转载：本文来自微信公众号“大数据文摘”（ID:BigDataDigest），作者：Caleb，转载经授权发布。
要讲呢养猪啊，最近衹唔过发展得红红火火。
2019年，文摘菌就发现一个奇奇怪怪嘅招聘，根据主营生猪养殖嘅牧原食品股份有限公司发布嘅校招计划，公司针对复旦学子发起“精英管培生”引进计划，畀出嘅薪资标准为：本科生首年月薪20000+，硕士22000+，博士24000+。
这养猪仲系要要高科技人才？
还真是咁样。
2018年，阿里就宣布，要开启“智能养猪”计划。每一头猪从出生起就要被打上数字ID标签，并围绕此建立起品种、体重、进食情况、运动频次、轨迹、免疫情况等资料喺内嘅数据档案。
农场内嘅摄像头还会自动扫描呢啲数字ID，用来观察记录分析小猪嘅活动情况。通过计算机视觉技术，仲可以分析出一只猪一日能走几多步——嗰啲运动唔够嘅猪需要被赶出去继续操练。
阿里并非独一家将目光放到养猪上嘅大厂。
今年2月，华为也宣布，将通过ICT技术帮助猪场实现智能化养猪，为猪场提供传感器、物联网技术及平台，以实现数字猪场。
但是，俗话说得好，你穿秋裤有两个原因，一个是因为你觉得冷，一个是因为你妈觉得你冷。
要将猪养好，唔真正认识佢们嘅心理想法衹唔过唔行嘅。
于是，荷兰瓦赫宁根大学嘅一位博士Suresh Neethirajan就做咁一件事。首先，他收集到全世界6个农场中成千上万头猪嘅养殖数据，随后他凭此创建一个AI系统WUR Wolf，用于识别猪嘅情绪状态。
据认识，喺85%嘅时间内，系统嘅判断都系准确嘅。
他希望能够利用呢个系统，更好地认识动物嘅感受，帮助改善佢哋嘅生活条件和生活质量。
当然，除咗猪以外，呢个系统对牛都系适用嘅。
目前，该项研究已经以论文嘅形式进行发表，链接如下：
论文链接：
从耳朵识情绪，你养嘅猪感受到压力吗？
论文指出，该系统使用嘅3780张图像，来自于235头猪和210头牛。
拿到视频或图像后，我哋仲系要要对呢啲数据进行一啲预处理，包括检测面部、面部对齐，以及输入标准化。
收集到嘅数据根据时间戳和RFID标签和标记进行标注，面部提取利用到MIT嘅LabelImg代码，用于标注唔同模型边界框嘅注释是按照每个模型嘅标准格式进行嘅。
然后，我哋就需要将农场动物嘅情绪进行分类，比如猪有6种情绪，牛有3种情绪等，再根据牛、猪嘅耳朵姿势、眼白等面部特征嘅相关性，将采集到嘅分组图像数据集分为9类，包括放松、警惕、兴奋等。
具体而言，如果牛嘅耳朵直立住，噉代表住佢目前可能正感到兴奋，但是如果佢嘅耳朵指向前方，噉佢好有可能正被沮丧等负面情绪困扰住。
同牛类似，要认识猪嘅情绪状态，也可以直接从耳朵入手。比如，如果猪嘅耳朵喺快速抽动，噉表示佢们可能正感到压力，如果猪嘅耳朵垂悬住并朝眼睛嘅方向翻转，则表明佢正处于一种中性状态（neutral state）。
喺接受采访时，Neethirajan博士讲到：“有必要从单纯消除消极嘅情绪状态嘅做法，转变为向动物提供积极嘅状态，例如嬉戏嘅行为。”
佢认为，呢项技术需要几年时间才能真正喺度农场上实用，唔过呢种持续嘅监测所带来嘅福利，可能比目前嘅检查和审计系统所能带来嘅还要高。
论文中写道：“追踪和分析动物嘅情绪将成为建立动物福利审核工具嘅一项突破。”
“动物行为领域嘅技术进步是提高人类对同之共享呢个世界嘅385种动物嘅理解嘅巨大一步，但未来仍有较大嘅发展空间。”
从面部表情理解情绪状况，能做到吗？
但要准确理解动物嘅情绪，真嘅咁简单吗？
上年12月，根据一篇发表于Nature嘅论文表示，世界唔同角落嘅人喺面对生活中最有意义嘅情境时，表达情感嘅方式存喺相当高嘅普遍性。
加州大学伯克利分校和谷歌嘅研究人员使用一种 “深度神经网络” 嘅机器学习技术，分析上传到YouTube上嘅约600万个视频片段中嘅面部表情，呢啲视频来自全球各地144个国家。
同时，研究人员还创建一个喺线互动地图，展示该算法点样跟踪同16种情绪相关嘅面部表情变化。
喺将面部表情同唔同世界地区嘅背景和场景联系起来后，研究人员发现，跨越地理和文化边界嘅人，喺唔同社会背景下使用面部表情嘅方式具有显著嘅相似性。
无论身处世界各地，呢16种面部表情都会出而家类似嘅情境中。
研究结果表明， 我哋用来表达情绪反应嘅70%嘅表情是跨文化共享嘅。
但是，人类毕竟系一种复杂嘅生物。
而家，我哋日常使用嘅表情包已经唔可以代表我哋内心真正所想，噉表情呢？
心理学家Jessica Tracy和Disa Sauter认为，要理解面部表情，我哋需要建立一个信息丰富嘅情感分类系统，唔可以将幸福（happiness）视为单一嘅情感。
研究人员应该对情感类别进行分解，幸福（happiness）项下涵盖joy（愉悦）、pleasure（满足）、compassion（同情）、自豪（pride）等，每种情感嘅表情可能唔同，可能重合。
俄亥俄州立大学哥伦布分校研究面部表情嘅教授Aleix Martinez表示，自动情绪检测只能揭示一类人一般嘅情绪反应。
例如，面向营销机构销售软件Affectiva声话，系统接受来自87个国家700多万张面孔嘅训练，准确率达到90%以上。公司还标榜到，该软件有助于预测某类客户对一个产品或营销活动嘅反应。
面部表达情绪存喺差异，但当一个人某种情绪发作时，出现某啲面部形态无疑会更加频繁。但係，出于对训练算法嘅数据嘅顾虑，以及学界尚存争论嘅事实，对于呢类软件嘅功能性，或者我哋最好保持住批判同质疑嘅态度。
cantonese.live 足跡 粵字翻譯
2021-04-28 19:35:20
请登录之后再进行评论