Come percepisce un animale le proprie emozioni in un determinato momento? Sebbene gli esseri umani abbiano riconosciuto alcuni comportamenti, come il sibilo di un gatto come segnale di avvertimento, la comprensione di ciò che accade nella mente di un animale è stata limitata. Tuttavia, un ricercatore milanese ha sviluppato un modello di intelligenza artificiale capace di identificare se i richiami degli animali esprimono emozioni positive o negative. Il modello di deep learning di Stavros Ntalampiras, pubblicato su Scientific Reports, analizza i toni emotivi di sette specie di ungulati, tra cui maiali, capre e mucche, esaminando caratteristiche come altezza, intervallo di frequenza e qualità tonale.
L’analisi ha rivelato che i richiami negativi tendono a presentare frequenze medio-alte, mentre quelli positivi si distribuiscono più uniformemente. Nei suini, i richiami acuti sono particolarmente informativi, mentre nelle pecore e nei cavalli la frequenza media gioca un ruolo maggiore, suggerendo che, sebbene gli animali condividano indicatori comuni di emozione, le modalità di espressione variano tra le specie.
Questa scoperta rappresenta un significativo progresso per gli scienziati che cercano di decifrare i segnali animali, con implicazioni ampie: gli allevatori potrebbero ricevere avvisi sullo stress del bestiame, gli ambientalisti monitorare la salute emotiva delle popolazioni selvatiche e i custodi degli zoo reagire prontamente a cambiamenti nel benessere degli animali.
Tuttavia, l’emergere di questa nuova comprensione solleva questioni etiche. Se un algoritmo può identificare quando un animale è in difficoltà, quale responsabilità abbiamo nel rispondere? Inoltre, come possiamo evitare di generalizzare erroneamente i segnali emotivi tra le diverse specie?
Strumenti come quello di Ntalampiras non mirano a “tradurre” il linguaggio animale in termini umani, ma a identificare modelli comportamentali e acustici che sfuggono alla nostra percezione. Progetti simili sono in corso per le balene, dove l’organizzazione Project Ceti sta analizzando sequenze di clic per mappare significati sociali attraverso l’apprendimento automatico. Anche nei cani, i ricercatori stanno correlando espressioni facciali e vocalizzazioni agli stati emotivi, mentre un progetto presso la Dublin City University sviluppa un collare per cani da assistenza in grado di rilevare segnali di crisi epilettica.
Le api, con le loro intricate danze, sono oggetto di studio per decifrare in tempo reale i loro messaggi riguardanti la presenza di cibo. Questi sistemi promettono miglioramenti significativi nel benessere animale, come un collare che rileva lo stress in un cane da lavoro o un monitoraggio precoce della salute in una mandria.
Tuttavia, rilevare un grido di angoscia non implica comprenderne il significato. L’intelligenza artificiale può dimostrare correlazioni tra segnali, ma la classificazione delle emozioni rischia di semplificare comportamenti complessi in categorie binarie. È fondamentale sviluppare modelli che integrino dati vocali, segnali visivi e fisiologici per ottenere indicatori più affidabili dello stato d’animo degli animali, interpretati nel contesto e con l’esperienza di esperti.
Inoltre, l’uso dell’intelligenza artificiale comporta costi ecologici, e qualsiasi tecnologia deve servire il benessere degli animali piuttosto che soddisfare la curiosità umana. L’intelligenza artificiale è già qui, decodificando segnali affinati dall’evoluzione, ma la vera sfida risiede nella nostra volontà di agire in base a ciò che apprendiamo. Se utilizziamo queste informazioni solo per sfruttare o gestire gli animali in modo più rigoroso, non è la scienza a fallire, ma noi stessi.