ИИ-модель расшифровывает эмоциональное состояние животных по их голосам

Как животное чувствует себя в данный момент? Люди давно распознали некоторые известные модели поведения, например, шипение кошки как предупреждение, но во многих случаях у нас было мало подсказок о том, что происходит в голове у животного.

Теперь у нас есть лучшее представление, благодаря исследователю из Милана, разработавшему ИИ-модель, которая, по его словам, может определять, выражают ли их крики положительные или отрицательные эмоции. Глубинная модель обучения Ставроса Нталампираса, опубликованная в Scientific Reports, может распознавать эмоциональные тона у семи видов копытных животных, включая свиней, коз и коров. Модель улавливает общие черты их криков, такие как высота тона, частотный диапазон и тембр.

Анализ показал, что негативные крики, как правило, были в среднем и высокочастотном диапазоне, в то время как позитивные крики были более равномерно распределены по спектру. У свиней высокочастотные крики были особенно информативны, тогда как у овец и лошадей большее значение имел средний диапазон. Это признак того, что животные имеют некоторые общие маркеры эмоций, но также выражают их по-разному в зависимости от вида.

Для учёных, которые давно пытались распутать сигналы животных, это открытие эмоциональных черт, общих для разных видов, — последний скачок вперёд в области, которую трансформирует ИИ.

Последствия далеко идущие. Фермеры могли бы получать более ранние предупреждения о стрессе скота, защитники природы могли бы дистанционно отслеживать эмоциональное здоровье диких популяций, а смотрители зоопарков могли бы быстрее реагировать на тонкие изменения в состоянии животных.

Этот потенциал для нового уровня понимания животного мира также поднимает этические вопросы. Если алгоритм может надёжно определять, когда животное находится в бедственном положении, какова ответственность человека действовать? И как нам уберечься от чрезмерного обобщения, когда мы предполагаем, что все признаки возбуждения означают одно и то же для каждого вида?

О лае и жужжании

Инструменты, подобные разработанному Нталампирасом, обучаются не для «перевода» животных в человеческом смысле, а для обнаружения поведенческих и акустических паттернов, слишком тонких для нашего невооружённого восприятия.

Аналогичная работа ведётся с китами, где нью-йоркская исследовательская организация Project Ceti (Инициатива по переводу китообразных) анализирует структурированные последовательности щелчков, называемые кодами. Долгое время считалось, что они кодируют социальное значение, и теперь их масштабно картируют с помощью машинного обучения, выявляя паттерны, которые могут соответствовать идентичности, принадлежности или эмоциональному состоянию каждого кита.

У собак исследователи связывают мимику, вокализацию и паттерны виляния хвостом с эмоциональными состояниями. Одно исследование показало, что тонкие изменения 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 анализа данных Insight Дублинского городского университета мы разрабатываем ошейник-детектор для собак-помощников, обученных распознавать начало приступа у людей, страдающих эпилепсией. Ошейник использует датчики для обнаружения обученного поведения собаки, например, вращения, которое подаёт сигнал тревоги о приближающемся приступе у хозяина.

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

Медоносные пчёлы тоже находятся под прицелом ИИ. Их сложные виляющие танцы — движения в форме восьмёрки, указывающие на источники пищи, — расшифровываются в реальном времени с помощью компьютерного зрения. Эти модели показывают, как небольшие сдвиги в положении влияют на то, насколько хорошо другие пчёлы интерпретируют сообщение.

Предостережения

Эти системы обещают реальные выгоды для благополучия и безопасности животных. Ошейник, чувствующий первые признаки стресса у рабочей собаки, может избавить её от истощения. Молочное стадо, контролируемое ИИ на основе зрения, может получить лечение от болезни на несколько часов или дней раньше, чем фермер заметит её.

Однако обнаружение крика бедствия — 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 крики как в целом положительные или отрицательные, но даже это остаётся использованием распознавания паттернов для попытки расшифровать эмоции.

Классификаторы эмоций рискуют свести богатое поведение к грубым бинарным оппозициям «счастлив/грустен» или «спокоен/напряжён», например, записывая виляние хвостом собаки как «согласие», хотя иногда это может сигнализировать о стрессе. Как отмечает Нталампирас в своём исследовании, распознавание паттернов — не то же самое, что понимание.

Одно из решений — исследователям разрабатывать модели, которые интегрируют вокальные данные с визуальными сигналами, такими как поза или выражение морды, и даже с физиологическими сигналами, такими как частота сердечных сокращений, чтобы построить более надёжные индикаторы того, что чувствуют животные. Модели ИИ также будут наиболее надёжными, когда их интерпретируют в контексте, вместе со знаниями человека, опытного в обращении с данным видом.

Также стоит иметь в виду, что экологическая цена «подслушивания» высока. Использование ИИ добавляет углеродные затраты, которые в хрупких экосистемах подрывают сами цели сохранения, которым они якобы служат. Поэтому важно, чтобы любые технологии действительно служили благополучию животных, а не просто удовлетворяли человеческое любопытство.

Нравится нам это или нет, ИИ уже здесь. Машины теперь расшифровывают сигналы, которые эволюция отточила задолго до нас, и будут продолжать становиться в этом лучше.

Однако настоящее испытание заключается не в том, насколько хорошо мы слушаем, а в том, что мы готовы сделать с услышанным. Если мы тратим энергию на расшифровку сигналов животных, но используем информацию только для их эксплуатации или более жёсткого управления ими, это не наука терпит неудачу — это мы.