograr este objetivo, aun se requiere de un gran volumen de datos para continuar la investigaci\u00f3n.<\/p>\n\n\n\n

En este \u00e1mbito, el equipo espera poder recolectar unos 4 mil millones de sonidos,<\/strong> una cantidad que requerir\u00e1 de tiempo para ser cumplida.<\/p>\n\n\n\n

Sumado a ello, el equipo planea tomar las investigaciones del Dominica Sperm Whale Project<\/strong> como material fuente, aunque el mismo solo ha recopilado una cantidad inferior a 100 mil sonidos<\/strong>. Para hacernos una idea y a modo de comparaci\u00f3n, el GPT-3, el modelo de lenguaje predictivo de aprendizaje profundo, fue entrenado usando un volumen aproximado de 175 mil millones de palabras<\/p>\n\n\n\n

As\u00ed tambi\u00e9n, todas las codas (nombre dado al sonido de las ballenas) recopiladas deber\u00e1n ser luego procesadas y decodificadas en un intento por darles contexto a cada una de ellas, proceso que tomar\u00e1 a\u00f1os de investigaci\u00f3n y que har\u00e1 necesario estar presente en el h\u00e1bitat natural de las ballenas.<\/p>\n\n\n\n

Pod\u00e9is obtener m\u00e1s informaci\u00f3n en\u00a0hakaimagazine.com<\/a>.<\/p>\n\n\n\n