Type de document : Revue scientifique publiée dans Frontiers in Veterinary Science
Auteur : Suresh Neethirajan
Résumé en français (traduction) : Recours à l’intelligence artificielle pour évaluer les états affectifs des animaux d’élevage
Afin de promouvoir le bien-être des animaux d’élevage, il est nécessaire de pouvoir reconnaître, enregistrer et surveiller leurs états affectifs. De nombreuses études montrent que, tout comme les humains, les animaux non humains sont capables de ressentir la douleur, la peur et la joie, entre autres émotions. Alors que les tests comportementaux sur des animaux individuels pour identifier les états positifs ou négatifs constituent une tâche longue et laborieuse, l’intelligence artificielle et l’apprentissage automatique ouvrent un tout nouveau champ scientifique pour automatiser la reconnaissance des émotions chez les animaux de production. En utilisant des capteurs et en surveillant les mesures indirectes des changements dans les états affectifs, les mécanismes informatiques d’auto-apprentissage permettront une catégorisation efficace des émotions et aideront ainsi les éleveurs à réagir en conséquence. Non seulement cette possibilité sera une méthode efficace pour améliorer le bien-être des animaux, mais la détection précoce du stress et de la peur peut également améliorer la productivité et réduire le besoin d’assistance vétérinaire à la ferme. Alors que l’informatique affective fait l’objet d’une attention croissante en recherche humaine, les connaissances acquises sur les émotions humaines doivent encore être adaptées aux animaux non humains. C’est pourquoi une approche multidisciplinaire devrait être adoptée pour combiner des domaines tels que l’informatique affective, la bio-ingénierie et l’éthologie appliquée, afin de lever les obstacles théoriques et pratiques actuels qui doivent encore être surmontés.
Résumé en anglais (original) : In order to promote the welfare of farm animals, there is a need to be able to recognize, register and monitor their affective states. Numerous studies show that just like humans, non-human animals are able to feel pain, fear and joy amongst other emotions, too. While behaviorally testing individual animals to identify positive or negative states is a time and labor consuming task to complete, artificial intelligence and machine learning open up a whole new field of science to automatize emotion recognition in production animals. By using sensors and monitoring indirect measures of changes in affective states, self-learning computational mechanisms will allow an effective categorization of emotions and consequently can help farmers to respond accordingly. Not only will this possibility be an efficient method to improve animal welfare, but early detection of stress and fear can also improve productivity and reduce the need for veterinary assistance on the farm. Whereas affective computing in human research has received increasing attention, the knowledge gained on human emotions is yet to be applied to non-human animals. Therefore, a multidisciplinary approach should be taken to combine fields such as affective computing, bioengineering and applied ethology in order to address the current theoretical and practical obstacles that are yet to be overcome.
