AI-modellen ontcijferen stemming en ras van honden door blaffen

Onderzoekers hebben ontdekt dat AI-spraakherkenningsmodellen de stemming, het ras en het geslacht van een hond kunnen ontcijferen door het analyseren van blaffen.

AI en honden: een nieuwe benadering

Onderzoekers van de Universiteit van Michigan en het Nationale Instituut voor Astrofysica, Optica en Elektronica in Mexico hebben een studie gepubliceerd waarin ze aantoonden dat AI-modellen, die traditioneel zijn getraind op menselijke spraak, ook kunnen worden toegepast op hondenblaffen. Ze gebruikten het Wav2Vec2 spraakherkenningsmodel en voedden het met een dataset van blaffen en geluiden van 74 honden van verschillende rassen. Het model was in staat om akoestische gegevens van de hondengeluiden te genereren en te interpreteren om te bepalen hoe het dier zich voelde.

Resultaten en uitdagingen

Het met blaffen verrijkte Wav2Vec2-model bleek 70% nauwkeurig te zijn in het bepalen van de stemming van de hond, evenals het ras, de leeftijd en het geslacht, en presteerde beter dan andere modellen die op vergelijkbare gegevens waren getraind. "Dierlijke vocalisaties zijn logistiek veel moeilijker te verkrijgen en op te nemen," zei Artem Abzaliev, hoofdauteur van de studie. "Ze moeten passief worden opgenomen in het wild of, in het geval van huisdieren, met toestemming van de eigenaren."

Innovatieve dataverzameling

Om de benodigde gegevens te verzamelen om het model te trainen, stelden de onderzoekers honden bloot aan "verschillende stimuli", zoals herhaaldelijk aanbellen of liefdevol tegen hen praten, en namen ze de geluiden op die de honden maakten. Deze geluiden werden vervolgens in het model ingevoerd voor analyse.

Toepassingen en toekomstperspectieven

Door een model te hergebruiken dat oorspronkelijk was ontworpen om menselijke spraak te analyseren, konden de onderzoekers de data-uitdaging overwinnen. "Deze modellen kunnen de ongelooflijk complexe patronen van menselijke taal en spraak leren en coderen," zei Abzaliev. "We wilden zien of we deze vaardigheid konden benutten om hondenblaffen te onderscheiden en te interpreteren."

Rada Mihalcea, directeur van het AI-laboratorium van de Universiteit van Michigan, voegde toe: "Door spraakverwerkingsmodellen te gebruiken die aanvankelijk zijn getraind op menselijke spraak, opent ons onderzoek een nieuw venster naar hoe we kunnen benutten wat we tot nu toe hebben gebouwd in spraakverwerking om de nuances van hondenblaffen te begrijpen."

Een betere band met onze viervoetige vrienden

Het onderzoek kan biologen en diergedragsdeskundigen ten goede komen, en mensen helpen om beter te reageren op de emotionele en fysieke behoeften van honden. "Onze resultaten tonen aan dat de geluiden en patronen die zijn afgeleid van menselijke spraak kunnen dienen als basis voor het analyseren en begrijpen van de akoestische patronen van andere geluiden, zoals dierlijke vocalisaties," aldus Mihalcea.

Met deze doorbraak in AI-onderzoek kunnen we mogelijk een betere band opbouwen met onze viervoetige vrienden en hun behoeften beter begrijpen.

‍