پژوهشگران می گویند با استفاده از الگوریتم های هوش مصنوعی می توان احساسات حیوانات را مورد سنجش قرار داد و از این طریق به طورمثال شرایط عملکرد و بهره وری مرغداری ها را بهبود بخشید.
به گزارش ایرنا به نقل از «نیوساینتیست»، یک مدل یادگیری عمقی (deep learning) میتواند با تشخیص ناراحتی مرغ ها از طریق بررسی صداهای ضبط شده شرایطی برای بهبود عملکرد مرغ داری ها فراهم سازد.
یک سامانه هوش مصنوعی (Artificial Intelligence) برای شناسایی و ارزیابی صدای ناراحتی مرغ ها طراحی شده که مرغدارها میتوانند از این سامانه برای بهبود شرایط نگهداری و افزایش بهره وری در مرغداری های تجاری پرازدحام استفاده کنند.
هوش مصنوعی که بطور مخفف آن را AI نیز می نامند، در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. البته این قابلیت تفکر با چیزی که ما بعنوان تفکر انسانی می شناسیم تا حد زیادی تفاوت دارد، اما در حقیقت سعی دارد تا از آن تقلید کند.
هوش مصنوعی در واقع شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشین های هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. هوش مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای رایانه است و منظور از هوش مصنوعی، ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف میتواند به تمامی ماشین هایی اطلاق شود که همانند ذهن انسان عمل می کنند و می توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.
تا سال ۲۰۲۰ طبق برآورد سازمان خواروبار و کشاورزی ملل متحد (FAO) بیش از ۳۳ میلیارد قطع مرغ در جهان بوده است که بسياري از این مرغ ها در شرایط بد و نامناسب نگهداری می شدند و در سالن های پرازدحام توانایی تحرک را نداشتند.
«آلن مک الیگوت» از دانشگاه هنگ کنگ می گوید: با وجود نگرانی های اصلی درباره گرسنه و تشنه نبودن مرغ ها اما همچنان نگرانی های جدّي رفاهی درباره چگونگی پرورش آنها وجود دارد. تحقیقات مک الیگوت حاکی است که تناوب و بلندی صدای ناراحتی مرغ و جوجه ها می تواند وضعیت سلامتی و میزان رشد آنها را پیش بینی کند اما زمانی که هزاران مرغ و جوجه در کنار هم قرار می گیرند، شناسایی و تفسیر این صداها دشوار خواهد بود.
این پژوهشگر و همکاران او با گوش دادن به صداهای ضبط شده در مرغداری های بزرگ در جنوب غربی چین اقدام به تشخیص و جداسازی صداها کردند. آن ها سپس با این داده های رده بندی شده اقدام به طراحی الگوریتم هایی برای شناسایی صداهای ناراحتی مرغ ها و جدا کردن آنها از صدای زمینه ای و سنجش تناوب و بلندی صداها کردند.
زمانی که بهترین الگوریتم طراحی شده روی صداهای دیگر ضبط شده و رده بندی شده در همان مرغداری به کار گرفته شد، حدود ۸۵ درصد زمان ها موفق به شناسایی صدای ناراحتی مرغ ها شد.
این ابزار هنوز در شرایط واقعی مرغداری مورد استفاده قرار نگرفته است و مک الیگوت می گوید که کارهای بیشتری باید برای شناخت ارتباط بین صداهای ناراحتی و راحتی و آسایش مرغ ها انجام شود. او می گوید که گام بعدی تا حدی روشن است و باید شرایطی برای آنها ایجاد کنیم تا اینکه کمتر صداهای ناراحتی به گوشمان برسد.
«الودی فلورین ماندل- بریفر» در دانشگاه کپنهاگ دانمارک نیز ابزار مشابهی برای ارزیابی احساسات خوک ها بر اساس صداها و حالت های چهره آن ها ساخته است. او می گوید که مطالعه انجام شده روی مرغ ها نیز شواهد بیشتری ارائه داده و حاکی از این است که احساسات (Emotions) حیوانات با استفاده از یادگیری ماشینی قابل سنجش است. از آنجا که احساسات حیوانات بخشی مهم از آسایش آن ها است، ارزیابی احساسات آنها بسیار مهم است.
- 19
- 3
