Onderzoek heeft aangetoond dat het mogelijk is om hondengeblaf te ontcijferen en te interpreteren. Dit opent de deur naar een dieper begrip van de behoeften en emoties van onze trouwe viervoeters.
Veel honden blaffen vaak. Maar het begrijpen van wat ze proberen te communiceren kan een uitdaging zijn. Gelukkig is er nu goed nieuws voor iedereen die nieuwsgierig is naar de gedachten van hun trouwe metgezel. Want met behulp van kunstmatige intelligentie kunnen we nu een glimp opvangen van wat er in het hoofd van onze huisdieren omgaat.
Hondengeblaf
Dat we een beter beeld krijgen van wat honden ons proberen te vertellen, kan best nuttig zijn, zo betoogt onderzoeker Rada Mihalcea. “We hebben nog veel te leren over de dieren waarmee we onze planeet delen,” zegt ze. “De vooruitgang in AI kunnen we nu gebruiken om onze kennis van dierlijke communicatie ingrijpend te verbeteren. En onze resultaten suggereren dat we niet helemaal opnieuw hoeven te beginnen.”
Gebrek aan gegevens
Dat komt omdat de onderzoekers in hun studie gebruik maakten van AI-modellen die aanvankelijk waren getraind op menselijke spraak. Dat zit zo. Eén van de grote obstakels bij het ontwikkelen van AI-modellen die dierlijke geluiden analyseren, is dat er niet genoeg openbare gegevens beschikbaar zijn. Het is veel makkelijker om menselijke spraak op te nemen en te verzamelen dan geluiden van dieren. “Het feit dat het zo’n uitdaging is om dierlijke vocalisaties op te nemen en te verzamelen, wordt voornamelijk veroorzaakt door logistieke obstakels,” legt onderzoeker Artem Abzaliev uit. “De geluiden moeten passief worden opgenomen in het wild of, in het geval van huisdieren, met toestemming van de eigenaren.”
Menselijke spraak
Het gebrek aan voldoende bruikbare gegevens heeft het ontwikkelen van effectieve technieken voor het analyseren van hondengeblaf bemoeilijkt. Maar dankzij al bestaande spraakverwerkingsmodellen die de basis vormen van moderne technologieën zoals spraakherkenning en vertaling, hebben onderzoekers dit probleem nu opgelost. Deze modellen begrijpen de nuances van menselijke spraak, inclusief toon en accent, en vertalen deze informatie naar iets begrijpelijks voor computers. Zo kunnen ze identificeren wat er gezegd wordt en door wie. “Deze modellen kunnen de enorm complexe patronen van menselijke taal en spraak leren en begrijpen,” legt Abzaliev uit. “We wilden zien of we deze mogelijkheid konden benutten om ook hondengeblaf te onderscheiden en te interpreteren.”
Studie
De onderzoekers werkten met geluidsopnames van 74 honden van diverse rassen, leeftijden en geslachten, opgenomen in verschillende situaties. Abzaliev wendde zich vervolgens tot een machine learning-model. Het team koos voor een spraakrepresentatiemodel genaamd Wav2Vec2, dat aanvankelijk was getraind op menselijke spraakgegevens. Dit model hielp de onderzoekers om akoestische gegevens van de honden te vertalen naar begrijpelijke informatie.
Succes
Het onderzoek is een succes. Zo blijkt dat Wav2Vec2 er glansrijk in slaagde om hondengeblaf in vier verschillende categorieën onder te brengen. Het model kan bijvoorbeeld onderscheiden of het geblaf van een hond speelsheid of agressie uitdrukt. Het model kan ook andere gegevens uit dierlijke vocalisaties halen, zoals de leeftijd, het ras en het geslacht van het dier. Bovendien presteerde het beter dan andere modellen die specifiek waren getraind op het analyseren van hondengeblaf, met een nauwkeurigheidspercentage tot 70 procent. “Dit is de eerste keer dat technieken die bedoeld zijn voor het begrijpen van menselijke spraak zijn toegepast om te helpen bij het interpreteren van dierlijke communicatie,” aldus Mihalcea. “En onze bevindingen laten zien dat geluiden en patronen die zijn afgeleid van menselijke spraak ook kunnen gebruikt voor het analyseren en begrijpen van dierlijke vocalisaties.”
De studie heeft belangrijke implicaties voor het welzijn van dieren. Het begrijpen van de verschillende betekenissen achter hondengeblaf kan aanzienlijk helpen bij het interpreteren en reageren op de emotionele en fysieke behoeften van honden. Hierdoor kan de zorg voor hen verbeterd worden en kunnen mogelijk gevaarlijke situaties worden voorkomen, zo besluiten de onderzoekers.