AI解析动物情感，开启人与动物沟通新篇章

快速阅读: 意大利研究人员开发AI模型，通过分析动物叫声识别情绪，涵盖猪、山羊、牛等，有助于动物福利及安全管理，但也引发伦理讨论。

意大利米兰的一位研究人员开发了一种人工智能模型，声称能够通过动物叫声识别其正负面情绪。斯塔夫罗斯·恩塔拉姆皮拉斯的深度学习模型发表在《科学报告》上，能识别七种蹄类动物（包括猪、山羊和牛）的情感音调。该模型通过分析叫声的音高、频率范围和音质等特征来判断情绪。研究发现，负面情绪的叫声多为中高频，而正面情绪的叫声则在频谱上分布较为均匀。例如，在猪中，高音叫声提供了更多的情绪信息；而在绵羊和马中，中频叫声更为重要，这表明不同物种在表达情绪时既有共通之处也有差异。

这项研究对于长期致力于解开动物信号之谜的科学家来说是一大进步，也为动物福利带来了深远的影响。农民可以提前获知牲畜的压力状况，保护者可能远程监测野生动物的情绪健康，动物园管理者也能更快地响应动物福利的变化。然而，这种新技术也引发了伦理问题：如果算法能够可靠地检测到动物的痛苦，人类有何责任采取行动？又如何防止过度泛化，即将所有唤醒迹象视为每个物种中相同的意义？

除了猪、羊和马，类似的工作也在其他动物身上进行。纽约的研究组织“鲸鱼翻译计划”正在利用机器学习分析鲸鱼的点击序列——长期以来被认为编码了社会意义的声音模式。这些模式可能对应着每只鲸鱼的身份、关系或情感状态。在狗方面，研究人员将面部表情、叫声和尾巴摆动与情绪状态联系起来。研究表明，犬类面部肌肉的微妙变化与恐惧或兴奋有关，而尾巴摆动的方向则取决于遇到的是熟悉的朋友还是潜在威胁。

都柏林城市大学的“洞察中心”正在研发一种由癫痫患者辅助犬佩戴的检测项圈。该设备通过传感器捕捉犬的行为，如旋转，以发出主人即将发作的警报。该项目旨在展示AI如何利用动物交流改善安全、支持及时干预并提高生活质量。未来，研究团队希望训练模型识别犬的本能行为，如拍打、推搡或吠叫。

蜜蜂的摇摆舞——一种指示食物来源的八字形运动——也正在被计算机视觉实时解码。这些模型揭示了细微的位置变化如何影响其他蜜蜂对信息的理解。

尽管这些系统在动物福利和安全方面展现出巨大潜力，但它们仍存在局限性。能够检测到痛苦的叫声并不等于理解其含义。例如，AI可以显示两种鲸鱼点击序列经常一起出现，或者猪的尖叫与山羊的叫声有相似之处。米兰的研究进一步将这些叫声分类为大致的正负面情绪，但这仍然是通过模式识别试图解读情绪。情感分类器有可能将复杂的行为简化为简单的二元对立，如将狗的尾巴摆动记录为“同意”，而实际上它有时也可能表示压力。正如恩塔拉姆皮拉斯在其研究中所指出的，模式识别并不等同于理解。

研究人员可以开发将声音数据与视觉线索（如姿势或面部表情）甚至生理信号（如心率）结合的模型，以建立更可靠的动物情绪指标。在有经验者的物种知识背景下解读，AI模型会更加可靠。

值得注意的是，倾听的生态代价很高。使用AI技术增加了碳排放，这在脆弱的生态系统中可能削弱了所宣称的保护目标。因此，重要的是这些技术真正服务于动物福利，而不仅仅是满足人类的好奇心。

无论我们是否欢迎，AI已经到来。机器正在解码那些比我们早进化出的信号，并且会越来越擅长这一点。

真正的考验不在于我们倾听的能力有多强，而是我们准备如何利用所听到的信息。如果我们耗费能量解码动物信号，却只为了利用它们或更严密地管理它们，那么不足之处并不在于科学，而在于我们自身。

谢莉·布雷迪，都柏林城市大学动物行为、辅助技术和癫痫学博士后研究员

本文由《对话》杂志根据知识共享许可协议转载。阅读原文。

(以上内容均由Ai生成)