به گزارش ایسنا، پنهانکاری اسبها دامپزشکان را مجبور کرده است تا به مشاهده تغییرات ظریف صورت تکیه کنند. اکنون، یک گروه تحقیقاتی چارچوبی برای توضیحپذیر کردن مدلهای هوش مصنوعی در تشخیص درد اسبها توسعه داده است. این چارچوب نشان میدهد مدل در ویدئو بر کدام بخشهای صورت اسب تمرکز میکند، سپس این الگوهای تمرکز را روی یک مدل سهبُعدی پایدار از صورت اسب ترسیم کرده و با نشانههایی که متخصصان اسبشناس بهعنوان شاخصهای مهم درد شناسایی میکنند، مقایسه میکند.
به نقل از اساف، یافتههای این پژوهش، ضمن تایید ظرفیت رو به رشد هوش مصنوعی در تشخیص درد حیوانات، پیچیدگیهای این حوزه را نیز آشکار میکند. این مطالعه که در سال ۲۰۲۶ در مجله بینالمللی بینایی رایانه منتشر شد، سیستمی به نام SHIC-XE را معرفی میکند که برای حل یک مشکل مداوم و کمتر مورد توجه در قابلیت توضیح هوش مصنوعی طراحی شده است: وقتی دوربینی یک حیوان در حال حرکت را ضبط میکند، نقشههای توجه بصری هوش مصنوعی معمولا فریم به فریم سوسو میزنند و میپرند و درک آنچه سیستم در واقع یاد میگیرد را تقریبا غیرممکن میکنند. این چارچوب با انتقال نقاط تمرکز هوش مصنوعی به یک مدل سهبعدی ثابت از صورت اسب، این مشکل را برطرف میکند؛ به گونهای که صرفنظر از زاویه یا حالت چهره اسب در ویدئو، سیستم میتواند مشاهدات خود را همواره به همان نقاط فیزیکی مشخص روی صورت اسب مرتبط کند.
شاید مهمتر از همه اینکه، پژوهشگران اقدامی نسبتا نادر در این حوزه انجام دادند: آنها الگوهای توجه هوش مصنوعی را با نمرات درد تعیینشده توسط دامپزشکان آموزشدیده مقایسه کردند. این متخصصان از ابزار استانداردی به نام «مقیاس گریم اسب» برای ارزیابی درد استفاده کرده بودند.
نتایج نشان داد میان توجه هوش مصنوعی و ارزیابی متخصصان در برخی نواحی صورت، همبستگیهای معنادار اما متوسطی وجود دارد؛ با این حال، در برخی بخشها نیز همبستگی منفی مشاهده شد. این یافتهها پرسش مهمی را مطرح میکنند: آیا سامانههای هوش مصنوعی که از نظر عملکرد قابل قبول به نظر میرسند، واقعا برای شناسایی درد از همان نشانههایی استفاده میکنند که متخصصان دامپزشکی در نظر میگیرند؟
چرا تشخیص درد اسب دشوار است؟
ارزیابی درد در دامپزشکی مدتهاست تا حد زیادی به مشاهده و قضاوت …
