درک زبان بدن و احساسات سگها موضوعی پیچیده و چندبعدی است که اخیراً توجه قابل توجهی از جامعه علمی را به خود جلب کرده است. تحقیقات نشان میدهد که سگها و انسانها از مکانیسمهای عصبی مشابهی از جمله نورونهای آینهای برخوردارند که در همدلی و رفتار اجتماعی نقش کلیدی دارند (۱). این نورونها هم هنگام اجرا و هم مشاهده اعمال فعال میشوند و نشاندهنده ارتباطات ذاتی در پویایی اجتماعی بین گونهها هستند، اگرچه بیان عاطفی ممکن است متفاوت باشد.
چالشهای تشخیص احساسات در سگها
تشخیص احساسات در سگها با چالشهای متعددی روبرو است که از جمله میتوان به تنوع نژادی، تفاوتهای فردی و تأثیر محیط اشاره کرد. برخلاف انسانها که تشخیص احساسات از طریق چهره به موضوعی بالغ و قابل اجرا با تکنیکهای یادگیری ماشین تبدیل شده است، در سگها این فرآیند بسیار پیچیدهتر است (۱).
تفاوتهای بین نژادهای مختلف سگ از جمله شکل سر، طول مو، بافت پوشش و نسبتهای بدن میتواند الگوریتمهای تشخیص را با مشکل مواجه کند. همچنین، وضعیت مو در زندگی واقعی (مثلاً خیس، کوتاه شده یا کثیف) ممکن است بر عملکرد الگوریتم تشخیص تأثیر بگذارد (۱).
مشکل دیگر در حاشیهنویسی دادههای سگها این است که برخلاف انسانها، سگها قادر به بیان کلامی یا نوشتاری حالت خود نیستند. بنابراین، احساسات سگها در تصاویر ثابت ذاتاً توسط انسانها درک میشود و تاکنون مجموعه دادهای فیزیولوژیکی که بتواند به طور قابل اعتمادی به احساسات سگها نگاشت شود، کشف نشده است (۱).
روشهای تشخیص احساسات سگها
-
سیستم کدگذاری عمل چهره سگ (DogFACS):
سیستم کدگذاری عمل چهره سگ (DogFACS) یک سیستم حاشیهنویسی دستی است که برای توصیف تغییرات در ظاهر چهره بر اساس حرکات عضلات زیرین صورت در سگها استفاده میشود (۱). این سیستم یک ابزار علمی مشاهدهای برای شناسایی و کدگذاری واحدهای عمل حرکات صورت در سگها ارائه میدهد و بر اساس آناتومی صورت سگها طراحی شده است.
مطالعات نشان دادهاند که تشخیص بیان چهره سگها هنوز برای تشخیص احساسات حیاتی است، اما عملکرد تشخیص احساسات را میتوان با افزودن اطلاعات وضعیتی بهبود بخشید (۱).
-
یادگیری عمیق و بینایی ماشین:
اخیراً از تکنیکهای یادگیری عمیق برای تشخیص خودکار احساسات سگها از دادههای ویدیویی استفاده شده است. یک مطالعه پیشرفته از یادگیری انتقالی برای تنظیم دقیق شبکههای مختلف استفاده کرده و نتایج را بر روی مجموعههای اصلی و تبدیل شده از فریمهای مجموعه داده Dog Clips مقایسه کرده است (۱).
این مطالعه از استراتژیهای مختلف پیشپردازش تصویر برای کاهش نویز در تشخیص سگ (مانند جعبههای محدودکننده صورت، تقسیمبندی صورت یا بدن، جداسازی سگ در پسزمینه سفید، محو کردن پسزمینه اصلی) استفاده کرده است. نتایج تجربی سیستماتیک، قابلیت سیستم را در تشخیص دقیق احساسات و شناسایی مؤثر موقعیتهای خطرناک یا نشانههای ناراحتی در حضور انسانها نشان میدهد (۱).
در مطالعه دیگری، یک سیستم برای شناسایی احساسات سگها بر اساس بیان چهره و وضعیت بدن آنها توسعه داده شد. این مطالعه از چارچوب یادگیری کنتراستی MoCo (کنتراست مومنتوم برای یادگیری بازنمایی بصری بدون نظارت) استفاده کرد تا هفت احساس اولیه پانکسپ را شناسایی کند (۲).
-
تشخیص احساسات از طریق صدا:
روش دیگری برای درک احساسات سگها، تحلیل آکوستیک پارس آنهاست. تحقیقات نشان دادهاند که انسانها میتوانند برخی احساسات سگها مانند پارس تهاجمی به غریبهها را تشخیص دهند (۳). مطالعات اخیر از تکنیکهای یادگیری ماشین مانند MFCC (ضرایب کپسترال فرکانس مل)، CNN (شبکههای عصبی کانولوشنی) و SVM (ماشین بردار پشتیبان) برای استخراج احساسات از پارس سگها استفاده کردهاند (۴).
محدودیتها و سوگیریها
سه نوع سوگیری اصلی ممکن است در مجموعه دادههای احساسات سگها رایج باشد:
- سوگیری سیستمیک: دادههای ویدیویی ممکن است سبک، تنظیم یا نژاد سگ منحصر به فردی داشته باشند که قابل تعمیم نباشد (۱).
- سوگیری آماری یا الگوریتمی: اگر سگها، نژادها، محیطها یا موقعیتهای خاصی در ویدیوها بیش از حد نمایش داده شوند، مدل ممکن است یاد بگیرد که این عوامل را با احساسات خاصی مرتبط کند (۱).
- سوگیری فعالیت یا انتخاب: توزیع غیریکنواخت احساسات. اگر برخی احساسات در دادههای آموزشی بیش از حد نمایش داده شوند یا کمتر نمایش داده شوند، مدل ممکن است یاد بگیرد که احساسات رایجتر را بیشتر پیشبینی کند (۱).
کاربردهای عملی در تشخیص احساسات سگ ها
تشخیص احساسات سگها کاربردهای متنوعی در حوزههای مختلف دارد، از توسعه دستیارهای هوشمند دارای همدلی تا بهبود عملکردهای همدلانه حیوانات خانگی رباتیک (۱). این سیستمهای هوشمند میتوانند احساسات سگها را تفسیر کنند تا به صاحبان، دامپزشکان و سازمانهای پناهگاهها یا نجات حیوانات در مورد پریشانی یا ناراحتی سگ هشدار دهند.
این فناوری همچنین میتواند به مطالعات اتیولوژیک و دستورالعملهای رفاهی کمک کند (۱). در محیطهایی که رباتهای اجتماعی و سگها همزیستی دارند، تشخیص احساسات مبتنی بر هوش مصنوعی میتواند به رباتها امکان دهد رفتار خود را بر این اساس تنظیم کنند و به موقع به انسانها هشدار دهند تا مطمئن شوند سگها تحت استرس نامناسب نیستند (۱).
تفاوتهای فرهنگی در درک احساسات سگها
تحقیقات نشان دادهاند که توانایی تشخیص احساسات سگها به محیط فرهنگی که در آن بزرگ میشویم بستگی دارد. برخی احساسات سگ مانند خشم و شادی از ابتدا و مستقل از تجربه تشخیص داده میشوند، اما توانایی تشخیص احساسات سگ عمدتاً از طریق تجربه به دست میآید (۳).
در بزرگسالان، احتمال تشخیص احساسات سگ برای شرکتکنندگانی که در محیط فرهنگی با نگرش مثبت به سگها بزرگ شدهاند بیشتر بود. این ممکن است ناشی از مواجهه منفعلانه متفاوت، علاقه یا تمایل به این گونه باشد (۳).
نتیجهگیری
درک زبان بدن و احساسات سگها حوزهای پیچیده و در حال توسعه است که ترکیبی از علوم اعصاب، یادگیری ماشین و اتیولوژی را در بر میگیرد. در حالی که پیشرفتهای قابل توجهی در توسعه سیستمهای خودکار تشخیص احساسات سگها حاصل شده است، چالشهای مهمی از جمله سوگیریهای دادهای و تفاوتهای نژادی هنوز وجود دارد.
تحقیقات نشان میدهد که ترکیب اطلاعات چهره، وضعیت بدن و صدا میتواند دقت تشخیص احساسات را بهبود بخشد. همچنین، عوامل فرهنگی و تجربی در توانایی انسانها برای درک احساسات سگها نقش مهمی ایفا میکنند.
کاربردهای عملی این فناوری از بهبود ارتباط انسان و سگ تا توسعه سیستمهای هشدار دهنده برای موقعیتهای خطرناک را شامل میشود. با ادامه تحقیقات در این زمینه، میتوان انتظار داشت که درک ما از احساسات سگها و تواناییمان برای ارتباط مؤثر با آنها به طور قابل توجهی بهبود یابد.
منابع:
- Siniscalchi, M., d’Ingeo, S., Quaranta, A., & Alworth, L. C. (2024). A deep learning approach for dog emotion recognition based on facial expression and body posture analysis.Neural Computing and Applications, ۳۶, ۱–۱۵. https://doi.org/10.1007/s00521-024-10042-3
- Bhave, A., Hafner, A., Bhave, A., & Gloor, P. A. (2024). Unsupervised Canine Emotion Recognition Using Momentum Contrast. Sensors, ۲۴(۲۲), ۷۳۲۴. https://doi.org/10.3390/s24227324
- Amici, F., Waterman, J., Kellermann, C.M. et al.The ability to recognize dog emotions depends on the cultural milieu in which we grow up. Sci Rep ۹, ۱۶۴۱۴ (۲۰۱۹). https://doi.org/10.1038/s41598-019-52938-4
- Kumar, Shovit and Ranjan, Dr. Raju, Dog’s Emotion Extraction from Bark Using Machine Learning: A Review (March 29, 2024). Available at SSRN: https://ssrn.com/abstract=4778198or http://dx.doi.org/10.2139/ssrn.4778198
