摘要：一项突破性研究表明，机器学习可以解码七种有蹄类动物的情绪，为动物福利带来革命性变革。人工智能能否帮助我们理解动物的情感？一项开创性研究表明答案是肯定的。研究人员成功训练了一种机器学习模型，能够区分七种不同有蹄类动物（包括牛、猪和野猪）的积极和消极情绪。通过分析它们发声的声学模式，该模型达到了89.49%的准确率，这是首个利用AI检测跨物种情绪效价的研究。

人工智能：动物情感的通用翻译器

哥本哈根大学生物系的研究人员成功训练了一种机器学习模型，能够通过分析七种有蹄类动物在不同情绪状态下的发声模式，区分积极和消极情绪。该模型通过分析数千个发声样本，识别出情绪效价的关键声学指标。最重要的情绪预测因素包括持续时间的变化、能量分布、基频和振幅调制。令人惊讶的是，这些模式在不同物种之间具有一定的相似性，表明情绪的基本发声表达在进化上是保守的。

“这一突破提供了坚实的证据，证明AI可以通过发声模式解码跨物种的情绪。它有可能彻底改变动物福利、畜牧业管理和保护工作，使我们能够实时监测动物的情绪。”该研究的最后作者、生物系副教授Élodie F. Briefer表示。

动物福利与保护的革命性工具

这项研究的发现具有深远的意义。基于AI的分类模型可用于开发实时监测动物情绪的自动化工具，从而改变我们在畜牧业管理、兽医护理和保护工作中的方式。Élodie F. Briefer解释道：

“了解动物如何表达情绪可以帮助我们改善它们的福祉。如果我们能及早发现压力或不适，我们可以在问题升级之前进行干预。同样重要的是，我们也可以促进积极情绪。这将是动物福利的一个重大突破。”

关键科学发现

1. 高准确率：AI模型在情绪效价分类中的总体准确率达到89.49%，展示了其区分积极和消极状态的强大能力。

2. 通用声学模式：情绪效价的关键预测因素在不同物种之间一致，表明情绪表达系统在进化上是保守的。

3. 情绪交流的新视角：这项研究为人类语言的进化起源提供了见解，并可能重塑我们对动物情绪的理解。

下一步：扩展研究并共享数据

为了支持进一步的研究，研究人员已将七种有蹄类动物的标记情绪呼叫数据库公开。

“我们希望这能成为其他科学家的资源。通过公开数据，我们希望加速研究，探索AI如何帮助我们更好地理解动物并改善它们的福利。”Briefer总结道。

未来展望

这项研究让我们离一个未来更近了一步：技术使我们能够理解并回应动物的情感——为科学、动物福利和保护工作提供了令人兴奋的新可能性。

故事来源：
哥本哈根大学 - 理学院提供的材料。注意：内容可能经过编辑以适应风格和长度。

期刊参考：
Romain A. Lefèvre, Ciara C.R. Sypherd, Élodie F. Briefer. 机器学习算法可以预测有蹄类动物发声的情绪效价。《iScience》，2025年；28（2）：111834 DOI: 10.1016/j.isci.2025.111834