Nem minden az, aminek látszik
A generatív mesterséges intelligencia új típusú problémát is hoz az állatjóllét területére.
A látvány ettől még lehet rendkívül életszerű, miközben az állat testtartása, mozgása vagy viselkedése nem feltétlenül felel meg annak, ami a valóságban várható lenne.
MacKay és Louise Connelly 2026-ban megjelent tanulmánya éppen erre hívta fel a figyelmet. Egy generatív videórendszer állatos bemutatófelvételeit vizsgálva több biológiai és viselkedési szempontból problémás részletet találtak.
A veszély nem csupán abban rejlik, hogy ezek a jelenetek pontatlanok, ha egyre több hasonló tartalom kerül a nézők elé, az idővel azt is befolyásolhatja, mit tartanak természetes vagy elfogadható viselkedésnek egy adott állatfajnál.
A webináriumon egy másik vizsgálat eredményeit is bemutatták. Húsz állatjólléti szakértő hat, mesterséges intelligenciával generált videót értékelt: két-két macskás, kutyás és nyulas jelenetet, fajonként egy kedvező és egy kedvezőtlen jólléti helyzettel. A szakértők érzékelték a különbséget a két csoport között, de az ötterületes modell szempontjai közül csak a fizikai környezet és a mentális állapot mutatott egyértelmű eltérést.
Ezután ugyanezeket a helyzeteket generatív MI-rendszerekkel is értékeltették. Az eltérés feltűnő volt, a mesterséges intelligencia a kedvező jeleneteket jóval pozitívabbnak ítélte, mint az emberi szakértők, és még a kedvezőtlen helyzeteknek is magasabb pontszámot adott.
Az állat tapasztalata a mérvadó
Jill MacKay szerint ezért az MI állatjólléti alkalmazásakor nem az a legfontosabb kérdés, hogy a technológia önmagában jó vagy rossz, hanem az, hogy mire használják, és közben milyen információk veszhetnek el.
Az előadás végén három alapelvet emelt ki. Az első a kockázatok felismerése: minden alkalmazásnál érdemes feltenni a kérdést, elfogadható-e, ha az MI bizonyos információkat nem vesz észre vagy figyelmen kívül hagy. A második az átláthatóság. Egyértelműen jelezni kell, ha mesterséges intelligenciát használtak, és lehetőség szerint azt is dokumentálni kell, milyen modell dolgozott, mikor és milyen utasítások alapján. A harmadik alapelv magáról az állatról szól.
Egy algoritmus képes adatok feldolgozására, képek osztályozására vagy viselkedési minták felismerésére, de ebből még nem tudhatja, hogyan éli meg az állat az adott helyzetet.
MacKay ezért azzal zárta előadását, hogy a mesterséges intelligencia nem képes megmondani, mit érez egy állat. Ehhez továbbra is az állatok viselkedését, egészségi állapotát és az általuk adott válaszokat kell figyelni – vagyis végső soron magukat az állatokat kell „megkérdezni”.
