Le sifflet du chat sert d'avertissement, et les chiens secouent généralement la queue de la joie. Cependant, dans la plupart des cas, il est difficile pour l'homme de comprendre ce que ressent l'animal. Les chercheurs de Milan ont trouvé un moyen de résoudre le problème. Le modèle d'intelligence artificielle a appris à déterminer la coloration émotionnelle de l'émotion émotionnel des sept types de sabots, de porcs et de coloration émotionnelle des signaux sonores. Les travaux ont été publiés dans Scientific Reports.
Il s'est avéré que les émotions négatives sont plus souvent exprimées dans les zones de fréquence moyenne et haute, tandis que les signaux positifs sont plus répartis. Dans le même temps, la «clé» des émotions est différente entre l'espèce. Les hautes fréquences sont particulièrement importantes pour les porcs, tandis que les fréquences moyennes sont importantes pour les moutons et les chevaux.
Selon Stavros Nalampiras, son algorithme est capable de souligner les caractéristiques acoustiques les plus délicates qui ne peuvent pas être découvertes. Cela ouvre la voie à la santé animale et au bien-être de la surveillance de nouveaux outils.
La technologie a de nombreuses perspectives différentes. Les agriculteurs pourront recevoir des signaux d'alarme précoces, les zoologistes pourront contrôler l'état des populations de la faune, et les gardiens de zoo pourront répondre aux changements dans leur comportement animal avant l'apparition de signes visibles. Mais en même temps, une question éthique se pose. Si la voiture enregistre les souffrances de l'animal, les gens doivent-ils intervenir?
Des études similaires sont également organisées sur d'autres types. Les scientifiques des États-Unis analysent les signaux de clics du Ketraloti dans le projet CETI, essayant d'identifier les codes sociaux dans leur «discours». Les chiens font l'objet de projets où l'intelligence artificielle relie les expressions faciales, les mouvements aboyant avec des émotions et aide même à enregistrer les signes d'attaque épileptique près du Seigneur. Les algorithmes ont également réussi à déchiffrer les danses d'abeilles, montrant la direction d'une source de nourriture.
Cependant, les chercheurs soulignent: il ne s'agit pas de «traduire» en langage humain, mais d'identification des modèles. Toute tentative de simplification de la riche palette comportementale des catégories binaires "Bad-Good" contient un risque d'erreur. Des modèles plus fiables devraient combiner des données acoustiques avec des indicateurs visuels et physiologiques tels que la posture, l'expression faciale ou le rythme cardiaque.
"La question n'est pas de savoir à quel point nous allons apprendre à écouter les animaux, mais comment nous utiliserons ces informations", ont déclaré des scientifiques.
Traduction de: euromedia24.com
