고정 헤더 영역
상세 컨텐츠
본문
반응형
Artificial intelligence could reveal how animals of the land, sea and sky talk to others of their species.
인공지능으로 땅, 바다, 하늘의 동물들이 다른 종의 동물들과 어떻게 대화하는지 밝혀낼 수 있습니다
향유고래를 연구하면서 셰인 게로(Shane Gero)는 자신이 연구하는 동물들을 각각 고유한 역사를 가진 개체로 보는 것이 중요하다는 것을 깨달았습니다.
셰인과 동료 과학자들은 고래에게 핀치(Pinchy), 콰지모도(Quasimodo), 스카(Scar), 미스테리오(Misterio), 미스테리오의 아들 에니그마(Enigma) 등의 이름을 지어주었습니다. 이러한 이름은 종종 고래를 식별할 수 있는 신체적 특징을 기반으로 합니다. 예를 들어, 핑거의 이름은 오른쪽 꼬리에 평화 기호를 번쩍이는 것처럼 보이는 한 쌍의 자국에서 따온 것입니다.
과학자들은 고래는 서로 바꿀 수 없다는 것을 상기시키기 위해 동물의 이름을 붙입니다. 게로의 아이들도 이를 배우고 있습니다. “우리 아이들은 모든 동물의 이름을 알고 있습니다."라고 그는 말합니다. “저는 농담 삼아 고래 가족들과 함께 보내는 시간과는 반대로 그들을 '인간 가족'이라고 부릅니다.”
캐나다 오타와에 있는 칼튼 대학의 고래 생물학자인 게로는 20년 동안 고래의 의사소통 방식을 이해하기 위해 노력해 왔습니다. 그 동안 그는 고래가 가족 집단의 일원임을 식별하는 특정 소리를 낸다는 사실과 세계 각지의 사람들이 영어를 다르게 말하는 것처럼 바다의 다른 지역에 사는 향유고래(Physeter macrocephalus)도 방언이 있다는 사실을 알게 되었습니다.
돌고래의 지저귐과 휘파람 소리, 코끼리의 울음소리, 새소리의 트릴과 트윗은 모두 동물 종의 다른 구성원에게 정보를 전달하는 패턴과 구조를 가지고 있습니다. 사람에게는 이러한 패턴의 미묘한 차이를 식별하고 이해하기 어려울 수 있지만, 인공지능(AI)이 탁월한 능력을 발휘하는 분야는 패턴을 찾는 일입니다. 점점 더 많은 생물학자와 컴퓨터 과학자들이 동물의 소리에 AI를 적용하면 동물들이 서로에게 무슨 말을 하는지 알아낼 수 있을 것이라는 희망을 품고 있습니다.
지난 한 해 동안 AI를 활용한 연구에 따르면 아프리카 사바나 코끼리(록소돈타 아프리카나, Loxodonta africana)와 일반 마모셋 원숭이(칼리트릭스 자쿠스, Callithrix jacchus)는 동료에게 이름을 지어준다는 사실이 밝혀졌습니다. 연구자들은 또한 머신러닝 도구를 사용하여 까마귀의 발성을 매핑하고 있습니다. 이러한 컴퓨터 모델의 기능이 향상되면 동물의 의사소통 방식을 밝히고 과학자들이 동물의 자기 인식을 조사할 수 있게 되며, 멸종 위기종을 보호하기 위해 사람들이 더 많은 노력을 기울일 수 있게 될 것입니다.
그렇다고 해서 조만간 구글 번역의 동물 버전이 출시될 것이라는 말은 아닙니다. 과학 및 보존 프로젝트인 고래류 번역 이니셔티브(Cetacean Translation Initiative, CETI)를 설립한 해양 미생물학자 데이비드 그루버(David Gruber)는 AI 시스템의 인간 언어 이해, 번역 및 생성에 있어 큰 진전이 있었던 것은 이미 그 의미가 알려진 방대한 양의 예시가 있었기 때문이라고 말합니다. “이 모든 기술을 다른 종에 적용하여 어떻게든 학습하고 번역을 시작할 수 있다고 가정하는 것은 큰 가정이라고 생각합니다."라고 그는 말합니다.
코드 브레이커(The codebreakers)
CETI 프로젝트는 향유고래에 초점을 맞추고 있으며 게로의 연구를 후원하고 있습니다. 하지만 CETI 프로젝트 이전에도 게로는 카리브해에서 수천 시간을 보내며 도미니카 향유고래 프로젝트를 이끌었고, 동료들과 함께 섬 근처에 서식하는 30개 이상의 고래 가족에 대한 데이터를 수집했습니다.
고래는 대부분의 시간을 수면 아래 2km에 이르는 바다 깊은 곳에서 먹이를 찾으며 보냅니다. 그 깊은 곳에서는 햇빛이 투과되지 않기 때문에 고래는 반향 탐지기를 통해 먹이를 찾기 위해 딸깍거리는 소리를 냅니다. 또한 다른 고래와 연락을 유지하기 위해 코다라고 불리는 3~40회 정도의 클릭 소리를 연속적으로 냅니다. 에코 로케이션이 필요 없는 수면에서 고래는 사회화 과정에서 코다를 사용합니다.
게로와 다른 연구자들은 고래들이 각각 독특한 식습관, 사회적 행동, 서식지 이용 방식을 가진 '클랜(clans)'이라는 이름의 무리를 이룬다는 사실을 발견했습니다. 암컷 고래가 이끄는 가족에 수천 마리가 포함될 수 있는 이 씨족은 코다의 템포로 다른 씨족과 구별할 수 있는 고유 방언으로 의사소통을 합니다. 예를 들어, 두 무리는 같은 패턴으로 다섯 번 연속으로 클릭하지만 템포와 멈춤이 다릅니다. 게로는 이러한 방언이 클랜 간의 “문화적 경계”를 표시한다고 말합니다.
코다의 리듬과 템포를 이해하기 위해 연구팀은 스펙트로그램이라고 하는 고래 소리 녹음의 그래픽 표현을 수작업으로 만들었습니다. 이는 소리를 시각화하여 음량과 주파수와 같은 특성을 묘사하는 방법을 제공합니다. 사람의 경우 음소라고 하는 개별 음성 단위를 식별하는 데 사용할 수 있습니다.
이 과정은 시간이 많이 걸리는 작업으로, 팀원이 1분 동안 녹음할 때마다 모든 개별 클릭을 분리하는 데 약 10분이 걸렸습니다. 게로는 이 작업을 머신러닝 알고리즘에 맡기면서 작업 속도가 크게 빨라졌고, 어떤 소리가 어떤 동물에서 나왔는지 구분하는 데도 도움이 되었다고 말합니다.
하지만 AI를 통해 연구원들은 더 나아갈 수 있었습니다. 기존에는 수작업으로 개별 단어를 분류했지만 AI를 통해 고래 문장에 해당하는 코다와 전체 대화까지 살펴볼 수 있게 되었습니다. 새로운 구조가 등장하기 시작했습니다. “기계 학습은 표준 통계적 접근 방식으로는 포착하기 어려운 패턴을 파악하는 데 매우 능숙합니다."라고 게로는 말합니다.
연구에서는 클릭 간격의 미세한 변조를 발견했는데, 과학자들은 음악 용어에서 차용한 '루바토(rubato)'라는 이름을 붙여 곡을 더욱 표현력 있게 만드는 템포의 미세한 변화를 발견했습니다. 또한 멜로디 위에 음을 추가하는 음악적 관행에 따라 '오나멘테이션(ornamentation, 꾸밈음)'이라고 명명한 클릭이 가끔씩 추가되는 것도 발견했습니다.
이러한 기능의 중요성은 아직 명확하지 않습니다. 하지만 고래는 리듬, 템포, 루바토, 꾸밈음을 다양한 조합으로 사용함으로써 다양한 코다(codas)를 만들어낼 수 있습니다. 연구진은 8,719개의 코다 데이터 세트를 수집하여 향유고래 음성 알파벳이라고 부르는 것을 발견했으며, 고래가 복잡한 정보를 공유하기 위한 빌딩 블록으로 사용할 수 있다고 생각합니다.
AI가 고래 발성의 이러한 특징을 밝혀내면서 연구자들은 고래 발성이 어떤 의미를 지니고 있는지 묻고 있습니다. 예를 들어, 잠수하기 전에 루바토가 증가하거나 어미가 새끼와 의사소통할 때 감소할까요? “루바토의 존재를 모른다면 '루바토가 언제 중요한가'라는 질문을 시작할 수 없습니다.” 게로는 말합니다. 그의 팀은 이러한 특징을 분석하고 있습니다.
내 이름을 불러줘 (Call me by my name)
향유고래만이 자신을 식별하기 위해 특정 발성을 사용하는 유일한 생물은 아닙니다. 당시 포트 콜린스(Fort Collins)에 있는 콜로라도 주립대학(Colorado State University)의 행동 생태학자 미키 파르도(Mickey Pardo)와 그의 팀은 머신러닝을 사용하여 야생 아프리카 코끼리가 이름처럼 보이는 발성을 가지고 있다는 사실을 발견했습니다. 즉, 코끼리는 다른 코끼리에게 그 개체만의 고유한 발성으로 대화를 합니다. (파르도는 현재 콜로라도에서 뉴욕의 코넬(Cornell) 대학교로 이동하였습니다.)
연구자들은 코끼리들이 서로 멀리 떨어져 있는지, 가까이 있는지, 어미가 새끼와 교감하고 있는지에 따라 다른 낮은 울음소리를 낸다는 사실을 이미 알고 있었습니다. 파르도와 그의 팀은 코끼리가 어떤 소리에 반응하는 반면 다른 소리는 무시하는 것을 확인했습니다.
응답을 받은 호출이 고유한 것인지 확인하기 위해 연구자들이 반응을 불러일으키는 것으로 분류한 발성을 머신러닝 모델에 학습시켰습니다. 이 알고리즘은 이러한 통화의 음향적 특징을 학습한 다음 새로운 통화에서 이러한 특징을 찾아내고 의도된 수신자를 예측하는 임무를 맡았습니다.
컴퓨터는 27.5%의 경우 수신자와 통화 내용을 정확하게 일치시켰는데, 파르도는 “그다지 많지 않아 보일 수도 있지만 코끼리가 모든 통화에서 이름을 사용할 것이라고 기대할 수는 없다는 점을 기억해야 합니다.”라고 말합니다. 반면, 무작위 특징으로 훈련된 모델은 8%의 시간에만 코끼리의 이름을 맞혔습니다. 연구팀은 녹음된 코끼리의 소리를 재생하고 어떤 동물이 반응했는지 확인하여 이러한 호출이 코끼리에게 의미 있는 것인지 확인했습니다.
이스라엘 예루살렘 히브리대학교의 신경과 전문의인 데이비드 오메르(David Omer)는 마모셋 원숭이를 대상으로 비슷한 실험을 했습니다. 오메르와 그의 팀은 마모셋의 울음소리를 컴퓨터로 학습시킨 결과, 같은 가족 구성원들이 비슷한 음향적 특징을 가진 울음소리를 사용하여 다른 마모셋에게 라벨을 붙인다는 사실을 발견했습니다.
파르도는 동일한 기법을 사용하여 위치 용어와 같은 다른 코끼리 어휘를 해독할 수 있는지 알아보고자 합니다. 코끼리는 무리를 움직이려고 할 때 특정 소리를 냅니다. 이러한 소리 중 일부가 특정 장소를 향한 움직임을 식별할 수 있다면 연구자들은 AI로 이를 식별할 수 있을 것입니다. 그런 다음 연구자들은 그 소리를 재생하여 코끼리가 어디로 가는지 관찰하여 결과를 확인할 수 있습니다.
별도의 연구에서 파르도와 그의 팀원들은 케냐의 두 집단에 속한 코끼리들의 울음소리를 녹음했습니다. 그런 다음 연구진은 머신러닝을 사용하여 두 집단 간에 뚜렷한 발성 차이가 있을 뿐만 아니라 두 집단 내 다른 사회 집단에 속한 코끼리들 사이에도 미묘한 차이가 있음을 보여주었습니다.
이는 기존 집단에 코끼리를 도입하여 멸종 위기에 처한 개체군을 건강하게 유지하려는 환경 보호론자들에게 중요한 정보가 될 수 있다고 파르도는 말합니다. 동물들이 서로를 이해하지 못하면 새로 들어온 코끼리에게 문제가 생길 수 있기 때문입니다. “서로 다른 코끼리 개체군이 서로 의사소통을 할 수 있는지 이해하는 것은 실제로 중요한 실용적 의미를 지니고 있습니다."라고 그는 말합니다.
코끼리 전문가들은 울음소리에는 성별, 나이, 생리적 상태 등 소리를 내는 개체에 대한 정보가 포함되어 있다는 것을 알고 있습니다. 과학자들이 이러한 정보를 알아내는 방법을 배울 수 있다면, 특정 코끼리 무리에 대해 알아내기 위해 특정 지역에 마이크를 배치하는 수동 음향 모니터링을 사용할 수 있습니다.
“숲이 우거진 환경처럼 코끼리를 직접 관찰하기 어려운 환경에서 코끼리 개체군의 성비와 연령 구조를 파악하는 데 잠재적으로 사용할 수 있습니다."라고 파르도는 말합니다. 이를 통해 환경 보호론자들은 코끼리 개체 수의 증가 또는 감소 여부와 같은 특정 집단의 상황을 파악하는 데 도움을 받을 수 있습니다.
캘리포니아 대학교 산타크루즈(UCSC)의 동물 행동 생태학자인 캐롤라인 케이시(Caroline Casey)는 이러한 유형의 연구에 AI가 중요한 도구가 될 수 있다고 말합니다. 그러나 그녀는 대중과 일부 과학자들이 이 기술의 능력을 지나치게 믿지 않을까 걱정합니다. “저는 미디어가 예상하는 것처럼 동물 커뮤니케이션의 신비를 밝혀줄 수 있는 마술 지팡이는 아니라고 생각합니다."라고 그녀는 말합니다.
케이시는 박사 학위 논문을 위해 5년 동안 코끼리 물개(미룽가과 종, Mirounga spp.)가 스스로 이름을 짓는다는 사실을 입증했습니다. 약 한 달간의 금식 기간 동안 물개는 에너지를 절약하고 수컷은 우위를 차지하기 위해 서로 싸우지 않습니다. 대신 이전 싸움의 승자임을 알리는 소리를 내어 다른 물개들이 공격하지 못하도록 합니다. 케이시는 스펙트로그램을 연구하고 동물들의 행동을 관찰하고 동물들의 울음소리를 재생하여 이 사실을 알아냈습니다. 그녀는 인공지능이 이런 종류의 고품질 현장 조사의 필요성을 없애지는 못할 것이라고 확신합니다. 그러나 그녀는 AI의 매력에 이끌린 자금 지원자들이 이 점을 놓칠 수 있다고 우려합니다.
케이시는 또한 인간의 직관의 가치가 간과되고 있을지도 모른다고 생각합니다. AI 기반 분류기를 사용해 동물의 울음소리를 해석하면 연구 과정에서 인간의 편견을 줄일 수 있다는 점은 좋은 점이라고 케이시는 인정합니다. 그러나 동시에 케이시는 기계가 세상을 이해하지 못하면 기계가 발견한 패턴을 이해하는 데 방해가 될 수 있다고 생각합니다. “인간의 마음은 우리 자신의 세계에 대한 이해와 우리가 작동하는 방식을 통합할 수 있으며, 이를 통해 동물의 행동을 해석하는 데 실제로 도움을 줄 수 있습니다."라고 그녀는 말합니다. “이것이 장점이라고 생각합니다.”
나무에서 시작하다 (Starting in the trees)
지난 10년간 AI에 대한 많은 관심은 인간의 뇌가 뉴런의 집합을 통해 정보를 처리하는 방식과 유사하게 구축된 시스템인 신경망이라는 성과에서 비롯되었습니다. 데이터가 신경망의 여러 계층을 통과하는 딥러닝은 ChatGPT의 탄생으로 이어졌습니다. 그러나 향유고래, 코끼리, 마모셋 연구는 의사 결정 트리(decision trees)와 랜덤 포레스트(random forests)라고 하는 초기 형태의 AI를 사용했습니다.
의사 결정 트리는 순서도처럼 보이는 분류 알고리즘입니다. 예를 들어, 주어진 소리의 주파수가 특정 값 이상인지 여부를 물어볼 수 있습니다. 만약 그렇다면, 사람이 라벨링한 데이터 세트를 사용하여 학습된 음향 변수와 일치하는지 여부를 결정할 때까지 특정 시간 동안 통화가 지속되는지 여부를 묻는 등의 질문을 할 수 있습니다. 랜덤 포레스트는 데이터의 무작위로 선택된 하위 집합으로 구성된 여러 의사 결정 트리의 모음입니다.
코끼리 프로젝트의 랜덤 포레스트 알고리즘을 개발한 콜로라도 주립대학교의 진화 생물학자 커트 프리스트럽(Kurt Fristrup)은 트리 기반 알고리즘이 이러한 종류의 작업에 몇 가지 장점이 있다고 말합니다. 우선, 신경망을 훈련하는 데 필요한 정보보다 적은 정보로 작업할 수 있으며 수천 시간의 동물 울음소리 녹음도 비교적 작은 데이터 세트에 불과합니다. 또한 트리 기반 알고리즘은 변수를 분류하는 방식 때문에 레이블이 잘못 지정되거나 레이블이 없는 데이터로 인해 학습이 중단될 가능성이 적습니다.
또한 랜덤 포레스트는 유사한 호출이 일치하는지 확인할 수 있는 방법을 제공합니다. 동일한 기능을 보여주는 서로 다른 호출은 각각 개별 트리의 동일한 '잎(Leaf)'에 속해야 합니다. 프리스트럽은 “이러한 나무가 수천 개에 달하기 때문에 두 호출이 같은 잎에 얼마나 자주 도달하는지에 따라 두 호출이 얼마나 유사한지 상당히 세밀하게 측정할 수 있습니다.”라고 말합니다.
또한 랜덤 포레스트 알고리즘이 어떻게 특정 결론에 도달했는지 확인하는 것이 딥러닝을 사용할 때보다 더 쉬워서 과학자들은 모델이 어떻게 결정에 도달했는지에 대해 고개를 갸우뚱하게 만드는 답을 내놓을 수 있습니다. 프리스트럽은 “딥러닝 모델을 사용하면 다른 방법으로는 얻을 수 없는 모든 종류의 결과를 얻을 수 있거나 심지어 쉽게 얻을 수 있습니다.”라고 말합니다. 그러나 과학자들이 그 이면의 추론을 이해하지 못하면 “더 오래되고 덜 효율적이며 계산 집약적인 랜덤 포레스트의 경로로 들어갔다면 배울 수 있었던 것을 배우지 못할 수도 있습니다.”라고 그는 말합니다.
그럼에도 불구하고 비교적 작은 레이블이 지정된 데이터 세트에서 일반화하고 레이블이 지정되지 않은 대량의 데이터를 조사하여 패턴을 발견하는 신경망의 능력은 많은 연구자들에게 매력적으로 다가옵니다.
머신러닝 전문가인 올리비에 피에트퀸(Olivier Pietquin)은 캘리포니아 버클리에 본사를 둔 국제 팀인 지구 종 프로젝트(Earth Species Project)의 AI 연구 책임자로, 동물 종의 통신을 해독하는 데 AI를 사용하고 있습니다. 그는 다양한 동물의 다양한 소리뿐만 아니라 사람의 말과 음악을 포함한 기타 음향 데이터를 사용하여 모델을 훈련함으로써 한 데이터 세트에서 다른 데이터 세트로 일반화하는 신경망의 능력을 활용하고자 합니다.
컴퓨터가 소리의 기본적인 기본 특징을 도출한 후 이를 바탕으로 동물 발성의 특징을 구체적으로 인식할 수 있기를 바랍니다. 이는 사람 얼굴 사진으로 훈련된 이미지 인식 알고리즘이 먼저 타원형과 눈을 설명하는 픽셀의 기본적인 특징을 학습하는 것과 같은 방식입니다. 그러면 알고리즘은 사람 얼굴이 학습 데이터의 대부분을 차지하더라도 이러한 기본 사항을 바탕으로 고양이의 얼굴을 인식할 수 있습니다.
“음성 데이터를 사용하면 성대와 성대가 있는 다른 동물에게도 적용될 수 있을 것으로 기대할 수 있습니다."라고 피에퀸은 말합니다. 예를 들어 플루트가 내는 휘파람은 새의 휘파람과 충분히 유사하여 컴퓨터가 이를 통해 추론할 수 있을 것입니다.
이러한 방식으로 훈련된 모델은 어떤 소리가 정보를 전달하고 어떤 소리는 단순한 소음인지 식별하는 데 유용할 수 있습니다. 그러나 새의 울음소리가 무엇을 의미하는지 알아내려면 사람이 직접 동물의 행동을 관찰하고 컴퓨터가 식별한 것에 라벨을 붙여야 합니다. 현재 연구자들이 시도하고 있는 말소리를 식별하는 것은 이해의 첫 단계에 불과합니다. “이해는 정말 어려운 단계입니다."라고 피에트퀸은 말합니다.
지구 종 프로젝트의 연구원들은 이미 까마귀의 의사소통 연구에 적용하고 있는 복사복센(Voxaboxen)이라는 신경망을 만들었습니다.
스페인 북부의 썩은 까마귀(코부스 코로나, Corvus corone) 무리는 유럽의 다른 지역 까마귀와 달리 새끼를 돌보는 책임을 분담합니다. 까마귀 무리는 번갈아 가며 둥지를 지키고 청소하며 새끼를 돌봅니다. “우리는 까마귀들이 이러한 작업을 수행하기 위해서는 음성 커뮤니케이션을 통해 협력해야 한다고 생각합니다. 이것이 바로 우리가 까마귀의 의사소통을 연구하기 시작한 이유입니다."라고 스페인 레온 대학교의 행동 생태학자인 다니엘라 카네스트라리(Daniela Canestrari)는 말합니다.
그녀와 동료 행동 생태학자 비토리오 바글리오네(Vittorio Baglione)는 까마귀의 꼬리 깃털에 태그를 부착합니다. 이 장치에는 가속도계와 자력계와 함께 소형 마이크가 장착되어 있어 새의 울음소리와 함께 새의 움직임을 측정합니다. 이 태그는 약 6일간의 데이터를 수집한 후, 결국 땅에 떨어지면 연구자들이 회수할 수 있도록 신호를 발산합니다.
연구진이 태그를 통해 처음 발견한 것 중 하나는 까마귀가 멀리서 마이크에 잡힐 수 있는 큰 '울음소리'뿐만 아니라 가까이서만 들을 수 있는 부드러운 소리도 낸다는 것이었습니다. 이는 풍부한 정보의 원천이 될 수 있지만 연구자들이 처리해야 하는 데이터의 양을 증가시키기도 합니다. “인공지능 없이는 이 모든 정보를 처리할 수 없습니다."라고 카네스트라리는 말합니다.
복사박센은 다양한 조류 종의 소리와 미어캣(수리카타 수리카타, Suricata suricatta)의 소리 등 3개의 주석이 달린 소리 데이터베이스를 사용하여 훈련되었습니다. 신경망의 임무는 녹음된 모든 소리를 구분하여 6일 동안 어떤 소리가 까마귀에서 나왔는지, 태그가 지정된 까마귀에서 나왔는지 아니면 다른 까마귀에서 나왔는지를 찾아내는 것입니다. 일단 울음소리가 감지되면 다음 단계는 이를 카테고리로 분류하는 것인데, 이 과정은 단어 목록을 만드는 것과 비슷합니다. “차이점이 매우 미묘하기 때문에 매우 어려운 작업입니다."라고 바글리오네는 말합니다.
연구진은 이 울음소리의 의미를 파악하기 위해 AI를 사용하여 가속도계 데이터와 같은 새의 비디오 녹화를 대조하고 관찰된 행동과 소리 사이의 상관관계를 찾고 있습니다.
닥터 두리틀 소환(Paging Doctor Dolittle)
연구자들은 AI 모델이 영화 닥터 두리틀(Dr. Dolittle)의 주인공 처럼 결국 동물과 대화할 수 있는 능력을 갖게 될 것이라는 주장에 대해 신중한 입장을 보이고 있습니다. 파르도는 야생동물이나 애완동물과 대화할 수 있게 되는 것이 목표가 아니라 그들의 마음과 그들이 자신과 세상을 어떻게 인식하는지에 대해 배우는 것이 더 중요하다고 말합니다. 예를 들어, 일부 동물이 이름을 가진 것처럼 보인다는 사실은 다른 개체를 실체로 생각하고 이름을 붙일 수 있다는 것을 의미하며, 이는 동물이 정교한 수준의 추상적 사고를 가지고 있음을 시사한다고 그는 말합니다.
동물이 초보적인 수준의 의사소통을 할 수 있는지는 여전히 미지수이며, 파르도는 무엇이 언어를 구성하는지에 대한 합의된 정의가 없다고 말합니다. “어떤 것을 언어라고 부르려면 기본적으로 추상적인 개념을 포함하여 거의 모든 생각에 대해 의사소통할 수 있는 시스템이어야 합니다."라고 파르도는 말합니다. “인간이 아닌 다른 종에서는 이에 대한 증거가 없다고 생각합니다.” 과학자들이 동물에게도 그러한 언어가 있다는 것을 증명할 수 있다면 동물과 소통할 수 있는 방법을 연구할 수 있을 것이라고 합니다.
직접적인 의사소통이 불가능하더라도 이 연구에 참여한 많은 과학자들은 동물 보호 노력을 개선하는 것을 주요 목표로 삼고 있습니다. 동물에게도 자신만의 마음이 있다는 것을 보여주면 동물에 대한 공감을 높일 수 있습니다. 그루버는 1960년대 미국 생물학자 로저 페인이 혹등고래(Megaptera novaeangliae) 노래의 복잡성을 설명하여 고래 사냥 금지 운동에 활력을 불어넣은 연구를 예로 들었습니다.
고래 보호는 게로(Gero)에게 중요한 목표입니다. 도미니카 연안에서 연구하는 동안 그는 자신이 '7마리 무리'라고 명명한 향유고래의 사회적 단위가 동료들이 배에 치이거나 그물에 얽히면서 세 마리로 줄어드는 것을 지켜보았습니다. 인간이 고래와 의사소통을 할 수 있다면, 거대한 포유류가 뱃길에 있어 충돌 위험이 있다는 사실을 고래에게 알릴 수 있을지도 모릅니다. 또는 게로의 바람대로 고래에게 왜 특정 지역에 있어야 하는지 물어보고 배의 경로를 바꿀 수도 있겠죠.
“저는 인간이 나쁜 이웃이기 때문에 고래에게 경보를 울리고 싶지 않습니다."라고 게로는 이야기합니다. “차라리 인간이 먼저 동물들에게서 좋은 이웃이 되는 방법을 배운 다음에 해야 합니다.”
도미니카 주변 향유고래의 유아 사망률이 너무 심각해져서(새끼의 3분의 1 정도가 부모를 잃고 죽기도 합니다), 그곳 연구자들은 새끼가 최소 2, 3살이 될 때까지 이름을 짓는 것을 미뤄왔습니다. 하지만 고래의 집단에서 각 개체의 역할과 종의 전체 생존에서 각 집단이 담당하는 역할을 상기시키기 위해 고래에게 이름을 붙이는 작업을 계속하고 있다고 합니다.
예를 들어, 환경 보호론자들은 카리브해에 서식하는 개체 수를 늘리기 위해 아조레스 제도에서 도미니카까지 4,000킬로미터 떨어진 곳에 고래를 이주시키고 새로운 환경에 적응할 수 있기를 기대할 수는 없다고 게로는 말합니다. “과학은 고래가 생태계에 중요하다는 가정 하에 다루고 있습니다."라고 그는 말합니다. “따라서 한 마리를 '핑거스'라고 부르는 것은 핑거스가 핀치와 다르다는 것을 인정하는 표현이며, 핑거스가 죽으면 핀치로 대체할 수 없습니다.”
게로와 마찬가지로 파르도(Pardo)도 우리가 동물에게 하는 말보다 동물이 우리에게 하는 말에 더 관심이 많습니다. 그는 코끼리와 대화할 수 있다면 코끼리가 인간을 대하는 방식에 대해 어떻게 생각하는지 물어보고 싶다고 말합니다. “인간이 다른 동물에게 '야, 우리 그만 죽여'라는 말을 직접 들을 수 있다면 사람들은 실제로 그렇게 할지도 모르죠.”
※ 기사 내용 참조
[Nature] AI decodes the calls of the wild | By Neil Savage | 10 December 2024 | Part of Nature Outlook: Robotics and artificial intelligence | https://doi.org/10.1038/d41586-024-04050-5
웨어러블서치
기술이 어디를 향하고 개인과 사회에 어떤 영향을 미치는지 연구합니다.
pf.kakao.com
728x90
반응형
'IT 소식' 카테고리의 다른 글
| 구글의 Gmail 업그레이드, 새해에는 새로운 이메일을 만들어야 하나?! (2) | 2024.12.24 |
|---|---|
| 레노버의 롤러블 디스플레이 노트북에 대한 소문 (1) | 2024.12.20 |
| 애플이 내년에 출시할 초슬림 '아이폰17에어'에 대한 가격 전망 (1) | 2024.12.18 |
| 구글의 이미지와 영상을 편집하는 새로운 AI, 한국에서는 아직... (4) | 2024.12.17 |
| 에어태그2, 새로운 칩으로 대대적인 업그레이드 (1) | 2024.12.16 |
댓글 영역