Investigadores de la Universidad Estatal de Pensilvania han desarrollado un novedoso método de modelado que permite analizar el canto de las aves, específicamente el de los pinzones de Bengal, de manera similar a como funcionan los modelos de lenguaje generativos como ChatGPT. Este avance puede proporcionar una comprensión más profunda sobre la estructura del canto de las aves y sus implicaciones en la neurobiología del lenguaje humano, según se detalla en un estudio publicado en el Journal of Neuroscience.
Un paralelismo entre el canto de las aves y el lenguaje humano
Al igual que los humanos organizan palabras en secuencias gramaticalmente correctas, los pájaros emiten conjuntos de notas conocidas como sílabas en combinaciones limitadas. Dezhe Jin, profesor asociado de física y autor principal del estudio, afirma que «aunque es mucho más simple, las secuencias de sílabas en el canto de un ave están organizadas de manera similar al lenguaje humano, lo que convierte a las aves en un excelente modelo para explorar la neurobiología del lenguaje».
En ambos casos, finalizar una frase o una secuencia de canto depende del contexto de lo que se ha dicho anteriormente. Por ejemplo, la frase «flies like» puede ser parte de una analogía o indicar disfrute, pero mezclar las continuaciones puede resultar en combinaciones sin sentido. Este fenómeno, conocido como dependencia del contexto, también se ha observado en las canciones de los pinzones de Bengal.
El equipo de investigación analizó grabaciones de canto de seis pinzones de Bengal, que cantan entre 7 y 15 sílabas por secuencia. Utilizando un nuevo método estadístico, fueron capaces de modelar con precisión las secuencias que cantan los pájaros, similar a cómo los modelos de lenguaje predicen qué palabras son probables que sigan a una dada en un texto en inglés.
Metodología y hallazgos del estudio
Los investigadores aplicaron un tipo específico de modelo conocido como Modelo de Markov Parcialmente Observable, que permite incorporar la dependencia del contexto en las transiciones de sílabas. Este enfoque les permitió crear modelos más precisos que reflejan cómo las sílabas suelen ir juntas. A través de una serie de pruebas estadísticas, determinaron el modelo más simple que captura con exactitud el canto de los pájaros, así como las sílabas que presentan esta dependencia contextual.
Los hallazgos indican que los seis pájaros estudiados mostraron transiciones de sílabas dependientes del contexto, aunque la cantidad de sílabas con esta característica varió entre ellos. Este fenómeno podría estar influenciado por factores relacionados con la anatomía cerebral de los pájaros o por la cantidad de dependencia contextual en las canciones de sus tutores.
Adicionalmente, los investigadores también analizaron las canciones de pájaros que no podían escuchar. En estos casos, observaron una disminución dramática en la dependencia del contexto, lo que sugiere que el feedback auditivo es crucial para la creación de estas transiciones en el cerebro. Esto abre la puerta a futuras investigaciones que buscan mapear estados neuronales específicos a sílabas determinadas.
El nuevo método no solo tiene aplicaciones en el análisis del canto de las aves, sino que también podría extenderse a otras vocalizaciones animales y secuencias de comportamiento. Los investigadores han aplicado este enfoque al lenguaje inglés, generando texto mayoritariamente gramatical. Aunque no se busca crear un nuevo modelo de lenguaje generativo, sí resulta interesante que un modelo similar pueda abordar tanto el canto de las aves como el lenguaje humano, lo que podría insinuar similitudes en los mecanismos neuronales subyacentes.
Este estudio desafía la noción de que el lenguaje humano es excepcional, abriendo un nuevo campo de reflexión sobre la naturaleza del lenguaje y su evolución a través de diferentes especies, sugiriendo que quizás no somos tan únicos como a menudo creemos.
