Πρωτοποριακή έρευνα αναλύει τα συναισθήματα των ζώων με τη χρήση τεχνητής νοημοσύνης
Στέλλα Πανοπούλου
27/02/2025

Στις μέρες μας, η τεχνητή νοημοσύνη έχει εφαρμογές στα πάντα: από την έρευνα, την τεχνολογική ανάπτυξη, και τις επιστήμες, μέχρι την τέχνη και τη λογοτεχνία.
Κάποιες από αυτές τις εφαρμογές εγείρουν (δικαιολογημένες) αντιδράσεις, ενώ άλλες υπόσχονται κοσμοϊστορικές εξελίξεις σε διάφορους τομείς.
Μία από τις τελευταίες εφαρμογές της τεχνητής νοημοσύνης είναι η χρήση της για την κατανόηση των συναισθημάτων των ζώων. Στα πλαίσια μιας πρωτοποριακής έρευνας που πραγματοποιήθηκε από το Τμήμα Βιολογίας του Πανεπιστημίου της Κοπεγχάγης, ένα μοντέλο μηχανικής μάθησης εκπαιδεύτηκε με επιτυχία ώστε να ξεχωρίζει ανάμεσα στα θετικά και στα αρνητικά συναισθήματα 7 οπληφόρων ειδών, μεταξύ των οποίων είναι οι αγελάδες, τα γουρούνια, και τα αγριογούρουνα. Το μοντέλο ανέλυσε τα φωνητικά μοτίβα των ζώων, και κατόρθωσε να “πιάσει” ένα ποσοστό 89,49% σωστών αναλύσεων. Πρόκειται για την πρώτη έρευνα που επιχειρεί να αναλύσει τα συναισθήματα διαφορετικών ειδών με τη χρήση τεχνητής νοημοσύνης.

“Αυτή η πρωτοποριακή έρευνα παρέχει αδιάσειστες αποδείξεις για την ικανότητα της τεχνητής νοημοσύνης να αποκωδικοποιεί συναισθήματα διάφορων ειδών βάσει φωνητικών μοτίβων. Έχει την προοπτική να φέρει επανάσταση στην ευημερία των ζώων, στη διαχείριση των ζώων παραγωγής, και στη διατήρηση των ειδών, επιτρέποντάς μας να παρακολουθούμε τα συναισθήματα των ζώων σε πραγματικό χρόνο,” δήλωσε η Elodie F. Briefer, Αναπληρώτρια Καθηγήτρια στο Τμήμα Βιολογίας, και τελευταία συγγραφέας της έρευνας.
Η τεχνητή νοημοσύνη ως παγκόσμιος μεταφραστής των συναισθημάτων των ζώων
Αναλύοντας χιλιάδες επιφωνήματα οπληφόρων ζώων σε διαφορετικές συναισθηματικές καταστάσεις, οι ερευνητές κατάφεραν να εντοπίσουν ακουστικούς δείκτες-κλειδιά για τη συναισθηματική τους κατάσταση. Ο πιο σημαντικός διαχωρισμός ήταν αν ένα συναίσθημα ήταν θετικό ή αρνητικό, και μετρήθηκαν επίσης αλλαγές ως προς τη διάρκεια, την κατανομή της ενέργειας, και τη θεμελιώδη συχνότητα. Ιδιαίτερο ενδιαφέρον παρουσίασε η συνοχή αυτών των μοτίβων μεταξύ των ειδών, κάτι που δείχνει ότι οι θεμελιώδεις φωνητικές εκφράσεις των συναισθημάτων έχουν διατηρηθεί εξελικτικά.

Σημαντικό για την ευημερία και τη διατήρηση των ζώων
Τα ευρήματα της έρευνας έχουν πολύ σημαντικές προεκτάσεις. Το μοντέλο ταξινόμησης που βασίστηκε στην τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιηθεί για να αναπτυχθούν αυτοματοποιημένα εργαλεία για την παρακολούθηση των συναισθημάτων των ζώων σε πραγματικό χρόνο, φέρνοντας επανάσταση στον τρόπο με τον οποίο διαχειριζόμαστε τα ζώα παραγωγής, την κτηνιατρική φροντίδα, και τις προσπάθειες διατήρησης των ειδών. Όπως εξήγησε η Elodie F. Briefer: “Το να κατανοήσουμε πώς εκφράζουν τα συναισθήματά τους τα ζώα μπορεί να μας βοηθήσει να βελτιώσουμε την ευημερία τους. Αν μπορούμε να εντοπίσουμε το στρες ή τη δυσφορία νωρίς, μπορούμε να παρέμβουμε πριν αυξηθεί. Εξίσου σημαντικό, θα μπορούσαμε επίσης να προάγουμε τα θετικά συναισθήματα”.
Τα πιο σημαντικά ευρήματα της έρευνας σχετίζονται με τον υψηλό βαθμό εγκυρότητάς της (89,49%), με τον καθολικό χαρακτήρα των συναισθηματικών φωνητικών μοτίβων, και με τις νέες οπτικές που προσφέρονται σχετικά με τη συναισθηματική επικοινωνία.
Ποια είναι τα επόμενα βήματα;
Για να υποστηρίξουν τις μελλοντικές έρευνες, οι ερευνητές κατέστησαν προσβάσιμη στο κοινό τη βάση δεδομένων των ταξινομημένων συναισθηματικά επιφωνημάτων από τα εφτά είδη οπληφόρων.
“Θέλουμε να είναι μια πηγή πληροφοριών για τους άλλους επιστήμονες. Ανοίγοντας την πρόσβαση στα δεδομένα, ελπίζουμε να επιταχύνουμε την έρευνα σχετικά με το πώς μπορεί να μας βοηθήσει η τεχνητή νοημοσύνη να κατανοήσουμε καλύτερα τα ζώα και να βελτιώσουμε την ευημερία τους,” δήλωσε η Briefer.