生成型人工智能与动物福利相遇:评估GPT-4用于物情绪检测

科学领域:

• 人工智能的人工智能
• 动物行为 动物行为
• 计算机视觉 计算机视觉

背景情况:

• 了解动物情绪对于动物福利和人与动物的互动至关重要.
• 生成性AI模型为分析动物行为提供了新的可能性.
• 以前的研究已经探索了人工智能用于动物识别,但情绪分类仍然是一个正在发展的领域.

研究的目的:

• 评估GPT-4在从图像中识别和分类物情绪方面的表现.
• 为了比较GPT-4在一般物情绪分类与特定于狗的分类中的准确性.
• 分析AI对其预测的推理,并确定需要改进的领域.

主要方法:

• 该研究涉及两个阶段:一般物情绪分类和特定于狗的情绪分类.
• GPT-4被用来分析图像和分类情绪.
• 在第二阶段,为了提高准确性,采用了精细的提示和目标数据集.
• 对AI对其预测的文本理由进行了情绪分析.

主要成果:

• 在多种物种的一般物情绪分类中,GPT-4的基准准确率为50.2%.
• 准确性在狗特异性分类阶段显著增加到76.7%.
• 情绪分析表明,人工智能的理由通常与正确预测中的视觉线索保持一致.
• 模两可的案例给AI的情感识别带来了挑战.

结论:

• 生成型人工智能,特别是GPT-4,在动物情绪检测方面显示出相当大的潜力.
• 人工智能模型在这个领域的性能高度依赖于培训数据和快速工程的质量和特异性.
• 这项研究强调了定制方法的重要性,以提高动物福利应用中的AI准确性.
• 需要进一步发展,以弥合人工智能能力与动物行为和福利研究中的实际应用之间的差距.