人工智能正在超越人類，通過掃描動物面部表情識別壓力和疼痛，甚至可能解讀更復雜的情感。
在英格蘭東南部一個細雨蒙蒙的清晨，數(shù)百頭粉紅色的母豬在6點準時醒來，準備享用早餐。它們哼哼著，流著口水，急切地擠向幾十個喂食欄，爭先恐后地沖向早餐。
但在享用美食之前，它們得先拍張照片。
每頭豬擠進喂食欄時，一個小攝像頭會拍下它的面部照片。不到一秒鐘，人工智能系統(tǒng)就能通過它的鼻子、耳朵、眼睛等面部特征識別出它。然后，AI會根據(jù)這些信息定制一份早餐，直接送進食槽。
與此同時，系統(tǒng)繼續(xù)分析照片，尋找面部表情中可能表明疼痛、疾病或情緒困擾的跡象。如果發(fā)現(xiàn)任何異常，系統(tǒng)會立即向在隔壁房間享用早晨咖啡的農(nóng)場主發(fā)出警報。
這些饑餓的小豬們是Intellipig系統(tǒng)的無意中的測試者，該系統(tǒng)由英國西英格蘭大學(UWE)和蘇格蘭農(nóng)村學院(SRUC)的科學家們開發(fā)，旨在解決動物福利中的一個根本問題：我們?nèi)祟惒⒉簧瞄L理解動物的感受。
Intellipig團隊并不孤單。全球的科學家們都在利用人工智能來解讀動物的面部表情，從綿羊到馬匹再到貓咪。一些人已經(jīng)開發(fā)出比最細心的人類更快、更準確的算法，能識別疼痛和壓力的跡象。
這些工具可能開啟一個新時代，讓我們更加關(guān)注動物的健康、福利和保護，UWE的機器視覺工程師Melvyn Smith說。他領(lǐng)導了Intellipig系統(tǒng)的設計。更令人期待的是，AI未來可能在解讀更復雜的情感方面超越人類，比如快樂、寧靜、挫敗或恐懼，這些情感同樣重要，只有理解它們，才能給動物提供最好的生活。
然而，像大多數(shù)研究AI的科學家一樣，動物行為研究人員也擔心過度依賴機器，尤其是在涉及動物福利時?！耙苍S機器最終會比我們更強，我不知道，”SRUC的動物行為科學家Emma Baxter說，她與Smith合作?！拔蚁Ｍ麑＜夷苡邪l(fā)言權(quán)，確保AI真的在做它該做的事?！?/p>
科學家們早就知道，和我們一樣，動物通過面部表情傳達感受。在1872年出版的《人類與動物的情感表達》一書中，查爾斯·達爾文提出，面部表情是哺乳動物間的一種“共同語言”，這種能力必然在我們的進化歷史中早早出現(xiàn)。
達爾文的理論主要基于解剖學，諾丁漢特倫特大學的心理學家Bridget Waller說。哺乳動物，包括人類，有許多共同的面部肌肉，用于做出面部表情。例如，我們與狗共享38%的面部動作，與貓共享34%，與靈長類和馬共享47%。
盡管解剖學相似，但我們無法像讀懂人類面孔一樣讀懂動物的面孔。因此，研究動物溝通的科學家往往通過情境來推測動物的感受。
疼痛是最明顯的例子：一匹剛被閹割的馬或一只因足腐病而跛行的綿羊無疑感到疼痛。研究動物表情的科學家有時會通過給動物帶來輕微不適來進行研究，比如在腿上綁緊血壓袖帶，或在皮膚上涂抹少量辣椒提取物。給動物使用止痛藥通常會讓它感覺好些。
同樣，給許多物種帶來輕微壓力也很容易，比如讓馬或貓短途旅行，或暫時與朋友分開幾分鐘。為了研究年輕母豬的壓力，Baxter會帶來年長的母豬，它們通過表現(xiàn)出主導地位來威脅年輕母豬。焦慮行為，如叫喊和排便，以及壓力激素皮質(zhì)醇水平的急劇上升，可以確認動物處于壓力狀態(tài)。
科學家們花了成千上萬個小時坐在豬圈和籠子前，觀察動物在這些疼痛或壓力情境下的面部表情，然后與那些可能沒有疼痛或壓力的動物進行比較。結(jié)果，他們?yōu)槎喾N物種開發(fā)出“痛苦指數(shù)”，根據(jù)面部肌肉的運動來衡量動物感受到的疼痛或壓力程度。
例如，一匹旋轉(zhuǎn)耳朵向外并在眼睛上方形成“擔憂皺紋”的馬，比一匹保持耳朵和眼睛放松的馬更有可能感到疼痛，瑞典農(nóng)業(yè)科學大學的馬匹外科醫(yī)生Pia Haubro Andersen說。馬會通過類似的耳朵動作和皺紋表達壓力，但也會露出舌頭等細微差別。
專家們已經(jīng)掌握了手動編碼這些動物面部動作的技能，理論上可以進行福利檢查。但這是一項非常繁瑣的工作，Andersen說。人類編碼員平均需要100秒才能在單張圖像中識別各種面部肌肉并編碼它們的位置，或者需要2到3個小時才能完成30秒的視頻。
而AI可以在瞬間完成同樣的任務，但前提是它需要學習。
在以色列海法大學的辦公室里，計算機科學家Anna Zamansky在工作日經(jīng)常要忍受警報和爆炸的喧囂。她曾多次帶著筆記本電腦和心愛的巧克力貴賓犬Becky——也是她最喜歡的研究模特——躲進防空洞。
然而，與加沙大學廢墟中的科學家們不同，Zamansky的團隊能夠繼續(xù)他們的研究。他們正在訓練AI系統(tǒng)自動讀取動物的面部表情，以改善它們的生活?！皩⑽覀兊闹腔酆妥罴涯芰τ糜诟纳苿游锔＠窟@真的幫助我們在這些艱難時刻生存下來，”她說?！斑@讓我們感到希望?！?/p>
Zamansky最初開發(fā)了一種面部識別軟件，幫助人們找到走失的狗。狗主人將狗的面部照片上傳到軟件中，軟件會在由熱心陌生人提交的流浪狗圖像數(shù)據(jù)庫中搜索匹配項。Zamansky和她的合作開發(fā)者George Martvel——一名逃避俄羅斯征兵的烏克蘭戰(zhàn)爭難民——已經(jīng)將這項技術(shù)捐贈給在烏克蘭和巴西洪水地區(qū)工作的救援組織，幫助數(shù)十只走失的狗與主人團聚。
最近，團隊轉(zhuǎn)向了一項更具挑戰(zhàn)性的任務：利用AI識別動物面部表情中微妙的不適跡象。首先，AI系統(tǒng)必須學會識別與創(chuàng)建表情相關(guān)的面部部位。這需要在無數(shù)動物照片上手動標記與肌肉運動相關(guān)的重要“標志點”，例如眼睛的上下部或鼻孔的兩側(cè)，并將圖像轉(zhuǎn)換成一堆數(shù)字點，就像兒童連點畫書中的一頁。在肯尼亞自由職業(yè)者的幫助下，Martvel和同事們已經(jīng)為多種物種，包括貓、狗、馬和靈長類動物，標記了“成千上萬”的面孔。
科學家們可以將大量標記好的照片輸入AI，教它自動在新圖像上找到標志點。例如，2016年，劍橋大學的計算機科學家Peter Robinson及其團隊在研究人類面部的基礎上，開發(fā)了一種工具，可以自動找到綿羊面部上的嘴巴、眼睛和耳尖。一年后，加州大學戴維斯分校的計算機科學家們開發(fā)了一種程序，通過將馬和羊的面孔變形為更接近人類的形狀，來自動在這些動物的面孔上放置標志點。
Martvel的AI現(xiàn)在已經(jīng)非常擅長自動標記，甚至可以在看不到整張臉的情況下找到點的位置，比如狗把鼻子埋在食盆里，或者貓從沙發(fā)后面探出頭來。
一旦標記完成，AI就可以通過分析這些標志點之間的距離來識別特定的面部表情。例如，如果一只貓緊張地張大和繃緊嘴巴，口角兩側(cè)的兩個點之間的距離就會變寬。通過將這些表情與研究人員已經(jīng)創(chuàng)建的痛苦指數(shù)進行交叉引用，AI可以尋找疼痛或壓力的跡象。
經(jīng)過這些艱苦的訓練，AI系統(tǒng)能夠以令人印象深刻的精度診斷福利問題。例如，Robinson的AI成功識別出羊群中少數(shù)患有足腐病或乳腺炎的母羊。2023年，Zamansky和她的學生Marcelo Feighelstein發(fā)現(xiàn)，他們的AI在判斷貓是否感到疼痛時的準確率為77%。
盡管有效，這些工具仍然依賴于人類對動物表情中尋找什么的初步判斷。因此，最近研究人員將更多的控制權(quán)交給了AI。一些科學家不再教計算機系統(tǒng)尋找預定義的疼痛或壓力表情，而是給AI提供不同情境下的動物圖像，讓它自行發(fā)現(xiàn)跡象，這個過程稱為深度學習。
這就是圣保羅大學獸醫(yī)Gabriel Lencioni的方法。他是馬匹行為與福利的博士生。在最近的研究中，他給AI系統(tǒng)提供了手術(shù)前后以及計劃止痛藥前后的馬匹面部照片，指示機器專注于耳朵、眼睛和嘴巴的差異。經(jīng)過3000張圖像的訓練，“AI自己學會了”，他說；最終，它能在88%的時間里正確診斷出動物是否感到疼痛。Andersen和她的同事Sofia Broomé開發(fā)了一種類似的工具，通過視頻而不是圖像訓練AI；在測試中，AI不僅識別出獸醫(yī)遺漏的疼痛跡象，還正確地宣布專家認為有疼痛的動物實際上無痛。
在英國智能農(nóng)場試點的Intellipig系統(tǒng)也使用深度學習。Smith說，AI不僅在識別個體豬方面勝過人類，準確率達到97%，而且在僅通過面部特征識別壓力方面表現(xiàn)出色。
今年早些時候，Zamansky的團隊發(fā)表了一項研究結(jié)果，表明一種自由發(fā)揮的AI在檢測綿羊疼痛方面比高技能的獸醫(yī)和行為專家更可靠。算法在82%的試驗中正確判斷出綿羊剛做完痛苦的手術(shù)，而四位接受過高強度訓練的人類只在70%的時間里做出正確判斷。
Zamansky將這些AI的勝利比作1997年的歷史性時刻，當時IBM超級計算機深藍在數(shù)百萬觀眾面前擊敗了俄羅斯國際象棋大師加里·卡斯帕羅夫?！跋瘳F(xiàn)在所有對AI反應的人一樣，卡斯帕羅夫的第一反應是恐慌。每個人都想，‘哦，天哪，AI要搶我的工作了！’”Zamansky說?！暗髞硭麄兠靼琢?，AI只是一個非常強大的工具，可以增強他們自己的能力?！?/p>
然而，Zamansky警告說，一個可以自由決定在圖像中尋找什么的計算機可能會關(guān)注錯誤的特征。一個經(jīng)典的例子是背景中的時鐘。假設研究人員每天早上10點拍攝無痛或快樂動物的照片，作為標準科學程序的一部分，然后在下午5點拍攝相反狀態(tài)的動物照片。“如果機器在圖像中看到上午10點的時鐘，它會說這是一只無痛的兔子，”她說——即使實際情況并非如此。
無法了解AI實際上是如何做出決策的，這讓研究人員感到不安?！懊總€人都擔心黑箱，因為他們不知道機器做出了什么決定，或者為什么，”Zamansky說，她的學生Tali Shitrit的論文研究的就是弄清楚她們的AI在動物面孔中尋找什么。她使用了一種名為梯度加權(quán)類激活映射(GradCAM)的工具，該工具生成熱圖，顯示AI在做出決策時關(guān)注面孔的哪些區(qū)域。
到目前為止，她發(fā)現(xiàn)機器通常認為眼睛區(qū)域是最有信息量的，無論數(shù)據(jù)集或物種如何。不過，在貓的情況下，根據(jù)與德國漢諾威獸醫(yī)大學的Holger Volk合作的研究，熱圖在鼻子和嘴巴周圍最熱。
盡管存在這些問題，一些研究人員正在更進一步，努力開發(fā)能夠讀取比壓力和疼痛更復雜的情感的系統(tǒng)，這些情感更接近于人類的快樂、憤怒或悲傷。
萊昂學院的進化心理學家Brittany Florkiewicz看過太多的貓視頻。她和她的團隊花了數(shù)百個小時觀看洛杉磯一家貓咪咖啡館里貓咪玩耍和打鬧的錄像，仔細編碼每一個細節(jié)的面部表情，尋找貓咪“快樂”或不快樂的跡象。
這項工作揭示了貓咪有276種不同的面部表情?，F(xiàn)在，F(xiàn)lorkiewicz與Martvel和Zamansky合作，將AI應用于她的數(shù)據(jù)。AI已經(jīng)顯示，這些咖啡館里的貓咪傾向于微妙地模仿彼此的面部表情，通常是為了通過互相梳理或玩耍來建立聯(lián)系。
在類似的研究中，Zamansky的團隊訓練AI識別照片中的拉布拉多犬，它們要么迫不及待地期待著獎勵，要么能看到獎勵但無法得到它。AI能夠成功地在89%的時間里判斷出一只狗是“快樂”還是“沮喪”。它在區(qū)分“快樂”和“沮喪”的馬匹時同樣成功。在同一實驗中，一些馬被拍到發(fā)現(xiàn)期待中的獎勵并不存在。研究人員發(fā)現(xiàn)，AI能夠在61%的試驗中正確地將馬匹歸類為“沮喪”或“失望”——這個成功率雖然不高，但比隨機猜測要好。
為了在這些成功的基礎上進一步發(fā)展，Martvel和Zamansky正在構(gòu)建狗、貓、馬和靈長類動物在不同情感狀態(tài)下的面部數(shù)據(jù)庫。團隊在網(wǎng)上搜索照片，主人提供了清晰的情境描述，從而可以推測出動物的情感。通過將照片輸入AI，他們希望解讀出每種獨特情感場景下物種的獨特面部表情。
Zamansky的“夢想”是擁有一個“狗臉閱讀器”，能夠揭示基本情感狀態(tài)，如快樂、悲傷和壓力，這對AI來說是一個挑戰(zhàn)，因為狗的品種之間面部和耳朵形狀差異很大?！艾F(xiàn)在還不可能，我知道，”她說。“但一年后就有可能。我們一直這樣告訴自己，并為此努力?！盕lorkiewicz說，有一天，機器甚至可能開始將某些面部表情與“意圖”聯(lián)系起來，比如出門、抓住玩具或開始打架。
一個挑戰(zhàn)是積累訓練數(shù)據(jù)?！八麄冇么蠹s相當于劍橋大學圖書館一半藏書的文獻量訓練了ChatGPT，而劍橋大學圖書館擁有英國出版的每一本書的副本，”Robinson說?！暗珜嶋H上，網(wǎng)上并沒有那么多狗、貓和羊的照片”——至少沒有那么多能清楚看出動物感受的照片。
而且，面部表情并不能說明全部問題，哥本哈根大學的動物溝通專家Elodie Briefer說，她正在開發(fā)AI來解讀豬和斑馬的叫聲中的情感。要探究動物的情感，AI必須超越面部表情，關(guān)注尾巴搖擺或駝背等因素，達爾豪西大學的農(nóng)業(yè)工程師Suresh Neethirajan說。他的AI動物福利檢查系統(tǒng)甚至分析體熱輻射，這對于那些面部表情有限的物種，如雞，是一個重要線索。
盡管存在這些局限性，面部AI已經(jīng)提供了“務實和現(xiàn)實”的機會，Zamansky說。她的團隊即將推出一款基于AI的應用程序，允許貓主人掃描寵物的面部30秒，立即獲得易于理解的消息，例如“檢測到嘴巴周圍有明顯的緊張，疼痛程度中等”。
荷蘭的研究人員開發(fā)了一款類似的應用程序，掃描休息中的馬匹面部和身體，估計其疼痛程度。Lencioni建議，AI未來可以在馬術(shù)比賽中使用，獎勵那些快樂和舒適的馬匹的騎手，從而提高比賽中的動物福利和公平性。
更廣泛地說，實驗室和寵物收容所可以利用AI監(jiān)測動物的疼痛和情感狀態(tài)，F(xiàn)lorkiewicz說。而“智能農(nóng)場”——如英格蘭鄉(xiāng)村試點的那些——承諾通過每日監(jiān)測為動物提供個性化護理。最終，Smith說，AI助手可以指導農(nóng)民不僅給豬提供無壓力的生活，還要提供快樂的生活。
對Zamansky來說，這一前景使她所有的工作都變得值得?！拔业穆氊熓菫閯游餇幦「玫纳?，”她說。“當我們知道我們的動物伙伴是快樂的，我們也會感到快樂。”
本文譯自 Science，由 BALI 編輯發(fā)布。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
