📄 animal behavior and cognition

Pig vocalizations contain shared acoustic structure for humans and machines, but limited evidence for presumed affective valence

Este estudio demuestra que, si bien los humanos y los modelos de aprendizaje automático pueden identificar de manera fiable estructuras acústicas compartidas en las vocalizaciones de los cerdos, los juicios perceptivos humanos sobre la valencia emocional solo se alinean con los estados afectivos presuntos en contextos altamente aversivos, lo que sugiere una distincción crítica entre los patrones acústicos recuperables y su interpretación biológica en la investigación del bienestar animal.

Autores originales: Gorssen, W., Sleurs, B., Winters, C.

Publicado 2026-07-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Gorssen, W., Sleurs, B., Winters, C.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que estás en una fiesta donde no puedes ver a los invitados, solo puedes oír sus voces. Escuchas una mezcla de gritos, risitas, gruñidos y lamentos. Tu trabajo es clasificar estas voces en grupos basándote en cómo suenan, sin saber quién las emite ni qué está pasando alrededor.

Esto es exactamente lo que los investigadores de este artículo pidieron a los humanos que hicieran con sonidos de cerdos. Querían ver si las personas podían deducir de forma natural si un cerdo estaba feliz, triste, enojado o con dolor solo con escuchar una grabación, y si las computadoras (IA) podían hacer lo mismo.

Aquí está la historia de lo que encontraron, desglosada de forma sencilla:

1. La configuración: Dos formas diferentes de escuchar

Los investigadores realizaron dos "fiestas de escucha" (estudios) diferentes:

La Fiesta de Formato Libre (Ola 1): Se les dio a las personas un montón de sonidos de cerdos y se les dijo: "Clasifiquen estos sonidos en los grupos que quieran y denle a los grupos sus propios nombres". Sin reglas, sin respuestas correctas o incorrectas.
La Fiesta de Opción Múltiple (Ola 2): Un nuevo grupo de personas recibió los mismos sonidos pero se vio obligado a elegir de una lista específica de etiquetas, como "¿Este cerdo está siendo castrado?" o "¿Es este sonido positivo o negativo?".

También entrenaron a una computadora (una Red Neuronal Convolucional) para que mirara las ondas sonoras como si fueran imágenes y las clasificara de la misma manera.

2. El gran descubrimiento: La señal de "dolor" es clara, pero el resto es borroso

Los resultados fueron sorprendentes y matizados.

La analogía del "Grito":
Piensa en los sonidos de los cerdos como un espectro de clima.

Las Tormentas (Situaciones de alta aversión): Cuando los cerdos estaban en situaciones terribles —como ser inmovilizados, pelear, ser aplastados o cuando les realizaban la castración— sus sonidos eran como tormentas eléctricas. Todos, ya fuera un granjero, un habitante de la ciudad o una computadora, coincidieron de inmediato: "¡Eso suena terrible!". Estos sonidos eran distintos, fuertes y claramente negativos.
La Llovizna (Otras situaciones): Para todo lo demás —como cuando los cerdos corren, comen o están en diferentes tipos de alojamiento— sus sonidos eran como llovizna o neblina. Todos sonaban algo similares. Cuando la gente intentaba clasificar estos sonidos, no lograban ponerse de acuerdo sobre a qué "nube" pertenecía cada "llovizna". Un sonido hecho mientras un cerdo "corría" (presumiblemente feliz) sonaba muy similar a uno hecho mientras "exploraba" (presumiblemente neutral).

3. Lo que la gente realmente dijo

Cuando las personas en la "Fiesta de Formato Libre" clasificaron los sonidos, no usaron principalmente palabras emocionales como "triste" o "feliz".

Usaron mayormente palabras descriptivas. Dijeron cosas como "fuerte", "aterrador", "cerdo" o "chillido".
Solo usaron palabras emocionales (como "dolor" o "miedo") aproximadamente el 20% de las veces, y casi exclusivamente para los sonidos de las "tormentas" (las situaciones terribles).
Cuando sí intentaban adivinar la emoción, solían acertar sobre las "tormentas" siendo malas, pero a menudo se equivocaban o se confundían con la "llovizna".

4. La Computadora vs. El Humano

Los investigadores compararon cómo los humanos clasificaron los sonidos con cómo lo hizo la IA.

La coincidencia: Los humanos y la IA fueron muy similares. Ambos escucharon los mismos patrones acústicos. Si la computadora pensaba que dos sonidos eran parecidos, los humanos usualmente también pensaban que eran parecidos.
El límite: El hecho de que la computadora y los humanos estuvieran de acuerdo en la estructura del sonido no significa que estuvieran de acuerdo en el significado. La IA podía separar perfectamente las "tormentas" de la "llovizna", pero no podía distinguir de forma fiable entre una "corrida feliz" y un "paseo neutral" basándose solo en el sonido.

5. La lección principal: Escuchar el sonido vs. Conocer la historia

El punto más importante del artículo es una distinción entre escuchar e interpretar.

Escuchar el sonido: Somos (y las computadoras son) excelentes escuchando que un cerdo está haciendo un tipo específico de ruido. Podemos distinguir que un "grito de castración" suena diferente de un "gruñido de alimentación". La estructura acústica es real y recuperable.
Conocer la historia: No somos muy buenos adivinando los sentimientos internos del cerdo solo por ese ruido. El artículo argumenta que solo porque un sonido pueda clasificarse en una categoría (como "negativo"), eso no demuestra que el cerdo esté sintiendo algo "negativo" de la manera en que nosotros pensamos.

La metáfora de la conclusión:
Imagina que escuchas el motor de un coche acelerando con fuerza.

Estructura Acústica: Sabes que es una aceleración fuerte y de tono agudo. (Humanos y computadoras están de acuerdo en esto).
Interpretación: Podrías pensar: "¡Ese conductor está enojado!" o "¡Ese conductor está compitiendo!" o "¡Simplemente está calentando el motor!".
La advertencia del artículo: El artículo dice que, con los cerdos, a menudo somos demasiado rápidos para decir: "Ese sonido significa que el cerdo está triste". El estudio muestra que, si bien los sonidos "tristes" (las tormentas) son claros, la mayoría de los otros sonidos de los cerdos son una mezcla de muchos sentimientos diferentes que suenan demasiado parecidos para poder distinguirlos sin ver la cara del cerdo o saber qué está pasando a su alrededor.

En resumen: Los sonidos de los cerdos tienen una "gramática" clara que los humanos y las computadoras pueden aprender, pero esa gramática no se traduce perfectamente en un diccionario simple de "Feliz vs. Triste". Podemos escuchar que el cerdo está haciendo ruido, pero no siempre podemos estar seguros de qué significa exactamente ese ruido sobre sus sentimientos sin más pistas.

Resumen Técnico: Vocalizaciones de Cerdos, Estructura Acústica e Interpretación Afectiva

Planteamiento del Problema
Las vocalizaciones animales se utilizan cada vez más como indicadores del estado afectivo y el bienestar en la investigación. Sin embargo, suele existir una circularidad metodológica: los estudios frecuentemente asignan una valencia afectiva a las vocalizaciones basándose en el contexto de la grabación (por ejemplo, asumiendo que un sonido proveniente de un procedimiento de castración es "negativo") y luego utilizan el aprendizaje automático o a oyentes humanos para clasificar estos sonidos basándose en esas mismas etiquetas derivadas del contexto. Este enfoque deja incierto si una clasificación exitosa refleja el estado afectivo interno del animal, diferencias acústicas más amplias o simplemente las categorías interpretativas impuestas por la tarea. Además, la literatura existente depende en gran medida de diseños de elección forzada con categorías predefinidas, lo que deja sin aclarar cómo los oyentes organizan espontáneamente las vocalizaciones sin un marco interpretativo. Este estudio aborda la distinción entre la recuperación de la estructura acústica y el establecimiento de su significado biológico, desafiando la suposición de que las señales acústicas se mapean directamente con estados emocionales discretos.

Metodología
El estudio empleó un diseño de clasificación en línea de dos fases que involucró a participantes humanos y modelos de aprendizaje automático, utilizando un conjunto de datos de 2,192 vocalizaciones de cerdos únicas derivadas de 18 contextos experimentalmente definidos (Briefer et al., 2022a).

Fase 1 (Clasificación Libre): 224 participantes clasificaron 8,960 presentaciones de vocalizaciones en categorías autodefinidas sin etiquetas predefinidas. Los participantes también proporcionaron etiquetas descriptivas para sus categorías. Esta fase incluyó estímulos de control (sonidos de castración duplicados y un valor atípico de delfín) para evaluar la atención y la consistencia.
Fase 2 (Elección Forzada): Un grupo separado de 159 participantes realizó dos tareas sobre un subconjunto de 1,357 vocalizaciones: (1) clasificar los sonidos en 18 contextos de grabación predefinidos (incluyendo una opción de "no tengo idea") y (2) calificar la valencia percibida de los sonidos en una escala de 5 puntos (muy negativa a muy positiva).
Análisis de Aprendizaje Automático: Se entrenaron modelos de redes neuronales convolucionales (CNN), específicamente arquitecturas ResNet50 ajustadas, utilizando espectrogramas de las vocalizaciones. Se desarrollaron dos modelos: uno optimizado para la clasificación binaria de valencia presunta y otro para la clasificación de 18 contextos.
Análisis Comparativo: El estudio comparó las estructuras perceptivas derivadas por humanos (matrices de co-clasificación) con los espacios de incrustación (embedding spaces) acústicos aprendidos por máquinas mediante pruebas de Mantel. También analizó el contenido semántico de las etiquetas generadas por los participantes y probó la robustez de los hallazgos excluyendo contextos adversos de alta intensidad (castración, restricción, pelea, aplastamiento).

Resultados Clave

Estructura Acústica vs. Recuperación de Contexto: La clasificación libre humana reveló una estructura perceptual reproducible pero amplia. Los participantes no recuperaron los 18 contextos de grabación originales como categorías discretas. En su lugar, agruparon las vocalizaciones en familias amplias, observándose la mayor similitud entre los contextos adversos de alta intensidad (castración, restricción, pelea, aplastamiento).
Etiquetado y Valencia: En la clasificación libre, las etiquetas generadas por los participantes fueron predominantemente descriptivas (estados, eventos, relacionados con el animal) en lugar de emocionales. El etiquetado espontáneo relacionado con la valencia fue limitado (19.6%) y principalmente negativo. Cuando se realizaron juicios de valencia de elección forzada, la precisión fue modesta (60.1% de precisión exacta excluyendo respuestas neutrales) y estuvo impulsada casi por completo por los contextos adversos de alta intensidad. El acuerdo con la valencia presunta desapareció cuando se excluyeron estos contextos adversos.
Clasificación de Contexto: La clasificación de elección forzada del contexto de grabación específico fue débil, con una precisión exacta del 8.0% (9.5% excluyendo la opción "no tengo idea"), mostrando solo un ligero acuerdo con los contextos de origen ( $\kappa = 0.042$ ).
Convergencia Humano-Máquina: La estructura perceptual derivada por humanos correspondió estrechamente con los espacios de incrustación de los modelos de aprendizaje automático. Tanto humanos como modelos recuperaron una organización acústica similar, distinguiendo particularmente los sonidos adversos de alta intensidad. Sin embargo, esta estructura compartida se alineó solo parcialmente con las categorías de contexto y valencia asignadas en el conjunto de datos de origen.
Efectos de la Pericia: El trasfondo profesional (granjeros, veterinarios, científicos) influyó en el tipo de etiquetas utilizadas (por ejemplo, los granjeros usaron más términos de animales específicos; los científicos usaron más términos afectivos), pero tuvo poca influencia en la estructura de agrupamiento perceptual subyacente.

Significancia y Reivindicaciones
El artículo sostiene que, si bien las vocalizaciones de los cerdos contienen una organización acústica robusta y recuperable que es accesible tanto para oyentes humanos como para modelos de aprendizaje automático, esta organización no se alinea necesariamente con los marcos contextuales y de valencia utilizados para interpretarlas.

Distinción entre Estructura y Significado: Los autores enfatizan una distincción crítica entre recuperar la estructura acústica y establecer su significado biológico. La clasificación exitosa de las vocalizaciones basada en la valencia presunta derivada del contexto no establece necesariamente su significado afectivo o de bienestar.
Limitaciones de los Indicadores de Bienestar Actuales: Los hallazgos sugieren que los indicadores vocales de bienestar requieren validación frente a medidas conductuales, fisiológicas y otras medidas independientes, en lugar de depender únicamente de clasificaciones contextuales. El estudio destaca que, para muchos contextos (por ejemplo, condiciones de alojamiento, condicionamiento positivo), las vocalizaciones se solapan sustancialmente en el espacio acústico y en la interpretación humana, lo que no respalda la idea de indicadores acústicos invariantes para estados afectivos específicos.
Rol de la Interpretación: Los resultados apoyan las perspectivas construccionistas, sugiriendo que el significado afectivo atribuido a las vocalizaciones es probabilístico, dependiente del contexto y está parcialmente moldeado por las categorías y suposiciones que el observador (humano o máquina) aporta a la tarea.

En resumen, el estudio demuestra que los humanos y las máquinas pueden detectar de manera confiable patrones acústicos en las vocalizaciones de los cerdos, particularmente en situaciones altamente adversas, pero advierte contra la interpretación de estos patrones como lecturas directas e independientes del contexto de estados emocionales discretos o condiciones de bienestar sin una validación independiente.