猫的哨声是警告，狗通常从欢乐中摇动尾巴。但是，在大多数情况下，人很难理解动物的感觉。米兰研究人员找到了一种解决问题的方法。人工智能模型学会了确定情感上的情感着色，从七种类型的蹄，猪和声音信号的情感着色中出现。这项工作发表在科学报告中。
事实证明，负面情绪更常见于中间和高频区域，而正信号则更加分布。同时，情感的“关键”在物种之间是不同的。高频对猪尤为重要，而平均频率对于绵羊和马很重要。
根据Stavros Nalampiras的说法，他的算法能够强调无法发现的最精致的声学特征。这为动物健康和福祉监控新工具打开了道路。
该技术有许多不同的前景。农民将能够收到早期的警报信号，动物学家将能够控制野生动植物种群的状态，并且在出现可见迹象之前，动物园管理员将能够应对其动物行为的变化。但同时，出现了一个道德问题。如果汽车记录了动物的痛苦，人们必须干预吗？
也对其他类型进行了类似的研究。来自美国的科学家正在分析CETI项目中酮科的点击信号，试图在其“言语”中识别社会法规。狗成为人工智能将面部表情，吠叫动作与情感联系起来的项目的主题，甚至有助于记录主附近癫痫发作的迹象。算法也成功地破译了蜜蜂舞，显示了食物来源的方向。
但是，研究人员强调：这不是关于人类语言的“翻译”，而是关于模式的识别。任何试图简化“坏处”二进制类别的丰富行为调色板都包含错误风险。更可靠的模型应将声学数据与视觉和生理指标相结合，例如姿势，面部表达或心跳。
科学家说：“问题不是我们学会倾听动物的准确性，而是我们将如何使用这些信息。”
翻译的：uromedia24.com
