米兰研究人员开发出一种能够识别动物叫声中情绪特征的人工智能模型。该模型由斯塔夫罗斯·恩塔拉姆帕拉斯(Stavros Ntalampiras)设计，可通过分析声音特征判断有蹄类动物的积极或消极情绪状态，相关研究成果已在《科学报告》期刊发表。

这项深度学习技术能够处理猪、山羊和牛等七种有蹄动物的发声数据，通过提取音高、频率范围和音质等声学特征进行情绪分类。分析显示，负面情绪叫声多集中在中高频段，而正面情绪叫声的频率分布更为均匀。恩塔拉姆帕拉斯表示：“该工具并非用于翻译动物语言，而是检测人类难以察觉的细微声学模式。”

跨物种情绪识别研究正在多个领域取得进展。纽约研究机构“鲸鱼翻译计划”正在通过机器学习分析鲸鱼的尾音序列，试图破解其社会交流模式。都柏林城市大学的研究团队则开发了用于辅助犬的监测项圈，通过传感器识别狗狗在感知癫痫发作前的特定行为。该项目负责人表示：“该项圈使用传感器捕捉犬类行为特征，旨在提升医疗预警的及时性。”

人工智能在动物行为解读中的应用展现出广泛前景。农民可通过情绪预警系统及时了解牲畜状态，环保工作者能远程监测野生动物福利状况，动物园管理者可对动物福利变化做出快速响应。蜜蜂的“8字形”摇摆舞已被计算机视觉系统实时解码，微小的动作差异得以被量化分析。

然而该技术也引发伦理思考。研究人员指出：“情绪分类器可能将复杂行为简化为二元对立，例如将摇尾统归为积极信号，而实际可能包含压力表征。”更可靠的解决方案需整合声音、视觉及生理数据，并结合物种特异性知识进行综合判断。

目前该技术仍面临实施挑战。人工智能系统的碳成本需要评估，在生态敏感区域需权衡技术投入与保护效益。专家强调任何技术应用都应以切实提升动物福利为核心目标，而非仅满足人类好奇心。

更多信息： Stavros Ntalampiras，《动物情绪化发声的物种独立分析与识别》，《科学报告》(2025)。期刊信息： 科学报告