Kan kunstmatige intelligentie ons helpen begrijpen wat dieren voelen? Een nieuwe studie door onderzoekers van de afdeling Biologie van de Universiteit van Kopenhagen suggereert dat dit kan. Gepubliceerd in het isde studie toont aan dat een machine-leermodel onderscheid kan maken tussen Positieve en negatieve emotionele toestanden over zeven verschillende niet -gatulaten soorten, het bereiken van een 89,49% nauwkeurigheid.
Het ontcijferen van dierenemoties is al lang een uitdaging geweest in Dierenwelzijn, veterinaire wetenschappen en behoud. Terwijl eerder onderzoek vocale signalen heeft geanalyseerd enkele soortdeze studie is de Eerst om een machine-leermodel te ontwikkelen dat in staat is om emotionele valentie over meerdere soorten te detecteren.
Met duizenden opgenomen vocalisaties van Koeien, varkens, wilde zwijnen en andere niet -guldenhet AI -model is getraind Identificeer patronen in vocale signalen geassocieerd met emotionele toestanden. Het model was gericht op Belangrijke akoestische kenmerkenzoals energieverdeling, frequentie en amplitudemodulatieom te bepalen of een dier een positieve of negatieve emotie.
Hoe het AI -model werkt
De onderzoekers verzamelden en bestempelden vocalisaties van Zeven verschillende niet -gatulate soorten in zowel positieve als negatieve emotionele contexten. Deze emotionele toestanden werden bepaald op basis van Eerdere gedrags- en fysiologische studiesdie situaties identificeerden waarin dieren duidelijke stress of tevredenheid vertoonden.
Het AI -model geanalyseerd Vier primaire akoestische kenmerken:
- Duur – De lengte van het geluid, dat varieert afhankelijk van emotionele intensiteit.
- Energieverdeling – De manier waarop geluidsenergie over verschillende frequenties is verspreid.
- Grondfrequentie – De basisveld van de vocalisatie, die kan verschuiven in reactie op emotionele toestanden.
- Amplitudemodulatie – De variatie in luidheid binnen een vocalisatie.
Opmerkelijk is dat deze Patronen bleven consistent bij alle soortenwat suggereert dat bepaalde vocale uitingen van emoties kunnen zijn evolutionair geconserveerd.
De resultaten van de studie geven inzicht in hoe AI kan worden gebruikt om dieremoties te begrijpen. De onderzoekers identificeerden drie belangrijke bevindingen:
- Hoge nauwkeurigheid: Het AI -model classificeerde emotionele valentie met een 89,49% succespercentagehet bewijzen van zijn sterke vermogen om onderscheid te maken tussen positieve en negatieve toestanden.
- Cross-species consistentie: Emotionele expressiepatronen bleken vergelijkbaar te zijn voor alle zeven niet -degulate soorten, suggereert een universeel emotioneel communicatiesysteem.
- Nieuwe perspectieven op communicatie: De studie biedt inzichten in de Evolutionaire oorsprong van emotionele vocalisatiemogelijk hervormen hoe we beide begrijpen Dierlijke emoties en de ontwikkeling van de menselijke taal.
Dit AI -model kan worden geïntegreerd in Systemen voor het beheers van veeboeren toestaan Controleer de stressniveaus in realtime en actie ondernemen voordat dieren aanzienlijk leed ervaren. Evenzo kunnen natuurbeschermers deze technologie gebruiken Bestudeer emotionele reacties in populaties van wilde dieren.
Volgens Élodie F. Briefer, universitair hoofddocent aan de afdeling Biologie en laatste auteur van de studie:
“Deze doorbraak biedt solide bewijs dat AI emoties over meerdere soorten kan decoderen op basis van vocale patronen. Het heeft het potentieel om een revolutie teweeg te brengen in dierenwelzijn, veebeheer en behoud, waardoor we de emoties van dieren in realtime kunnen controleren. “
Om verder onderzoek te versnellen, de Team heeft hun dataset van gelabelde diervocalisaties openbaar beschikbaar gemaakt. Hierdoor kunnen andere wetenschappers voortbouwen op hun bevindingen en aanvullende toepassingen van AI in onderzoek naar diergedrag onderzoeken.
Deze AI beweert dat het ontologieën beter kan bouwen dan jij
Briefer voegt toe:
“We willen dat dit een bron is voor andere wetenschappers. Door de gegevens open toegang te geven, hopen we onderzoek te versnellen naar hoe AI ons kan helpen dieren beter te begrijpen en hun welzijn te verbeteren. ”
Kan AI naar gegevens luisteren?
Een wereld waar AI niet alleen gegevens verwerkt, maar luistert – dat is waar dit onderzoek naartoe loopt. Niet op de sci-fi manier, maar in de praktisch, op grondniveau Het gevoel van stress detecteren voordat een dier lijdt, het vangen van subtiele signalen die zelfs getrainde ogen kunnen missen.
Het gaat niet om het vertalen van “Moo” in woorden. Als AI dit vandaag voor vee kan doen, wat weerhoudt het dan van het begrijpen van meer soorten morgen? De technologie bewijst zich al; Nu is het aan ons om te beslissen wat we ermee doen. Want zodra we beginnen met afstemmen, is het negeren van wat we horen geen optie.
Uitgelichte afbeeldingskrediet: Kerem gülen/imagen 3
