A szexrobotokat tanulmányozó megfeszített munka után a Tokiói Egyetem professzorai újabb megdöbbentő fejlesztésbe fogtak. Nemrég tettek közzé egy nagy visszhangot kiváltó tanulmány, mely szerint a Deep Emotional Analysis Learningnek nevezett csúcstechnológia segítségével képesek értelmezni a kiscsirkék különböző érzelmi állapotait, beleértve az éhséget, félelmet, haragot, elégedettséget, izgatottságot és szorongást.
Azt állítják, hogy a technológia összetett matematikai algoritmusokat futtat, és még a csirkék folyamatosan változó hangmintáihoz is képes alkalmazkodni. Ez azt jelenti, hogy idővel csak egyre jobb lesz a csirkék csipogásának megfejtésében.
Legalábbis ezt sugallja az elmélet. A csapatunk 80 különböző csirkehangmintát vett fel és elemezett a teszteléshez. Ezeket a hangmintákat aztán egy algoritmusba táplálták, hogy azokat a madarak különböző érzelmi állapotaihoz kapcsolják.
Kísérleteink eredményei azt mutatják, hogy a mesterséges intelligencia és a gépi tanulás segítségével lehetséges felismerni a csirkék érzelmi állapotait a hangjelzéseik alapján. Az egyes érzelmek felismerésének magas átlagos valószínűsége arra utal, hogy modellünk képes értelmes mintákat és jellemzőket rögzíteni a csirkehangokból, ahogy a tanulmányban is olvasható.
Ahogy minden kutatásnak, ennek is vannak természetes korlátai. A kutatók elismerik, hogy a modell pontossága változhat különböző fajok és környezeti feltételek függvényében. Emellett az is felismerésre került, hogy az adathalmaz, amelyet a képzéshez és értékeléshez használtak, nem feltétlenül rögzíti a csirkék érzelmi állapotainak és variációinak teljes skáláját. Hozzájárulnak a korlátokhoz azok a kommunikációs formák is, amelyek a csirkék testbeszédéből és szociális interakcióiból erednek.
A kutatást vezető szakember, Cheok professzor szerint eredményeik óriási áttörést jelentek, és fantasztikus következményekkel járhatnak. Hamarosan képesek leszünk megérteni, milyen érzelmeket élnek meg az állatok, és sokkal jobb világot teremthetünk majd számukra.
(a képek illusztrációk)
