大數據文摘出品
作者：Caleb
要說這養豬啊，最近可是發展得紅紅火火。
2019年，文摘菌就發現了一個奇奇怪怪的招聘，根據主營生豬養殖的牧原食品股份有限公司發布的校招計劃，公司針對復旦學子發起「精英管培生」引進計劃，給出的薪資標準為：本科生首年月薪20000+，碩士22000+，博士24000+。
這養豬還需要高科技人才了？
還真是這樣。
2018年，阿里就宣布，要開啟「智能養豬」計劃。每一頭豬從出生起就要被打上數字ID標籤，並圍繞此建立起品種、體重、進食情況、運動頻次、軌跡、免疫情況等資料在內的數據檔案。
農場內的攝像頭還會自動掃描這些數字ID，用來觀察記錄分析小豬的活動情況。通過計算機視覺技術，還能分析出一隻豬一天能走多少步——那些運動不夠的豬需要被趕出去繼續操練。
阿里並非獨一家把目光放到了養豬上的大廠。
今年2月，華為也宣布，將通過ICT技術幫助豬場實現智能化養豬，為豬場提供傳感器、物聯網技術及平台，以實現數字豬場。
但是，俗話說得好，你穿秋褲有兩個原因，一個是因為你覺得冷，一個是因為你媽覺得你冷。
要把豬養好，不真正了解它們的心理想法可是不行的。
於是，荷蘭瓦赫寧根大學的一位博士Suresh Neethirajan就做了這麼一件事。首先，他收集到了全世界6個農場中成千上萬頭豬的養殖數據，隨後他憑此創建了一個AI系統WUR Wolf，用於識別豬的情緒狀態。
據了解，在85%的時間內，系統的判斷都是準確的。
他希望能夠利用這個系統，更好地了解動物的感受，幫助改善他們的生活條件和生活質量。
當然，除了豬以外，這個系統對牛也是適用的。
目前，該項研究已經以論文的形式進行了發表，連結如下：
論文連結：
https://www.biorxiv.org/content/10.1101/2021.04.09.439122v1.full.pdf
從耳朵識情緒，你養的豬感受到壓力了嗎？
論文指出，該系統使用的3780張圖像，來自於235頭豬和210頭牛。
拿到視頻或圖像後，我們還需要對這些數據進行一些預處理，包括檢測面部、面部對齊，以及輸入標準化。
收集到的數據根據時間戳和RFID標籤和標記進行了標註，面部提取利用到了MIT的LabelImg代碼，用於標註不同模型邊界框的注釋是按照每個模型的標準格式進行的。
然後，我們就需要把農場動物的情緒進行分類，比如豬有6種情緒，牛有3種情緒等，再根據牛、豬的耳朵姿勢、眼白等面部特徵的相關性，將採集到的分組圖像數據集分為9類，包括放鬆、警惕、興奮等。
具體而言，如果牛的耳朵直立著，那代表著它目前可能正感到興奮，但是如果它的耳朵指向前方，那它很有可能正被沮喪等負面情緒困擾著。
與牛類似，要了解豬的情緒狀態，也可以直接從耳朵入手。比如，如果豬的耳朵在快速抽動，那表示它們可能正感到壓力，如果豬的耳朵垂懸著並朝眼睛的方向翻轉，則表明它正處於一種中性狀態（neutral state）。
在接受採訪時，Neethirajan博士說到：「有必要從單純消除消極的情緒狀態的做法，轉變為向動物提供積極的狀態，例如嬉戲的行為。」
他認為，這項技術需要數年時間才能真正在農場上實用，不過這種持續的監測所帶來的福利，可能比目前的檢查和審計系統所能帶來的還要高。
論文中寫道：「追蹤和分析動物的情緒將成為建立動物福利審核工具的一項突破。」
「動物行為領域的技術進步是提高人類對與之共享這個世界的385種動物的理解的巨大一步，但未來仍有較大的發展空間。」
從面部表情理解情緒狀況，能做到嗎？
但要準確理解動物的情緒，真的這麼簡單嗎？
去年12月，根據一篇發表於Nature的論文表示，世界不同角落的人們在面對生活中最有意義的情境時，表達情感的方式存在相當高的普遍性。
加州大學伯克利分校和谷歌的研究人員使用了一種 「深度神經網絡」 的機器學習技術，分析了上傳到YouTube上的約600萬個視頻片段中的面部表情，這些視頻來自全球各地144個國家。
同時，研究人員還創建了一個在線互動地圖，展示了該算法如何跟蹤與16種情緒相關的面部表情變化。
在把面部表情與不同世界地區的背景和場景聯繫起來後，研究人員發現，跨越地理和文化邊界的人們，在不同社會背景下使用面部表情的方式具有顯著的相似性。
無論身處世界各地，這16種面部表情都會出現在類似的情境中。
研究結果表明， 我們用來表達情緒反應的70%的表情是跨文化共享的。
但是，人類畢竟是一種複雜的生物。
如今，我們日常使用的表情包已經不能代表我們內心真正所想，那表情呢？
心理學家Jessica Tracy和Disa Sauter認為，要理解面部表情，我們需要建立一個信息豐富的情感分類系統，不能把幸福（happiness）視為單一的情感。
研究人員應該對情感類別進行分解，幸福（happiness）項下涵蓋了joy（愉悅）、pleasure（滿足）、compassion（同情）、自豪（pride）等，每種情感的表情可能不同，可能重合。
俄亥俄州立大學哥倫布分校研究面部表情的教授Aleix Martinez表示，自動情緒檢測只能揭示一類人一般的情緒反應。
例如，面向營銷機構銷售軟體Affectiva聲稱，系統接受了來自87個國家700多萬張面孔的訓練，準確率達到了90%以上。公司還標榜到，該軟體有助於預測某類客戶對一個產品或營銷活動的反應。
面部表達情緒存在差異，但當一個人某種情緒發作時，出現某些面部形態無疑會更加頻繁。然而，出於對訓練算法的數據的顧慮，以及學界尚存爭論的事實，對於這類軟體的功能性，或許我們最好保持著批判與質疑的態度。