Модель искусственного интеллекта декодирует эмоциональные состояния животных по их звукам

от

Люди давно научились распознавать некоторые виды поведения животных, например, шипение кошки как предупреждение. Но во многих случаях мы мало что понимали о том, что происходит в голове у животного.

Теперь у нас есть более полное представление благодаря исследователю из Милана, который разработал модель искусственного интеллекта (ИИ), способную определять, выражают ли звуки животных положительные или отрицательные эмоции.

Ставрос Нталампурас создал модель глубокого обучения, которая была опубликована в Scientific Reports. Она может распознавать эмоциональные оттенки у семи видов копытных животных, включая свиней, коз и коров. Модель улавливает общие черты их звуков, такие как высота тона, частотный диапазон и качество тона.

Анализ показал:

* Отрицательные звуки, как правило, имеют среднюю или высокую частоту, в то время как положительные звуки распределены более равномерно по спектру.
* У свиней особенно информативными были высокие звуки, тогда как у овец и лошадей большее значение имел средний диапазон.

Это признак того, что животные разделяют некоторые общие маркеры эмоций, но выражают их по-разному в зависимости от вида.

Для учёных, которые давно пытались разобраться в сигналах животных, это открытие — очередной шаг вперёд в области, которая трансформируется благодаря ИИ.

Возможные последствия:

* Фермеры могут получать более ранние предупреждения о стрессе у скота.
* Защитники природы могут удалённо отслеживать эмоциональное состояние диких популяций.
* Работники зоопарков могут быстрее реагировать на незначительные изменения в благополучии животных.

Этот потенциал для нового уровня понимания животного мира также поднимает этические вопросы. Если алгоритм может надёжно определять, когда животное испытывает стресс, какая ответственность лежит на людях, чтобы действовать? И как мы можем предотвратить чрезмерное обобщение, когда мы предполагаем, что все признаки возбуждения означают одно и то же у всех видов?

Инструменты, подобные разработанному Нталампурасом, обучаются не «переводить» животных в человеческом смысле, а обнаруживать поведенческие и акустические закономерности, слишком тонкие для нашего восприятия без посторонней помощи.

Похожие исследования проводятся с китами

Исследовательская организация Project Ceti (Инициатива по переводу китообразных) из Нью-Йорка анализирует последовательности щелчков, называемые кодами. Давно считалось, что они кодируют социальное значение, теперь их масштабно картографируют с помощью машинного обучения, выявляя закономерности, которые могут соответствовать идентичности каждого кита, принадлежности или эмоциональному состоянию.

В случае с собаками исследователи связывают выражения морды, вокализации и характер виляния хвостом с эмоциональными состояниями. Одно исследование показало, что тонкие сдвиги в лицевых мышцах собак соответствуют страху или возбуждению. Другое обнаружило, что направление виляния хвостом меняется в зависимости от того, встречает ли собака знакомого друга или потенциальную угрозу.

В Центре аналитики данных Insight при Дублинском городском университете разрабатывают ошейник, который носят собаки-помощники, обученные распознавать начало приступа у людей, страдающих эпилепсией. Ошейник использует датчики для улавливания обученного поведения собаки, такого как вращение, которое подаёт сигнал тревоги о том, что у их владельца вот-вот случится приступ.

Проект, финансируемый Research Ireland, стремится продемонстрировать, как ИИ может использовать общение животных для повышения безопасности, поддержки своевременного вмешательства и повышения качества жизни. В будущем мы стремимся обучить модель распознавать инстинктивное поведение собак, такое как царапанье, подталкивание или лай.

Медоносные пчёлы также находятся под прицелом ИИ. Их замысловатые виляющие танцы — движения в виде восьмёрки, которые указывают на источники пищи — декодируются в режиме реального времени с помощью компьютерного зрения. Эти модели показывают, как небольшие позиционные сдвиги влияют на то, насколько хорошо другие пчёлы интерпретируют сообщение.

Эти системы обещают реальные выгоды для благополучия и безопасности животных. Ошейник, который улавливает первые признаки стресса у рабочей собаки, может избавить её от истощения. Молочное стадо, отслеживаемое с помощью ИИ, может получить лечение от болезни на несколько часов или дней раньше, чем фермер заметит проблему.

Однако обнаружение крика бедствия — это не то же самое, что понимание его значения. ИИ может показать, что две китовые коды часто встречаются вместе или что визг свиньи имеет общие черты с блеянием козы. Миланское исследование идёт дальше, классифицируя такие звуки как в целом положительные или отрицательные, но даже это остаётся использованием распознавания закономерностей для попытки расшифровать эмоции.

Классификаторы эмоций рискуют свести богатое поведение к грубым бинарным категориям «счастливый/грустный» или «спокойный/напряжённый». Например, регистрируя виляние хвостом собаки как «согласие», когда оно иногда может сигнализировать о стрессе.

Как отмечает Нталампурас в своём исследовании, распознавание закономерностей — это не то же самое, что понимание. Одним из решений является разработка исследователями моделей, которые объединяют голосовые данные с визуальными сигналами, такими как поза или выражение лица, и даже физиологическими сигналами, такими как частота сердечных сокращений, для создания более надёжных индикаторов того, что чувствуют животные.

ИИ-модели будут наиболее надёжными, если их интерпретировать в контексте, наряду со знаниями кого-то, кто имеет опыт работы с этим видом. Также важно помнить, что экологическая цена прослушивания высока. Использование ИИ добавляет углеродные издержки, которые в хрупких экосистемах подрывают те самые цели сохранения, которым они призваны служить. Поэтому важно, чтобы любые технологии действительно служили благополучию животных, а не просто удовлетворяли человеческое любопытство.

Независимо от того, приветствуем мы это или нет, ИИ уже здесь. Машины теперь декодируют сигналы, которые эволюция отточила задолго до нас, и будут продолжать совершенствоваться в этом.

Настоящий тест, однако, заключается не в том, насколько хорошо мы слушаем, а в том, что мы готовы делать с тем, что слышим. Если мы тратим энергию на расшифровку сигналов животных, но используем полученную информацию только для того, чтобы эксплуатировать их или управлять ими более жёстко, то проблема заключается не в науке — проблема в нас самих.

Предоставлено The Conversation.

Источник

Другие новости по теме

Другие новости на сайте