تتفوق الذكاء الصناعي على البشر في فحص وجوه الحيوانات للتوتر والألم، مما يحسن ربما رفاهية الحيوانات

تقدم الذكاء الصناعي في القدرة على تفسير تعابير وجه الحيوانات، مما يوفر أدوات جديدة لمراقبة الراحة. يمكن لأنظمة الذكاء الصناعي اكتشاف علامات التوتر، والألم، والحالات العاطفية الأخرى في العديد من الأنواع، مما يمكن أن يحسن معايير الرعاية، كما ذكر تقرير أولي نشره Science.

إحدى هذه الأنظمة، هو Intellipig، والذي تم تطويره بواسطة الباحثين في جامعة غرب إنجلترا بريستول (UWE) وكلية الريف الاسكتلندية (SRUC)، قيد التجربة حالياً على المزارع في المملكة المتحدة.

تلتقط الكاميرات وجوه الخنازير عندما تقترب من أماكن التغذية كل صباح. في أقل من ثانية، يتعرف الذكاء الاصطناعي على الخنازير الفردية ويقيم تعابيرها للبحث عن دلائل على القلق أو ال discomfort، ويعلم المزارعين عندما يكون التدخل ضروريًا.

قالت ميلفين سميث، مهندسة رؤية الآلة في جامعة الغرب الإنجليزية، كما ذكرت مجلة العلوم: “هذه الأدوات قد تفتح الباب لعصر جديد من الرعاية للحيوانات يعطي أولوية أعلى لصحتها، رفاهيتها، وحمايتها”.

تعتمد النظام على التعلم العميق، وهو أسلوب من أساليب الذكاء الصناعي يتيح التعرف على الأنماط. وقد حققت النظام نسبة دقة تبلغ 97% في تحديد الخنازير، وهو فعال في الكشف عن الضغط من خلال ملامح الوجه فقط.

الورقة تشرح أن تدريب الذكاء الصناعي يبدأ بـ “التعليم بالمعالم”، حيث يقوم الباحثون بتمييز النقاط الرئيسية على الوجه – مثل حواف العيون أو الأنف – في الآلاف من الصور. هذه النقاط تشكل خريطة للوجه، والتي يتعلم الذكاء الصناعي التعرف عليها حتى في الوجوه المحجوبة جزئياً.

ثم تقوم الذكاء الصناعي بتحليل المسافات بين المعالم لتحديد التعابير. على سبيل المثال، قد يوسع القط أنفه عندما يكون في حالة ألم، مما يزيد المسافة بين حواف الفم. من خلال مقارنة هذه التغييرات مع المقاييس المؤلمة المعروفة، يمكن للذكاء الصناعي اكتشاف الألم بدقة عالية.

في عام 2023، حققت آنا زامانسكي، عالمة الحاسوب في جامعة حيفا، وفريقها دقة تصل إلى 77% في اكتشاف الألم في القطط. بالمثل، طور بيتر روبنسون في جامعة كامبريدج أداة ذكاء صناعي تعرفت على الأغنام المعانية من التهاب الأقدام أو التهاب الثدي داخل القطيع.

ومع ذلك، تُشير مجلة “العلوم” إلى أن تطبيقات الذكاء الصناعي تواجه قيودًا، بما في ذلك نقص البيانات العالية الجودة المتاحة للتدريب. تقول روبنسون: “لا يوجد الكثير من الصور للكلاب والقطط والأغنام على الإنترنت”، خصوصًا تلك التي تحتوي على مؤشرات عاطفية واضحة. يمكن أيضًا أن يفسر الذكاء الصناعي التعبيرات بشكل خاطئ عن طريق التركيز على الميزات غير المرتبطة.

لمعالجة المخاوف حول طبيعة “الصندوق الأسود” للذكاء الصناعي، يستخدم فريق زامانسكي أدوات مثل GradCAM لتصور الأجزاء الوجهية التي يعتبرها الذكاء الصناعي أولوية. تشير نتائجهم إلى أن منطقة العين هي الأكثر قيمة معلوماتية عبر الأنواع المختلفة، كما سجلت مجلة “العلوم”.

يعمل الباحثون الآن على تحفيز الذكاء الصناعي لتفسير المشاعر الأكثر تعقيدًا، مثل السعادة، والإحباط، أو الخوف. قامت بريتاني فلوركيويكز، وهي عالمة نفس تطورية في كلية ليون، بتسجيل 276 تعبيرًا للوجه المميز لدى القطط، كما ذكرت سابقًا أيضًا من قبل Science.

من خلال التعاون مع فريق زامانسكي، تستخدم الذكاء الصناعي لتحليل هذه التعابير، مما يكشف عن تقليد دقيق بين القطط غالبًا ما يشير إلى الترابط أو اللعب.

فريق زامانسكي تمكن أيضاً من تدريب الذكاء الصناعي للتفريق بين الكلاب والخيول “السعيدة” و”المحبطة”. في أحد التجارب، تمكن الذكاء الصناعي من التعرف بشكل صحيح على حالة الكلب العاطفية 89% من الوقت. بينما تكون نسب النجاح للمشاعر الأكثر تعقيدًا، مثل الإحباط، أقل، فإنها ما زالت تتفوق على الصدفة.

بشكل أوسع، يمكن للمختبرات وملاجئ الحيوانات الاستفادة من الذكاء الصناعي لتتبع الألم والحالات العاطفية في الحيوانات، كما ذكرت فلوركيفيتش في تقرير نشرته مجلة العلوم. في هذه الأثناء، تهدف “المزارع الذكية” – مثل تلك التي يتم اختبارها في الريف الإنجليزي – إلى تقديم رعاية مخصصة للحيوانات من خلال الرصد المستمر.

في النهاية، تشرح سميث لـ “Science” أن أنظمة الذكاء الصناعي يمكن أن تساعد المزارعين في التأكد من أن الخنازير ليست فقط خالية من التوتر، بل تعيش أيضا في حالة سعادة.