ИИ научился распознавать эмоции животных по их голосам

Как животное чувствует себя в конкретный момент? Люди давно научились распознавать некоторые очевидные сигналы, например, шипение кошки как предупреждение, но во многих случаях мы мало что знаем о том, что происходит в голове у животного.

Теперь у нас есть лучшее представление благодаря исследователю из Милана, который разработал модель ИИ, способную определять, выражают ли звуки животных положительные или отрицательные эмоции. Глубокообучающаяся модель Ставроса Нталампираса, опубликованная в Scientific Reports, может распознавать эмоциональные тона у семи видов копытных животных, включая свиней, коз и коров. Модель улавливает общие особенности их голосов, такие как высота тона, частотный диапазон и тембр.

Анализ показал, что негативные звуки, как правило, были скорее средне- и высокочастотными, тогда как позитивные звуки распределялись по спектру более равномерно. У свиней особенно информативными оказались высокочастотные звуки, тогда как у овец и лошадей большее значение имел средний диапазон. Это признак того, что животные имеют некоторые общие маркеры эмоций, но также выражают их по-разному в зависимости от вида.

Для ученых, которые давно пытаются расшифровать сигналы животных, это открытие эмоциональных черт, общих для разных видов, является последним прорывом в области, преобразуемой ИИ.

Последствия далекоидущие. Фермеры могли бы получать более ранние предупреждения о стрессе скота, защитники природы могли бы дистанционно отслеживать эмоциональное здоровье диких популяций, а смотрители зоопарков могли бы быстрее реагировать на незначительные изменения в благополучии животных.

Этот потенциал для нового уровня понимания животного мира также поднимает этические вопросы. Если алгоритм может надёжно обнаруживать, когда животное находится в бедственном положении, какую ответственность несут люди за действия? И как нам предохраняться от чрезмерного обобщения, когда мы предполагаем, что все признаки возбуждения означают одно и то же у каждого вида?

О лае и жужжании

Инструменты, подобные разработанному Нталампирасом, не обучаются «переводить» животных в человеческом смысле, а обнаруживают поведенческие и акустические паттерны, слишком тонкие для нашего восприятия без помощи.

Аналогичная работа ведется с китами, где нью-йоркская исследовательская организация Project CETI (Инициатива по переводу китообразных) анализирует структурированные последовательности щелчков, называемые кодами. Долгое время считалось, что они кодируют социальное значение, и теперь они масштабно картируются с помощью машинного обучения, выявляя закономерности, которые могут соответствовать идентичности, принадлежности или эмоциональному состоянию каждого кита.

У собак исследователи связывают мимику, вокализации и паттерны виляния хвостом с эмоциональными состояниями. Одно исследование показало, что незначительные сдвиги в лицевых мышцах собак соответствуют страху или волнению. Другое обнаружило, что направление виляния хвостом варьируется в зависимости от того, сталкивается ли собака со знакомым другом или потенциальной угрозой.

В Центре анализа данных Insight Дублинского городского университета мы разрабатываем детектирующий ошейник, который носят собаки-помощники, обученные распознавать начало приступа у людей, страдающих эпилепсией. Ошейник использует датчики для обнаружения обученного поведения собаки, такого как вращение, которое подает сигнал тревоги о том, что у владельца вот-вот начнется приступ.

Проект, финансируемый Research Ireland, стремится продемонстрировать, как ИИ может использовать коммуникацию животных для улучшения безопасности, поддержки своевременного вмешательства и повышения качества жизни. В будущем мы планируем обучить модель для распознавания инстинктивного поведения собак, таких как царапание, толчки или лай.

Пчелы тоже под прицелом ИИ. Их замысловатые виляющие танцы — движения в виде восьмерки, указывающие на источники пищи, — декодируются в реальном времени с помощью компьютерного зрения. Эти модели подчёркивают, как небольшие позиционные сдвиги влияют на то, насколько хорошо другие пчелы интерпретируют сообщение.

Предостережения

Эти системы сулят реальные выгоды в благополучии и безопасности животных. Ошейник, чувствующий первые признаки стресса у рабочей собаки, мог бы избавить её от истощения. Молочное стадо, контролируемое с помощью основанного на зрении ИИ, может получить лечение от болезни на часы или дни раньше, чем фермер заметит.

Однако обнаружение крика бедствия — это не то же самое, что понимание его значения. ИИ может показать, что две китовые коды часто встречаются вместе, или что визг свиньи имеет общие черты с блеянием козы. Миланское исследование идёт дальше, классифицируя такие звуки как в целом позитивные или негативные, но даже это остается использованием распознавания образов для попытки декодировать эмоции.

Эмоциональные классификаторы рискуют свести богатое поведение к грубым бинарным категориям «счастлив/несчастен» или «спокоен/в стрессе», например, регистрируя виляние хвостом собаки как «согласие», когда оно иногда может сигнализировать о стрессе. Как отмечает Нталампирас в своем исследовании, распознавание образов — это не то же самое, что понимание.

Одно из решений — разработка моделей, которые интегрируют голосовые данные с визуальными сигналами, такими как поза или мимика, и даже физиологическими сигналами, такими как сердечный ритм, чтобы создать более надёжные индикаторы того, как чувствуют себя животные. Модели ИИ также будут наиболее надежными, когда их интерпретируют в контексте, совместно со знаниями опытного специалиста по данному виду.

Также стоит иметь в виду, что экологическую цену прослушивания высока. Использование ИИ добавляет углеродные затраты, которые в хрупких экосистемах подрывают сами цели сохранения, которым они, по утверждению, служат. Поэтому важно, чтобы любые технологии действительно служили благополучию животных, а не просто удовлетворяли человеческое любопытство.

Нравится нам это или нет, но ИИ уже здесь. Машины теперь декодируют сигналы, которые эволюция отточила задолго до нас, и будут продолжать становиться лучше в этом.

Однако настоящее испытание заключается не в том, насколько хорошо мы слушаем, а в том, что мы готовы сделать с услышанным. Если мы тратим энергию на декодирование сигналов животных, но используем информацию только для их эксплуатации или более жёсткого управления, это не наука подводит — это мы.

Больше информации: Ставрос Нталампирас, Species-independent analysis and identification of emotional animal vocalizations, Scientific Reports (2025). DOI: 10.1038/s41598-025-14323-2

Источник: The Conversation