به گزارش گروه علم و آموزش ایرنا از «نیوساینتیست»، یک مدل یادگیری عمقی (deep learning) می‌تواند با تشخیص ناراحتی مرغ‌ها از طریق بررسی صداهای ضبط شده شرایطی برای بهبود عملکرد مرغداری‌ها فراهم سازد.
یک سامانه هوش مصنوعی برای شناسایی و ارزیابی صدای ناراحتی مرغ‌ها طراحی شده که مرغدارها می‌توانند از این سامانه برای بهبود شرایط نگهداری و افزایش بهره‌وری در مرغداری‌های تجاری پرازدحام استفاده کنند.
هوش مصنوعی (Artificial intelligence) که به طور مخفف آن را AI نیز می‌نامند، در واقع تکنولوژی است که به نحوی قابلیت تفکر دارد. البته این قابلیت تفکر با چیزی که ما به عنوان تفکر انسانی می‌شناسیم تا حد زیادی تفاوت دارد، اما در حقیقت سعی دارد تا از آن تقلید کند.
هوش مصنوعی در واقع شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشین‌های هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. هوش مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای رایانه است و منظور از هوش مصنوعی، ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که همانند ذهن انسان عمل می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.
تا سال ۲۰۲۰ طبق برآورد سازمان خواروبار و کشاورزی ملل متحد (FAO) بیش از ۳۳ میلیارد قطع مرغ در جهان بوده است که بسیاری از این مرغ‌ها در شرایط بد و نامناسب نگهداری می‌شدند و در سالن‌های پرازدحام توانایی تحرک را نداشتند.
«آلن مک‌الیگوت» از دانشگاه هنگ‌کنگ می‌گوید: با وجود نگرانی‌های اصلی درباره گرسنه و تشنه نبودن مرغ‌ها اما همچنان نگرانی‌های جدی رفاهی درباره چگونگی پرورش آنها وجود دارد. تحقیقات مک‌الیگوت حاکی است که تناوب و بلندی صدای ناراحتی مرغ و جوجه‌ها می‌تواند وضعیت سلامتی و میزان رشد آنها را پیش‌بینی کند اما زمانی که هزاران مرغ و جوجه در کنار هم قرار می‌گیرند، شناسایی و تفسیر این صداها دشوار خواهد بود.
این پژوهشگر و همکاران او با گوش دادن به صداهای ضبط شده در مرغداری‌های بزرگ در جنوب غربی چین اقدام به تشخیص و جداسازی صداها کردند. آنها سپس با این داده‌های رده‌بندی شده اقدام به طراحی الگوریتم‌هایی برای شناسایی صداهای ناراحتی مرغ‌ها و جدا کردن آنها از صدای زمینه‌ای و سنجش تناوب و بلندی صداها کردند.
زمانی که بهترین الگوریتم طراحی شده روی صداهای دیگر ضبط شده و رده‌بندی شده در همان مرغداری به کار گرفته شد، حدود ۸۵ درصد زمان‌ها موفق به شناسایی صدای ناراحتی مرغ‌ها شد.
این ابزار هنوز در شرایط واقعی مرغداری مورد استفاده قرار نگرفته است و مک‌الیگوت می‌گوید که کارهای بیشتری باید برای شناخت ارتباط بین صداهای ناراحتی و راحتی و آسایش مرغ‌ها انجام شود. او می‌گوید که گام بعدی تا حدی روشن است و باید شرایطی برای آنها ایجاد کنیم تا اینکه کمتر صداهای ناراحتی به گوشمان برسد.
«الودی فلورین ماندل- بریفر» در دانشگاه کپنهاگ دانمارک نیز ابزار مشابهی برای ارزیابی احساسات خوک‌ها بر اساس صداها و حالت‌های چهره آنها ساخته است. او می‌گوید که مطالعه انجام شده روی مرغ‌ها نیز شواهد بیشتری ارائه داده و حاکی از این است که احساسات حیوانات با استفاده از یادگیری ماشینی قابل سنجش است. از آنجا که احساسات حیوانات بخشی مهم از آسایش آنها است، ارزیابی احساسات آنها بسیار مهم است.