Anche il Politecnico in un progetto di ricerca che usa l’Intelligenza Artificiale per classificare i sentimenti del mondo animale
Il riconoscimento delle attività tramite IA è un contenitore vario ed eterogeneo. I tecnici sono arrivati a conclusioni sulle emozioni partendo dallo stile di camminata, oppure a stimare quante persone ci sono in una stanza basandosi solo su un software artificiale. Ma non è tutto. In un nuovo articolo, pubblicato da Arxiv.org, gli scienziati dell’Università dell’Illinois, del Politecnico di Milano e dell’Università della California, sono giunti a proporre un quadro statistico per identificare il comportamento di un gruppo di animali selvatici. Gli studiosi affermano che in esperimenti preliminari, l’IA mostra una migliore precisione di classificazione, rispetto a modelli tradizionali.
L’approccio dei ricercatori impiega un processo di analisi in sequenza in due fasi: in primo luogo, selezionano la “migliore” risoluzione temporale globale (la risoluzione di misurazione rispetto al tempo) per un dato corpus, e quindi codificano le relazioni sociali tra gruppi di animali estraendo topologie e componenti rilevanti per la classificazione.
Come fanno
“Comprendere il comportamento degli animali è fondamentale per rispondere alla domanda fondamentale sul perché gli animali (compresi gli umani) vivono alcune situazioni in un certo modo – recentemente, i biologi hanno iniziato a utilizzare tecnologie indossabili, come GPS, accelerometri e sensori radio, per monitorare gli animali e le loro attività. Tuttavia, i dati grezzi raccolti non sono interpretabili e devono essere elaborati per estrarre modelli comportamentali. Invece, con l’IA possiamo apprendere le relazioni tra le serie temporali non elaborate e le annotazioni comportamentali raccolte, attraverso la semplice osservazione”.
Negli esperimenti, il team ha reperito un insieme di dati pubblici su gruppi di babbuini contenenti 26 animali monitorati per 35 giorni. Definita la rete sociale basata sulla prossimità, in maniera tale che gli esemplari che passavano a due metri l’uno dall’altro erano considerati interagenti, i ricercatori hanno raggiunto una precisione di circa il 10% migliore rispetto ai metodi precedenti per definire i legami tra animali, con l’aggiunta di informazioni sociali che ha comportato un miglioramento del 7% rispetto ai risultati iniziali. “La nostra valutazione è che possiamo identificare meglio le complesse dinamiche comportamentali di gruppi di animali selvatici. Stiamo attualmente lavorando per estendere la fase di risoluzione temporale a un approccio più dinamico, che consentirà di variare i passaggi temporali, per riconoscere i componenti critici di ogni razza peculiare al mondo”.
