Как ИИ оценивает потенциал щенков?
В исследовании использовались данные двух крупных организаций — Canine Companions и The Seeing Eye, которые готовят собак-помощников для людей с ограниченными возможностями, а также служебных собак. Ученые применили шесть моделей ИИ, включая метод опорных векторов (SVM) и нейросети, чтобы проанализировать поведение щенков в 6 и 12 месяцев.
Ключевым инструментом стал опросник C-BARQ, оценивающий поведенческие черты собак, такие как агрессия, послушание и реакция на раздражители. Оказалось, что алгоритмы, анализирующие данные 12-месячных щенков, справляются лучше — точность прогноза достигла 80% для служебных собак и 71% для собак-поводырей.
Почему ИИ точнее людей?
Традиционные методы отбора опираются на опыт тренеров и субъективные оценки, но даже профессионалы ошибаются: от 50 до 70% собак отсеиваются из-за поведенческих проблем. ИИ же выявляет закономерности, незаметные для человека, и делает прогнозы на основе объективных данных. Например, одна из моделей — SVM — не только точно предсказывала успех, но и демонстрировала высокую уверенность в своих решениях (до 80%).
Ранний отбор экономит ресурсы
Подготовка одной служебной собаки обходится в 40–75 тыс. долларов, говорится в публикации, а значит, ошибки в отборе ведут к огромным потерям. ИИ позволяет выявлять перспективных щенков уже в 6 месяцев, хотя прогнозы на этом этапе менее точны (75% против 80% для 12-месячных). Тем не менее даже такие результаты помогают организациям оптимизировать ресурсы и сосредоточиться на самых перспективных кандидатах.
Будущее за автоматизацией отбора
Исследование подтвердило, что машинное обучение (особенно SVM) превосходит нейросети в анализе структурированных данных, таких как C-BARQ. В будущем алгоритмы могут быть дополнены генетическими и когнитивными тестами для еще более точных прогнозов. Это не только сократит расходы, но и ускорит подготовку собак-помощников для тех, кто в них нуждается.