Արհեստական բանականությունը սովորում է «կարդալ» կենդանիների հույզերը

Կատվի սուլոցը ծառայում է որպես նախազգուշացում, և շները սովորաբար ուրախությունից պոչ են թափահարում։ Սակայն, շատ դեպքերում, մարդու համար դժվար է հասկանալ, թե ինչ է զգում կենդանին։ Միլանի հետազոտողները գտել են խնդիրը լուծելու միջոց. նրանց ստեղծած արհեստական ​​բանականության մոդելը սովորել է որոշել սմբակավոր կենդանիների յոթ տեսակների՝ խոզերից մինչև այծեր և կովեր, ձայնային ազդանշանների հուզական գունավորումը։ Աշխատանքը հրապարակվել է Scientific Reports ամսագրում։

Պարզվել է, որ բացասական հույզերն ավելի հաճախ արտահայտվում են միջին և բարձր հաճախականության տիրույթներում, մինչդեռ դրական ազդանշաններն ավելի հավասարաչափ են բաշխվում։ Միևնույն ժամանակ, հույզերի «բանալիը» տարբեր է տեսակների միջև. բարձր հաճախականությունները հատկապես կարևոր են խոզերի համար, մինչդեռ միջին հաճախականությունները կարևոր են ոչխարների և ձիերի համար։

Հետազոտության հեղինակ Ստավրոս Նտալամպիրասի խոսքով՝ նրա ալգորիթմը կարողանում է ընդգծել ամենանուրբ ակուստիկ առանձնահատկությունները, որոնք մարդու ականջը չի կարող հայտնաբերել։ Սա բացում է ճանապարհ դեպի կենդանիների առողջության և բարեկեցության մոնիթորինգի նոր գործիքներ։

Տեխնոլոգիան շատ տարբեր հեռանկարներ ունի։ Ֆերմերները կկարողանան ստանալ անասունների սթրեսի վաղ ազդանշաններ, կենդանաբանները կկարողանան վերահսկել վայրի բնության պոպուլյացիաների վիճակը, իսկ կենդանաբանական այգու աշխատակիցները կկարողանան արձագանքել իրենց կենդանիների վարքագծի փոփոխություններին, նախքան տեսանելի նշանների ի հայտ գալը: Սակայն միևնույն ժամանակ առաջանում է էթիկական հարց. եթե մեքենան գրանցում է կենդանու տառապանքը, արդյո՞ք մարդիկ պարտավոր են միջամտել:

Նմանատիպ ուսումնասիրություններ են անցկացվում նաև այլ տեսակների վերաբերյալ: ԱՄՆ-ից գիտնականները Ceti նախագծի շրջանակներում վերլուծում են կաշալոտների կտտոցային ազդանշանները՝ փորձելով նույնականացնել սոցիալական կոդերը նրանց «խոսքում»: Շները դառնում են այն նախագծերի առարկա, որտեղ արհեստական ​​բանականությունը կապում է դեմքի արտահայտությունները, հաչոցը և պոչի շարժումները հույզերի հետ և նույնիսկ օգնում է գրանցել տիրոջ մոտ էպիլեպտիկ նոպայի նշանները: Ալգորիթմները նաև հաջողությամբ վերծանել են մեղուների պարերը՝ ցույց տալով սննդի աղբյուրի ուղղությունը:

Այնուամենայնիվ, հետազոտողները ընդգծում են. խոսքը մարդկային լեզվով «թարգմանելու» մասին չէ, այլ օրինաչափությունների նույնականացման մասին: «Վատ-լավ» երկուական կատեգորիաների հարուստ վարքային պալիտրա պարզեցնելու ցանկացած փորձ պարունակում է սխալի ռիսկ: Ավելի հուսալի մոդելները պետք է համատեղեն ակուստիկ տվյալները տեսողական և ֆիզիոլոգիական ցուցանիշների հետ, ինչպիսիք են կեցվածքը, դեմքի արտահայտությունը կամ սրտի բաբախյունը։

«Հարցը ոչ թե այն է, թե որքան ճշգրիտ կսովորենք լսել կենդանիներին, այլ այն, թե ինչպես կօգտագործենք այս տեղեկատվությունը», - նշել են գիտնականները։

Թարգմանությունը՝  Lurer.com-ի