ИИ модель декодирует эмоциональные состояния животных от их звонков

Как животное чувствует в данный момент? Люди давно признали определенное известное поведение, как кошка, шипящая как предупреждение, но во многих случаях мы мало что имели подсказку о том, что происходит в голове животного.

Теперь у нас есть лучшая идея, благодаря миланскому исследователю, который разработал модель ИИ что, как он утверждает, может обнаружить, выражают ли их звонки позитивными или негативные эмоцииПолем Модель глубокого обучения Ставрос Нталампирас, которая была опубликована в Научные отчетыможет распознавать эмоциональные тона в семи видах копытных животных, включая свиней, коз и коров. Модель использует общие функции своих вызовов, такие как высота, частотный диапазон и качество тона.

Анализ показал, что негативные вызовы, как правило, были более средней и высокой частотой, в то время как положительные вызовы были более равномерно распространялись по всему спектру. У свиней высококачественные звонки были особенно информативными, тогда как у овец и лошадей средний диапазон имел больший вес, признак того, что животные имеют некоторые общие маркеры эмоций, но также выражают их способами, которые варьируются в зависимости от видов.

Для ученых, которые давно пытались распутать сигналы животных, это открытие эмоциональных признаков по видам является последним скачком в области, которая трансформируется ИИ.

Последствия далеко идущие. Фермеры могли бы получить более ранние предупреждения о стрессе скота, защитники природы могут отслеживать эмоциональное здоровье дикого населения удаленно, и зоозарные работники могут быстрее реагировать на тонкие изменения благосостояния.

Этот потенциал для нового уровня понимания животного мира также поднимает этические вопросы. Если алгоритм может надежно обнаружить, когда животное находится в бедственном положении, какую ответственность должны действовать люди? И как мы можем защищать от чрезмерной генерализации, где мы предполагаем, что все признаки возбуждения означают одно и то же у каждого вида?

Лая и гусны

Инструменты, подобные тем, которые разработаны Ntalampiras, обучаются не «переводить» животных в человеческом смысле, а для обнаружения поведенческих и акустических моделей, слишком тонких, чтобы мы могли воспринимать бездействие.

Подобная работа продолжается с китами, где исследовательская организация из Нью-Йорка Проект Цети (Инициатива по переводу Китоан) Анализ узорчатых последовательностей щелчков под названием CodasПолем Давно считается, что они кодируют социальное значение, они сейчас отображаются в масштабе, используя машинное обучениевыявляя закономерности, которые могут соответствовать идентичности, принадлежности каждого кита, принадлежности или эмоционального состояния.

У собак, Исследователи связывают выражения лицавокализации и закономерности хвоста с эмоциональными состояниями. Одно исследование показало Эти тонкие сдвиги в мышцах для лица соответствуют страху или волнению. Другой обнаружил, что направление хвостовой ваги варьируется в зависимости от того, встречается ли собака знакомого друга или потенциальной угрозы.

В Центре проницательности в области аналитики данных Дублинского университета мы разрабатываем обнаружение воротник Носит собаки по оказанию помощи, которые обучаются распознавать начало захвата у людей, которые страдают от эпилепсии. Воротник использует датчики, чтобы поднять обученное поведение собаки, такие как пряние, которое поднимает тревогу, которую у их владельца собирается приступить к приступу.

ПроектФинансируется Research Ireland, стремится продемонстрировать, как ИИ может использовать общение животных для повышения безопасности, своевременного вмешательства и повышения качества жизни. В будущем мы стремимся обучать модель для распознавания инстинктивного поведения собак, такого как лап, подталкивание или лай.

Пчелы тоже находятся под объективом ИИ. Их сложный Потхлить танцы—Про пищевые источники– Декодируют в режиме реального времени с компьютерным зрением. Эти модели подчеркивают, как небольшие позиционные сдвиги влияют на то, насколько хорошо другие пчелы интерпретируют сообщение.

Предостережения

Эти системы обещают реальные достижения в области благосостояния животных и безопасности. Воротник, который чувствует первые признаки стресса у рабочей собаки, может избавить его от истощения. Молочное стадо, контролируемое ИИ, основанным на зрении, может получить лечение по часам заболеваний или дней раньше, чем фермер заметит.

Однако обнаружение крика бедствия – это не то же самое, что понимание того, что это значит. ИИ может показать, что две китовые коды часто встречаются вместе, или что свиная визга делится чертами с блиней козы. Исследование Милана идет дальше, классифицируя такие вызовы как широко положительные или отрицательные, но даже это остается с использованием распознавания шаблонов, чтобы попытаться декодировать эмоции.

Эмоциональные классификаторы рискуют сгладить богатое поведение в грубые двоичные файлы счастливых/грустных или спокойных/стрессовых, таких как регистрация Хвост собаки как «согласие», когда это может иногда сигнализировать о напряжении. Как отмечает Ntalampiras В своем исследовании распознавание закономерности не то же самое, что понимание.

Одним из решений является для исследователей разработать модели, которые интегрируют вокальные данные с визуальными сигналами, такими как позы или выражение лица, и даже физиологические сигналы, такие как частота сердечных сокращений, для создания более надежных показателей того, как чувствуют себя животные. Модели ИИ также будут наиболее надежными, когда интерпретируются в контексте, наряду со знанием кого -то, кто испытывал с этой видами.

Также стоит помнить, что экологическая цена слушания высока. Использование AI добавляет затраты на углерод, которые в хрупких экосистемах подрывают те самые цели по сохранению, которые они утверждают. Поэтому важно, чтобы какие -либо технологии действительно служили благополучиям животных, а не просто удовлетворяли любопытство человека.

Приглашаем ли мы это или нет, ИИ здесь. В настоящее время машины декодируют сигналы, которые эволюция прочти задолго до нас, и будут продолжать улучшаться.

Настоящий тест, однако, не то, насколько хорошо мы слушаем, а то, что мы готовы сделать с тем, что слышим. Если мы сжигаем энергию, декодирующие сигналы животных, но используем информацию только для их эксплуатации, или управлять ими более тесно, это не наука, которая терпит неудачу – это нас.

Эта статья переиздана из Разговор по лицензии Creative Commons. Читать Оригинальная статьяПолем