Durante décadas, buena parte de la investigación sobre comunicación animal intentó averiguar hasta dónde podían llegar otras especies utilizando sistemas creados por los humanos. Chimpancés entrenados con lenguaje de signos, loros capaces de asociar palabras con objetos o simios que utilizaban símbolos se convirtieron en algunos de los experimentos más conocidos. Ahora, la inteligencia artificial está permitiendo invertir por completo esa estrategia: en lugar de pedirles a los animales que aprendan nuestro código, los científicos intentan descubrir el suyo.
La combinación de grabadores capaces de funcionar durante miles de horas, sensores instalados sobre animales y modelos de aprendizaje automático permite analizar cantidades de información que serían prácticamente imposibles de procesar manualmente. El resultado está revelando patrones sorprendentes en especies tan diferentes como cachalotes, elefantes, aves y primates, aunque todavía existe una enorme distancia entre reconocer estructuras y poder afirmar que comprendemos lo que significan.
Los cachalotes tienen un sistema mucho más complejo de lo que parecía
Uno de los proyectos más ambiciosos es Project CETI (Cetacean Translation Initiative), que estudia la comunicación de los cachalotes mediante grabaciones obtenidas en el Caribe. Estos cetáceos se comunican utilizando secuencias de chasquidos conocidas como codas, cuyo ritmo y estructura varían durante sus interacciones sociales.
Al analizar miles de estas secuencias mediante inteligencia artificial, los investigadores descubrieron que los cachalotes pueden modificar aspectos como el ritmo, el tempo y determinados patrones acústicos de maneras combinatorias. Esto sugiere que su repertorio comunicativo es considerablemente más flexible de lo que se pensaba y que las codas no son simplemente señales repetitivas utilizadas siempre de la misma forma.
Los grupos familiares también presentan patrones propios, una característica que recuerda a la existencia de dialectos. Sin embargo, identificar una estructura acústica compleja no significa todavía disponer de un “traductor de cachalote”: el desafío fundamental consiste en conectar cada sonido con situaciones, comportamientos y posibles significados.
Una IA que intenta escuchar a todo el planeta
Mientras CETI concentra sus esfuerzos en una especie, Earth Species Project (ESP) persigue una idea todavía más amplia: desarrollar modelos de inteligencia artificial capaces de analizar sonidos producidos por numerosas especies sin necesidad de etiquetar manualmente cada grabación.
Herramientas como NatureLM-audio buscan aprender relaciones entre vocalizaciones, especies y contextos utilizando enormes bases de datos sonoras. La estrategia guarda ciertas similitudes con el entrenamiento de los grandes modelos de lenguaje, pero aplicada a cantos, llamadas, chasquidos y otros sonidos biológicos.
Estos avances llegan al mismo tiempo que descubrimientos particularmente llamativos. Investigaciones con elefantes africanos, por ejemplo, han encontrado evidencias de que algunos individuos utilizan llamadas específicas para dirigirse a miembros concretos del grupo, un comportamiento que ha sido comparado con el uso de nombres personales.
También se conocen desde hace tiempo dialectos regionales en distintas especies de aves y variaciones en las llamadas de alarma de algunos primates dependiendo del tipo de amenaza.
Encontrar patrones no significa entender un idioma
Aquí aparece el principal límite. Una inteligencia artificial puede descubrir que determinados sonidos aparecen juntos, que ciertas secuencias cambian según el individuo o que una vocalización coincide frecuentemente con un comportamiento. Pero correlacionar una señal con una situación no equivale necesariamente a comprender su significado.
Además, los animales rara vez se comunican únicamente mediante sonidos. Posturas corporales, movimientos, olores, expresiones faciales y circunstancias ambientales pueden formar parte simultáneamente del mensaje, por lo que interpretar una vocalización aislada corre el riesgo de perder buena parte del contexto.
También existe una cuestión conceptual: llamar “palabras”, “gramática” o “nombres” a determinados comportamientos puede resultar útil para explicarlos, pero no implica necesariamente que funcionen exactamente igual que el lenguaje humano.
El primer gran beneficio podría ser la conservación
Antes de que podamos imaginar una conversación entre una persona y una ballena, estas tecnologías ya pueden tener aplicaciones mucho más inmediatas. Sistemas automáticos capaces de reconocer sonidos animales permiten monitorizar ecosistemas completos, detectar especies amenazadas, identificar situaciones de estrés y seguir cambios en poblaciones difíciles de observar directamente.
En el futuro, incluso podría ser posible generar señales artificiales y estudiar cómo responden los animales, aunque intervenir en sus sistemas comunicativos abriría nuevos dilemas éticos sobre hasta dónde deberíamos hacerlo.
La inteligencia artificial todavía no nos permite traducir literalmente lo que dice un cachalote o preguntarle algo a un elefante. Pero está consiguiendo algo que hace pocos años parecía mucho más lejano: revelar que detrás de muchos sonidos animales existen estructuras complejas que recién estamos empezando a aprender a escuchar.
