این مدل یادگیری ماشینی از سنجش چندین معیار مختلف برای تعیین مثبت یا منفی‌ بودن احساسات استفاده می‌کند.

محققان دپارتمان زیست‌شناسی دانشگاه کپنهاگ مدل یادگیری ماشینی توسعه داده‌اند که می‌تواند احساسات حیوانات را با دقت بسیار بالا رمزگشایی کند.

براساس گزارش نشریه Phys، استفاده از هوش مصنوعی در تشخیص احساسات حیوانات همواره مورد تردید بوده اما مطالعه‌ای جدید نشان می‌دهد که هوش مصنوعی می‌تواند در این زمینه کمک‌کننده باشد. محققان دپارتمان زیست‌شناسی دانشگاه کپنهاگ توانسته‌اند با موفقیت مدل یادگیری ماشینی توسعه دهند که می‌تواند بین احساسات مثبت و منفی در حیواناتی همچون گاو، خوک و گراز وحشی تمایز قایل شود.

هوش مصنوعی دقتی نزدیک به ۹۰ درصدی در تعیین احساسات حیوانات دارد
این مدل یادگیری ماشینی با تجزیه‌وتحلیل الگوهای آکوستیک صدای این حیوانات توانسته به‌دقت ۸۹.۴۹ درصدی در تعیین نوع احساسات آنها دست یابد. این اولین مطالعه بین‌گونه‌ای برای تشخیص ظرفیت احساسی حیوانات با استفاده از هوش مصنوعی است. نتایج این تحقیق در نشریه iScience چاپ شده است.

به گفته «الودی اف بریفر»، دانشیار دپارتمان زیست‌شناسی دانشگاه کپنهاگ، «این پیشرفت شواهد محکمی مبنی‌بر توانایی هوش مصنوعی در رمزگشایی احساسات در گونه‌های مختلف براساس الگوهای صوتی ارائه می‌کند. همچنین این پتانسیل را دارد که رفاه حیوانات، مدیریت دام و حفاظت از حیوانات را متحول کرده و به ما امکان می‌دهد احساسات حیوانات را درلحظه نظارت کنیم.»

محققان با هزاران صدا در حالت‌های احساسی مختلف توانستند شاخص‌های صوتی کلیدی ظرفیت عاطفی را شناسایی کنند. مواردی همچون تغییر در مدت‌، توزیع انرژی، فرکانس پایه و مدولاسیون دامنه ازجمله مهم‌ترین فاکتورهای پیش‌بینی‌کننده‌ مثبت یا منفی‌ بودن احساس هستند. همچنین نکته جالب‌ این است که این موارد در اکثر گونه‌های حیوانی یکسان بودند که نشان می‌دهد بیان صوتی احساسات به طور تکاملی حفظ شده است.

این مطالعه به ما در توسعه مدل‌هایی برای درک و پاسخ‌دادن به احساسات حیوانات کمک می‌کند. پیش‌ازاین نیز محققان کار روی توسعه یک سیستم هوش مصنوعی به نام NatureLM را آغاز کرده بودند که هدف آن درک زبان حیوانات و برقراری ارتباط میان انسان و حیوان است.