Искусственный интеллект научили сканировать лица животных на предмет признаков стресса и боли, и теперь он справляется получше людей. Справится ли он в будущем с более сложными эмоциями?

Шесть часов утра, дождь. Где-то на юго-востоке Англии просыпаются сотни бело-розовых свиноматок и спешат на завтрак. Толкаясь, фыркая и пуская слюни, они нетерпеливо рысят к десяткам кормушек.

Но прежде, чем получить еду, им нужно сфотографироваться.

Когда каждая свинья протискивается в свою кормушку, и крошечная камера делает её снимок. Менее чем за 1 секунду система искусственного интеллекта идентифицирует свинку только по ее морде, ушам, глазам и некоторым другим чертам. Вооружившись этой информацией, ИИ заказывает индивидуальную еду, которую нужно отправить в кормушку.

Тем временем система продолжает анализировать фотографию, выискивая в выражении морды признаки того, что свинка испытывает боль, болеет или чем-то расстроена. Если ИИ что-то находит, то немедленно отправляет предупреждение фермеру — парню, который наслаждается утренним кофе в соседней комнате.

Эти голодные свиньи — ничего не подозревающие бета-тестеры системы Intellipig,  которую разрабатывают ученые из Университета Западной Англии в Бристоле (UWE) и Шотландского сельского колледжа (SRUC). Целью проекта является решение фундаментальной проблемы в области защиты животных: мы, Homo sapiens, просто не в состоянии полностью понимать, что чувствуют животные.

Команда Intellipig не одинока. Ученые по всему миру обращаются к ИИ, чтобы расшифровать выражения морд животных, от овец до лошадей и кошек. Некоторые уже разработали алгоритмы, которые быстрее и точнее распознают признаки боли и стресса, чем самые внимательные и опытные люди.

Эти инструменты могут открыть новую эру заботы о животных, которая ставит их здоровье, благополучие и защиту на первое место. Уже есть предпосылки к тому, что в будущем ИИ может даже превзойти людей в интерпретации ряда более сложных эмоций, таких как счастье, спокойствие, разочарование или страх — чувств, которые важно понимать, если люди хотят обеспечить своим питомцам лучшую жизнь.

При этом исследователи поведения животных стараются не слишком доверять машинам, особенно когда на карту поставлено благополучие братьев наших меньших.

Ученым давно известно, что, как и мы, животные передают свои чувства выражением лица. ещё Чарльз Дарвин в своей работе “О выражении эмоций у человека и животных”, опубликованной в 1872 году, предположил, что выражения лица являются своего рода «общим языком» среди млекопитающих, способностью, которая, должно быть, развилась глубоко в нашей эволюционной истории.

Его теория в основном основывалась на анатомии. Млекопитающие, включая людей, имеют много общих лицевых мышц, цель которых — создавать выражения лица. Например, мы разделяем 38% наших лицевых движений с собаками, 34% с кошками и целых 47% с приматами и лошадьми.

Тем не менее, анатомические сходства не означают, что мы можем читать лица животных так же легко, как и лица людей. Поэтому исследователи, изучающие коммуникацию животных, часто делают выводы о чувствах животных, исходя из контекста.

Боль — самый очевидный пример: лошадь, которую только что кастрировали, или хромая овца с вонючей красноватой гнилью на копытах, несомненно, чувствуют боль. В процессе исследований люди могут намеренно причинять некий дискомфорт животным и делать наблюдения: например, туго затягивать манжету для измерения кровяного давления вокруг ноги или наносить на кожу немного острого чили. С другой стороны, если дать животному обезболивающие, оно обычно чувствует себя лучше.

Также легко вызвать небольшой стресс у многих видов животных, таких как лошади и кошки, взяв их в короткую поездку или разлучив с друзьями на несколько минут. Чтобы изучить стресс у молодых свиноматок, учёные просто приводят в вольер более старых особей, которые проявляют доминантное поведение и запугивают юных товарок. Тревожное поведение, такое как крики и дефекация, а также резкое повышение уровня гормона стресса кортизола могут подтвердить, что животное находится в состоянии стресса.

Ученые проводили тысячи часов, сидя перед стойлами и клетками, наблюдая за мордами животных в этих болезненных или стрессовых ситуациях, а затем сравнивали их с животными, которые, скорее всего, не испытывали боли или стресса. В результате они разработали «шкалы гримас» для различных видов, которые позволяют измерить, насколько сильную боль или стресс испытывает животное, основываясь на движениях его лицевых мышц.

Например, лошадь, которая выворачивает уши наружу, формируя «морщины беспокойства» над глазами, с большей вероятностью испытывает боль, чем та лошадь, которая держит и уши, и глаза расслабленными. Подобными движениями ушей и морщинами лошади реагируют и на стресс, но с небольшими различиями, такими как показ языка.

Таким образом эксперты научились вручную кодировать мимику животных, что позволит - теоретически - оценивать их благополучие. Но это невероятно утомительная работа. Людям-кодировщикам требуется в среднем 100 секунд, чтобы идентифицировать различные мышцы лица и закодировать их положения на одном изображении. Для 30-секундного видео потребуется 2–3 часа.

В то же время ИИ может выполнить аналогичную задачу практически мгновенно, но сначала его нужно обучить.

Анна Замански начала с разработки программного обеспечения для распознавания собачьих морд, чтобы помочь людям найти своих потерянных питомцев. Владельцы загружают фотографию своей собаки в приложение, которое сканирует её на предмет совпадений в базе данных изображений бродячих животных, предоставленных неравнодушными гражданами. 

Совсем недавно её команда обратилась к более сложной задаче: использовать ИИ для определения едва заметных признаков дискомфорта на мордах животных. Во-первых, система ИИ должна научиться определять части лица, имеющие решающее значение для формирования выражений лица. Сюда входит ручная маркировка важных «ориентиров», связанных с движениями мышц — например, верхней и нижней части глаза или боковых сторон ноздрей — на бесчисленных фотографиях животных и преобразование изображений в массу цифровых точек. В ходе работы исследователи и волонтеры обработали «тысячи и тысячи» морд различных видов, включая кошек, собак, лошадей и приматов.

Затем ученые могут загрузить в свой ИИ множество фотографий с ориентирами, чтобы научить его самостоятельно находить их на новых изображениях. Например, в новаторской работе 2016 года Питер Робинсон, ученый-компьютерщик из Кембриджского университета, и его команда, основываясь на исследовании, анализирующем человеческие лица, разработали инструмент, который автоматически находит рот, глаза и ушные раковины на мордах овец. Год спустя ученые из Калифорнийского университета в Дэвисе создали программу, которая автоматически размещает ориентиры на мордах лошадей и овец, как только они преобразуются в более человеческую форму.

Искусственный интеллект Мартвела теперь настолько хорош в автоматическом определении ориентиров, что даже может вычислить, где размещать точки на лицах, которые полностью не видны, — например, когда собака зарывается носом в миску с едой или кошка выглядывает из-за дивана.

После того, как Ии определит ориентиры, он может идентифицировать определенные выражения лица, анализируя расстояния между этими ориентирами. Например, кошка расширяет и напрягает морду (то есть расстояние между двумя точками по краям рта увеличивается) — это признак того, что она может испытывать боль. Сравнивая эти выражения со шкалами гримас, которые уже создали исследователи, ИИ может искать явные признаки боли или стресса.

Выражения боли

Ученые оценивают уровень боли у животных, наблюдая за характерными движениями мышц вокруг глаз, ушей и других черт лица. Системы искусственного интеллекта (ИИ) делают практически то же самое, измеряя расстояние между «ориентирами» на лице (обозначены оранжевыми и бирюзовыми точками).

Незначительные изменения

Системы ИИ становятся быстрее и точнее людей в определении того, испытывает ли животное боль. Это отчасти связано с тем, что они могут распознавать мельчайшие движения мышц и находить новые индикаторы боли, о которых люди даже не догадываются.

Результатом всего этого кропотливого обучения стали системы ИИ, которые могут диагностировать проблемы благополучия с впечатляющей точностью. Например, ИИ Робинсона успешно выбрал несколько овец в стаде, которые страдали от копытной гнили или мастита. А в 2023 году Замански и ее студент Марсело Файхельштейн обнаружили, что их ИИ на 77% точнее определял, испытывает ли кошка боль.

Несмотря на свою эффективность, эти инструменты все еще не могут обходиться без участия людей. Поэтому в последнее время исследователи стараются делать их более автономными. Вместо того чтобы обучать компьютерные системы искать предопределенные выражения боли или стресса, некоторые ученые просто предоставляют моделям ИИ изображения животных в разных ситуациях и позволяют им самостоятельно замечать характерные признаки с помощью глубокого обучения.

Именно такой подход использует Габриэль Ленсиони, ветеринар и аспирант по поведению и благополучию лошадей в Университете Сан-Паулу. В недавней работе он предоставил своей системе искусственного интеллекта фотографии морд лошадей до и после операции, а затем до и после регулярного приема обезболивающих, поручив машине сосредоточиться конкретно на различиях в ушах, глазах и рту. После обучения на 3000 изображениях «ИИ научился сам по себе» и, в конечном итоге, смог правильно диагностировать, испытывает ли животное боль в 88% случаев. 

Хирург Швецкого университета Андерсен и исследователь компьютерного зрения София Бруме, которая сейчас работает в Sleip AI, разработали аналогичный инструмент, обученный на видео лошадей, а не на изображениях. В ходе испытаний ИИ не только распознавал признаки боли, которые пропустили ветеринары, но и правильно выделял животных, не испытывающих боли, в то время, как эксперты считали, что они испытывают боль.

Система Intellipig, которая проходит испытания на британских умных фермах, также использует глубокое обучение. ИИ не только превосходит людей в распознавании отдельных свиней с точностью 97% , но и прекрасно показал себя в определении стресса по чертам лица.

В начале этого года группа Замански опубликовала результаты, показывающие, что свободный ИИ стабильно лучше определяет боль у овец, чем даже высококвалифицированные ветеринары и эксперты по поведению. Алгоритм правильно определил, что овца перенесла болезненную операцию, в 82% случаев; четыре высококвалифицированных человека, которым показали морды овец, сделали это правильно только в 70% случаев.

Тем не менее, Замански предупреждает, что компьютер, который самостоятельно решает, что искать на изображениях, может ухватиться за неправильные элементы. Классический пример — часы на заднем плане. Представьте, например, что в 10 утра исследователи делают фотографии довольных животных, а в 5 вечера снимают животных в болезненном состоянии. Если машина фиксировала не морды животных, а циферблат часов, то, увидев на часах 10 утра, она будет сообщать, что животное счастливо, даже если это не так. 

Исследователей огорчает отсутствие понимания того, как на самом деле ИИ принимает решения. Студентка Замански, Тали Шитрит,  посвятила свою диссертацию выяснению того, что именно ИИ ищет в лицах животных. Она использовала инструмент под названием Grad-weighted Class Activation Mapping, или GradCAM, который создает тепловые карты, показывающие, на каких областях лица фокусируется ИИ при принятии решений.

Пока что она обнаружила, что машина обычно считает область глаз наиболее информативной, по всем наборам данных и видам. Однако, согласно работе, проделанной с ветеринаром Хольгером Фольком в Университете ветеринарной медицины Ганновера, у кошек карты наиболее горячие вокруг носа и рта.

Несмотря на все трудности, исследователи продвигаются дальше, стремясь к созданию систем, способных считывать более сложные эмоции, чем стресс и боль. А именно те, которые больше похожи на человеческие переживания радости, гнева или горя.

Бриттани Флоркевич, эволюционный психолог из колледжа Лион, видела более чем достаточно видео с кошками. Она и ее команда провели сотни часов, просматривая записи игр и драк кошек в кошачьем кафе в Лос-Анджелесе, тщательно кодируя каждую деталь выражений морд животных, одновременно выискивая в их поведении признаки того, что они, по сути, «счастливы» — или нет.

Работа показала, что кошки демонстрируют целых 276 различных выражений лица. Теперь Флоркевич объединилась с Мартвелом и Замански, чтобы применить ИИ к своим данным. Технология уже показала, что эти коты из кафе склонны тонко имитировать выражения лиц друг друга — часто в качестве приглашения к общению посредством вылизывания или игривой возни.

В похожей работе команда Замански обучила свой ИИ на фотографиях лабрадоров-ретриверов, которые либо с нетерпением ждали угощения, либо видели его, но не могли дотянуться. ИИ смог успешно определить, была ли собака «счастлива» или «расстроена» в 89% случаев. Он был столь же успешен в определении «счастливых» и «расстроенных» лошадей. В том же эксперименте некоторых лошадей снимали на видео, когда те обнаруживали, что ожидаемого угощения всё-таки нет. Исследователи обнаружили, что ИИ смог правильно классифицировать лошадь как «расстроенную» или «разочарованную» в 61% случаев. Не сказать, что это грандиозный показатель, но всё же цифра указывает на то, что выбор не был случайным.  

Чтобы развить успех, Мартвел и Замански теперь создают базы данных морд собак, кошек, лошадей и приматов в разных эмоциональных состояниях. Команда прочесывает интернет в поисках фотографий, где владельцы предоставили четкое описание контекста — и, следовательно, вероятных эмоций животных. Прогоняя фотографии через ИИ, они надеются расшифровать отдельные выражения лиц, которые животное демонстрирует в каждом уникальном эмоциональном сценарии.

В будущем учёные хотели бы получить «считыватель лиц собак», который бы выявлял основные эмоциональные состояния, такие как счастье, грусть и стресс. Сейчас это особенно сложно для ИИ из-за разнообразия форм лиц и ушей у разных пород собак.

Ещё одна из проблем — сбор данных для обучения. ChatGPT обучали на объеме литературы, который равен примерно половине всей университетской библиотеки в Кембридже, где содержатся копии всех книг, когда-либо изданных в Великобритании. Однако, как оказалось, в Интернете не так уж много фотографий собак, кошек и овец. По крайней мере, таких, на которых было бы ясно, что чувствуют животные.

Кроме того, выражения лица не могут дать полное представление о животном. Чтобы исследовать эмоции, ИИ должен смотреть не только на морду, но и на такие факторы, как виляние хвостом или сгорбленную поза. Например, система ИИ инженера-агронома Суреша Нитираджана из Университета Далхаузи анализирует даже тепловыделение тела — важный показатель для кур и других видов, которые имеют ограниченную мимику.

Несмотря на эти ограничения, лицевой ИИ уже предлагает отличные возможности. Команда Замански собирается выпустить приложение на основе ИИ, которое позволит владельцам кошек сканировать лица своих питомцев в течение 30 секунд и немедленно получать легко читаемые сообщения, такие как «Обнаружено значительное напряжение вокруг рта; уровень боли умеренный».

Исследователи из Нидерландов разработали похожее приложение, которое сканирует морды и тела лошадей в состоянии покоя, чтобы оценить уровень их боли. В конечном итоге ИИ можно будет использовать во время конных соревнований, чтобы вознаграждать наездников, у которых лошади счастливы и чувствуют себя комфортно, а также улучшать благополучие и справедливость в спорте.

Лаборатории и приюты для животных могли бы использовать ИИ для мониторинга боли и эмоционального состояния животных. А « умные фермы » — вроде тех, что проходят испытания в английской сельской местности — обещают предоставлять животным индивидуальный уход посредством ежедневного мониторинга. В конечном итоге ИИ-помощники могли бы помочь фермерам обеспечить свиньям не только жизнь без стресса, но и полную счастья.