L'Intelligenza Artificiale può riconoscere l'umore degli animali analizzando i loro versi

Un innovativo studio condotto dal Dipartimento di Biologia dell'Università di Copenaghen ha dimostrato che l'intelligenza artificiale può essere uno strumento prezioso per riconoscere le emozioni degli animali. I ricercatori hanno sviluppato un modello di apprendimento automatico in grado di distinguere emozioni positive e negative in sette specie di ungulati, tra cui mucche, maiali e cinghiali, analizzando le loro vocalizzazioni. I loro risultati sono pubblicati sulla rivista iScience.

Powered by

L'IA è stata impiegata per studiare i versi delle sette specie e ha imparato a riconoscere alcune caratteristiche che sono indicative di un particolare stato emotivo: quanto dura la vocalizzazione, quanta energia ci mette l'animale a produrla e a che frequenza la emette.

Questo modello ha raggiunto un'accuratezza pari all'89,49%, segnando così il primo studio interspecie di questo genere. Secondo Élodie F. Briefer, docente presso l'Università, questa scoperta possiede il potenziale per trasformare il benessere degli animali, la gestione del bestiame e la conservazione, consentendo di monitorare in tempo reale le emozioni degli stessi. La ricerca ha inoltre evidenziato che alcuni modelli acustici delle emozioni sono simili tra diverse specie, suggerendo l'esistenza di un sistema evolutivamente conservato.

Il caso beagle: proteste per la sperimentazione animale, Aptuit sotto i riflettori

Le associazioni animaliste contro l'uso dei beagle nei test di laboratorio

I risultati dello studio potrebbero portare allo sviluppo di strumenti per il monitoraggio automatico delle emozioni animali, facilitando un intervento tempestivo in situazioni di stress e promuovendo il loro benessere. Inoltre, gli studiosi hanno reso pubblico il loro database per accelerare la ricerca futura.

"Il diavolo lanoso": scoperta in Texas una nuova specie botanica

Tra 800.000 acri di paesaggi, il Big Bend National Park svela la nuova pianta che sfida le avversità climatiche del deserto