AI afkoder hovdyrs følelsesmæssige sprog

Forskere fra Biologisk Institut ved Københavns Universitet har med succes trænet en avanceret machine-learning model til at afkode den følelsesmæssige tilstand af syv forskellige arter af hovdyr, herunder køer, grise og vildsvin. Ved at analysere de akustiske mønstre i dyrenes lyde kunne modellen med en imponerede nøjagtighed på 89,49 %, skelne mellem positive og negative følelser - også kaldet følelsesmæssig valens.

Ifølge lektor Élodie F. Briefer, sidsteforfatter på studiet, og lektor på Biologisk Institut, kan resultaterne få stor betydning for både dyrevelfærd og forståelsen af følelsesmæssig kommunikation på tværs af arter:

- "Dette studie er det første, der tydeligt viser, hvordan AI kan identificere følelsesmæssig valens på tværs af flere arter. Det kan revolutionere alt fra dyrevelfærd til landbrug og naturbevarelse ved at gøre det muligt at overvåge dyrs følelser i realtid."

AI som en universel oversætter af dyrs følelsesmæssige tilstande

Ved at analysere tusindvis af vokaliseringer fra hovdyr i forskellige følelsesmæssige tilstande fandt forskerne klare akustiske indikatorer for emotionel valens. Ændringer i varighed, energifordeling, grundfrekvens og amplitudemodulation viste sig at være de vigtigste parametre til at afgøre, om en følelsesmæssig tilstand var positiv eller negativ.

Overraskende nok var mønstrene i nogen grad konsistente på tværs af arter, hvilket tyder på, at fundamentale vokale udtryk for emotioner er evolutionært bevarede.

En revolution for dyrevelfærd og naturbevarelse

Teknologien kan bruges til at udvikle automatiserede systemer til overvågning af dyrs trivsel, hvilket kan få stor betydning for alt fra landbrug og veterinærmedicin til naturbevarelse.

- "Forståelsen af, hvordan dyr udtrykker følelser kan hjælpe os med at forbedre deres trivsel. Hvis vi kan opdage tegn på stress eller ubehag tidligt, kan vi hurtigt gribe ind og også arbejde på at fremme positive følelser i dyrene. Det kan blive en gamechanger for dyrevelfærd," siger Élodie F. Briefer.

Næste skridt: Udvidelse af forskningen og deling af data

Forskerne arbejder nu på at forfine AI-modellen og udvide den til at omfatte endnu flere dyrearter. For at understøtte yderligere forskning har de også gjort deres database med mærkede emotionelle kald fra de syv hovdyrarter offentligt tilgængelig.

- "Vi ønsker, at dette skal være en ressource for andre forskere. Ved at gøre dataene åbent tilgængelige håber vi at fremskynde forskningen i, hvordan AI kan hjælpe os med bedre at forstå og beskytte dyr," afslutter Briefer.

Studiet bringer os et skridt tættere på en fremtid, hvor teknologi gør det muligt at forstå og reagere på dyrs emotioner og åbner spændende nye muligheder inden for videnskab, dyrevelfærd og naturbevarelse.

Det spændende studie: "Machine learning algorithms can predict emotional valence across ungulate vocalizations" er netop publiceret i iScience.