当前的人工智能可以解决更狭窄的任务

给定标记的录音,模型可以检测发声或对一组有限的集合上下文进行分类。较新的研究还考察了个体身份和声音变异性。结果取决于数据集大小、类别定义以及评估是否包括不熟悉的猫和家庭。

语义基础事实缺失

对于人工翻译,可以根据双语说话者或对齐的文本检查含义。猫无法确认一句话。因此,研究人员根据背景或可观察的结果进行验证——有用的代理,但与私人意图并不相同。

更好的系统将是多模式和纵向的

视频、音频、环境、个人基线以及接下来发生的事情可以减少歧义。 CatMind AI 已经使用了这种证据意识方向,同时避免了直译声明。进步可能会提高概率;负责任的系统仍然需要一个“不明确”的选项。

来源和进一步阅读

  1. 自动分类不同环境下猫发出的声音
  2. 喵喵声是可变的,并且编码的个人信息比咕噜声少
  3. PMTNet:无约束视频中的猫行为识别

来源支持此页面上的一般信息。 CatMind AI是一种观察工具,而不是兽医诊断服务。

继续探索

主题: 浏览 Meowmatics:声音、情境和人工智能

想了解你自己的猫的行为吗?

上传一段自然的短视频。 CatMind AI 将可见的姿势、运动和声音组织成证据感知的观察结果,同时保持上下文和不确定性清晰。它不诊断健康状况。

开始视频分析