Mit tud az MI az állatjóllétről?
Az Edinburgh-i Egyetem webináriuma azt járta körül, hogyan segítheti a mesterséges intelligencia az állatjólléti munkát, és hol válhat félrevezetővé vagy túlzottan magabiztossá az értékelése.
A mesterséges intelligencia egyre több területen jelenik meg az állattartásban és az állatjólléti kutatásokban. Képes nagy mennyiségű adat feldolgozására, viselkedési minták felismerésére, információk rendszerezésére, sőt már arra is vannak példák, hogy videófelvételek alapján próbálják vele az állatok fájdalmát vagy jólléti állapotát értékelni.
Erről beszélt Jill MacKay, az Edinburgh-i Egyetem Royal Dick School of Veterinary Studies Animal Welfare Centre oktatója az október 1-jén megtartott, Artificial Intelligence and Animal Welfare: Opportunities and Challenges of Emerging Technologies című webináriumon. Előadásának egyik fő üzenete az volt, hogy az állatjólléti döntések alapja továbbra is az információ. A mesterséges intelligencia segíthet ennek megszerzésében és feldolgozásában, de ugyanúgy el is takarhat lényeges részleteket.
Digitális segítség
Az állatjóllét értékelése összetett feladat. Az előadásban ismertetett ötterületes modell szerint a táplálkozás, a fizikai környezet, az egészségi állapot és a viselkedési interakciók együttesen hatnak az állat mentális állapotára. Ez különösen fontos, mert végső soron nem pusztán az számít, milyen körülmények között tartják az állatot, hanem az is, hogyan éli meg ezeket a körülményeket.
A gazdaságokban ehhez állatalapú, tartástechnológiai és erőforrás-alapú mutatók egész sora használható. A mesterséges intelligencia ezeket nem helyettesíti, de kiegészítheti.
Az előadásban olyan kutatás is szerepelt, amelyben mélytanulási modellek teljesítményét hasonlították össze állatorvosi szakértőkével a szarvasmarhák fájdalomra utaló viselkedésének felismerésében.
Az MI nagy mennyiségű, több forrásban szétszórt információ feldolgozásában is előnyt jelenthet. MacKay példaként egy brit kutatást említett, amelyben MI-ügynökök segítségével nyilvánosan hozzáférhető adatokat gyűjtöttek össze és rendeztek egységes rendszerbe a brit versenyagár-állományról.
Az ilyen módszerek nagyobb állományokra vonatkozó mintázatokat is láthatóvá tehetnek, de csak akkor, ha egyértelmű, honnan származnak az adatok, hogyan dolgozták fel őket, és milyen módszertani korlátokkal kell számolni.
Az előadás egy másik kutatási irányt is bemutatott: az állatok egyedi testi jellemzői alapján létrehozott digitális „ujjlenyomatot”.
A biometrikus azonosítás segítségével az egyes állatokhoz megbízható életút-adatok kapcsolhatók. Ez az állatjólléti ellenőrzés mellett az eredetigazolást, az élelmiszerbiztonságot, a csalások visszaszorítását és az ellátási lánc nyomon követhetőségét is támogathatja.
