📄 animal behavior and cognition

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

Questo studio dimostra che, sebbene gli esseri umani e i modelli di apprendimento automatico possano identificare in modo affidabile strutture acustiche condivise nelle vocalizzazioni dei suini, i giudizi percettivi umani sulla valenza emotiva si allineano con gli stati affettivi presunti solo in contesti altamente avversivi, suggerendo una distinzione critica tra schemi acustici recuperabili e la loro interpretazione biologica nella ricerca sul benessere animale.

Autori originali: Gorssen, W., Sleurs, B., Winters, C.

Pubblicato 2026-07-09

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Gorssen, W., Sleurs, B., Winters, C.

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo

Immagina di essere a una festa dove non puoi vedere gli ospiti, puoi solo sentire le loro voci. Senti un mix di urla, risatine, grugniti e lamenti. Il tuo compito è smistare queste voci in gruppi basandoti su come suonano, senza sapere chi le stia emettendo o cosa stia accadendo intorno a te.

Questo è esattamente ciò che i ricercatori di questo articolo hanno chiesto agli esseri umani di fare con i suoni dei maiali. Volevano vedere se le persone potessero capire naturalmente se un maiale fosse felice, triste, arrabbiato o provasse dolore solo ascoltando una registrazione, e se anche i computer (IA) potessero fare lo stesso.

Ecco la storia di ciò che hanno scoperto, suddivisa in modo semplice:

1. L'allestimento: Due modi diversi di ascoltare

I ricercatori hanno gestito due diverse "feste dell'ascolto" (studi):

La Festa a Formato Libero (Onda 1): Alle persone è stato dato un mucchio di suoni di maiali e detto: "Dividete questi suoni nei gruppi che preferite e date ai gruppi i vostri nomi". Nessuna regola, nessuna risposta giusta o sbagliata.
La Festa a Scelta Multipla (Onda 2): Un nuovo gruppo di persone ha ricevuto gli stessi suoni ma è stato costretto a scegliere da un elenco specifico di etichette, come "Questo maiale viene castrato?" o "Questo suono è positivo o negativo?".

Hanno anche addestrato un computer (una Rete Neurale Convoluzionale) affinché guardasse le onde sonore come se fossero immagini e le smistasse nello stesso modo.

2. La Grande Scoperta: Il segnale del "Dolore" è chiaro, ma il resto è nebbioso

I risultati sono stati sorprendenti e sfumati.

L'analogia del "Grido":
Pensa ai suoni dei maiali come a uno spettro meteorologico.

I Temporali (Situazioni ad alta avversione): Quando i maiali si trovavano in situazioni terribili — come essere immobilizzati, lottare, essere schiacciati o subire la decurtazione della coda (castrazione) — i loro suoni erano come temporali. Tutti, che si trattasse di un agricoltore, di un abitante di città o di un computer, erano d'accordo immediatamente: "Questo suono è terribile!". Questi suoni erano distinti, forti e chiaramente negativi.
La Pioggerellina (Altre situazioni): Per tutto il resto — come quando i maiali correvano, mangiavano o si trovavano in diversi tipi di alloggi — i suoni erano come pioggerellina o nebbia. Suonavano tutti in modo piuttosto simile. Quando le persone cercavano di smistarli, non riuscivano a concordare a quale "nuvola" appartenesse ogni "pioggerellina". Un suono prodotto mentre un maiale "correva" (presunto felice) suonava molto simile a un suono prodotto mentre "esplorava" (presunto neutro).

3. Ciò che le persone hanno effettivamente detto

Quando le persone nella "Festa a Formato Libero" hanno smistato i suoni, non hanno usato principalmente parole emotive come "triste" o "felice".

Hanno usato soprattutto parole descrittive. Dicevano cose come "forte", "spaventoso", "maiale" o "schiantarsi/squealing".
Hanno usato parole emotive (come "dolore" o "paura") solo nel 20% dei casi, e quasi esclusivamente per i suoni dei "temporali".
Quando tentavano di indovinare l'emozione, erano per lo più indovini riguardo al fatto che i "temporali" fossero brutti, ma erano spesso in errore o confusi riguardo alla "pioggerellina".

4. Il Computer contro l'Umano

I ricercatori hanno confrontato il modo in cui gli umani smistavano i suoni con il modo in cui l'IA li smistava.

L'Abbinamento: Umani e IA erano molto simili. Entrambi sentivano gli stessi pattern acustici. Se il computer pensava che due suoni fossero simili, anche gli umani pensavano che fossero simili.
Il Limite: Il fatto che il computer e gli umani concordassero sulla struttura del suono non significava che concordassero sul significato. L'IA poteva separare perfettamente i "temporali" dalla "pioggerellina", ma non riusciva a distinguere in modo affidabile tra una "corsa felice" e una "camminata neutra" basandosi solo sul suono.

5. La Lezione Principale: Sentire il Suono vs Conoscere la Storia

Il punto più importante dell'articolo è una distinzione tra sentire e interpretare.

Sentire il Suono: Siamo (e anche i computer) bravi a sentire che un maiale sta emettendo un certo tipo di rumore. Possiamo dire che un "grido da castrazione" suona diverso da un "grugnito da alimentazione". La struttura acustica è reale e recuperabile.
Conoscere la Storia: Non siamo molto bravi a indovinare i sentimenti interni del maiale solo da quel rumore. L'articolo sostiene che il solo fatto che un suono possa essere smistato in una categoria (come "negativo"), non prova che il maiale stia effettivamente provando un sentimento "negativo" nel modo in cui lo pensiamo.

La Metafora di Conclusione:
Immagina di sentire il motore di un'auto che accelera forte.

Struttura Acustica: Sai che è un rombo forte e ad alta frequenza. (Umani e IA sono d'accordo su questo).
Interpretazione: Potresti pensare: "Quel conducente è arrabbiato!", oppure "Quel conducente sta correndo una gara!" o "Sta solo scaldando il motore".
L'Avvertimento dell'Articolo: L'articolo dice che per i maiali siamo spesso troppo rapidi nel dire: "Quel suono significa che il maiale è triste". Lo studio mostra che, sebbene i suoni "tristi" (i temporali) siano chiari, la maggior parte degli altri suoni dei maiali è un mix di molti sentimenti diversi che suonano troppo simili per essere distinti senza vedere la faccia del maiale o sapere cosa stia succedendo intorno a lui.

In breve: I suoni dei maiali hanno una "grammatica" chiara che umani e computer possono apprendere, ma questa grammatica non si traduce perfettamente in un semplice dizionario "Felice vs Triste". Possiamo sentire che il maiale sta emettendo un rumore, ma non possiamo sempre essere sicuri di cosa quel rumore significhi esattamente riguardo ai suoi sentimenti senza altri indizi.

Sintesi Tecnica: Vocalizzazioni Suine, Struttura Acustica e Interpretazione Affettiva

Definizione del Problema
Le vocalizzazioni animali vengono sempre più utilizzate come indicatori dello stato affettivo e del benessere nella ricerca. Tuttavia, spesso esiste una circolarità metodologica: gli studi assegnano frequentemente una valenza affettiva alle vocalizzazioni basandosi sul contesto di registrazione (ad esempio, assumendo che un suono proveniente da una procedura di castrazione sia "negativo") e utilizzano poi il machine learning o ascoltatori umani per classificare questi suoni sulla base delle stesse categorie derivate dal contesto. Questo approccio rende poco chiaro se una classificazione di successo rifletta lo stato affettivo interno dell'animale, differenze acustiche più ampie o semplicemente le categorie interpretative imposte dal compito. Inoltre, la letteratura esistente si basa pesantemente su disegni a scelta forzata con categorie predefinite, lasciando inesplorato come gli ascoltatori organizzino spontaneamente le vocalizzazioni senza un quadro interpretativo. Questo studio affronta la distinzione tra il recupero della struttura acustica e l'instaurazione del suo significato biologico, sfidando l'assunto che i segnali acustici mappino direttamente stati emotivi discreti.

Metodologia
Lo studio ha impiegato un disegno di classificazione online a due fasi coinvolgendo partecipanti umani e modelli di machine learning, utilizzando un dataset di 2.192 vocalizzazioni suine uniche derivate da 18 contesti sperimentalmente definiti (Briefer et al., 2022a).

Fase 1 (Classificazione Libera): 224 partecipanti hanno smistato 8.960 presentazioni di vocalizzazioni in categorie auto-definite, senza etichette predefinite. I partecipanti hanno inoltre fornito etichette descrittive per le loro categorie. Questa fase includeva stimoli di controllo (suoni di castrazione duplicati e un outlier di un delfino) per valutare l'attenzione e la coerenza.
Fase 2 (Scelta Forzata): Un gruppo separato di 159 partecipanti ha eseguito due compiti su un sottoinsieme di 1.357 vocalizzazioni: (1) classificare i suoni in 18 contesti di registrazione predefiniti (inclusa un'opzione "non saprei") e (2) valutare la valenza percepita dei suoni su una scala a 5 punti (molto negativa a molto positiva).
Analisi di Machine Learning: Modelli di reti neurali convoluzionali (CNN), specificamente architetture ResNet50 perfezionate, sono stati addestrati su spettrogrammi delle vocalizzazioni. Sono stati sviluppati due modelli: uno ottimizzato per la classificazione binaria della presunta valenza e un altro per la classificazione su 18 contesti.
Analisi Comparativa: Lo studio ha confrontato le strutture percettive derivate dagli esseri umani (matrici di co-classificazione) con gli spazi di embedding acustico appresi dalle macchine tramite test di Mantel. Ha inoltre analizzato il contenuto semantico delle etichette generate dai partecipanti e ha testato la robustezza dei risultati escludendo i contesti avversivi ad alta intensità (castrazione, contenzione, combattimento, schiacciamento).

Risultati Chiave

Struttura Acustica vs. Recupero del Contesto: La classificazione libera umana ha rivelato una struttura percettiva riproducibile ma ampia. I partecipanti non hanno recuperato i 18 contesti di registrazione originali come categorie discrete. Al contrario, hanno raggruppato le vocalizzazioni in grandi famiglie, con la massima somiglianza osservata tra i contesti avversivi ad alta intensità (castrazione, contenzione, combattimento, schiacciamento).
Etichettatura e Valenza: Nella classificazione libera, le etichette generate dai partecipanti erano prevalentemente descrittive (stati, eventi, relativi all'animale) piuttosto che emotive. L'etichettatura spontanea relativa alla valenza era limitata (19,6%) e principalmente negativa. Quando sono state effettuate le valutazioni di valenza a scelta forzata, l'accuratezza è stata modesta (60,1% di accuratezza esatta escludendo le risposte neutre) ed era guidata quasi interamente dai contesti avversivi ad alta intensità. L'accordo con la valenza presunta scompariva quando questi contesti avversivi venivano esclusi.
Classificazione del Contesto: La classificazione a scelta forzata del contesto di registrazione specifico è stata debole, con un'accuratezza esatta dell'8,0% (9,5% escludendo "non saprei"), mostrando solo un lieve accordo con i contesti di origine ( $\kappa = 0,042$ ).
Convergenza Uomo-Macchina: La struttura percettiva derivata dagli umani corrispondeva strettamente agli spazi di embedding dei modelli di machine learning. Sia gli umani che i modelli hanno recuperato una simile organizzazione acustica, distinguendo in particolare i suoni avversivi ad alta intensità. Tuttavia, questa struttura condivisa si allineava solo parzialmente con le categorie di contesto e valenza assegnate nel dataset di origine.
Effetti dell'Esperienza: Il background professionale (agricoltori, veterinari, scienziati) ha influenzato il tipo di etichette utilizzate (ad esempio, gli agricoltori usavano più termini legati agli animali e specifici per i suini; gli scienziati usavano più termini affettivi) ma ha avuto poca influenza sulla struttura di clustering percettivo sottostante.

Significato e Rivendicazioni
L'articolo sostiene che, sebbene le vocalizzazioni suine contengano un'organizzazione acustica robusta e recuperabile accessibile sia agli ascoltatori umani che ai modelli di machine learning, tale organizzazione non si allinea necessariamente con i quadri di contesto e valenza comunemente usati per interpretarle.

Distinzione tra Struttura e Significato: Gli autori sottolineano una distinzione critica tra il recupero della struttura acustica e l'instaurazione del suo significato biologico. Una classificazione di successo delle vocalizzazioni basata sulla presunta valenza derivata dal contesto non stabilisce necessariamente il loro significato affettivo o di benessere.
Limitazioni degli Indicatori di Benessere Attuali: I risultati suggeriscono che gli indicatori vocali del benessere richiedono una validazione rispetto a misure comportamentali, fisiologiche e altre misure indipendenti, piuttosto che affidarsi esclusivamente alle classificazioni contestuali. Lo studio evidenzia come, per molti contesti (ad esempio, condizioni di allevamento, condizionamento positivo), le vocalizzazioni si sovrappongano sostanzialmente nello spazio acustico e nell'interpretazione umana, fallendo nel supportare l'idea di indicatori acustici invarianti per specifici stati affettivi.
Ruolo dell'Interpretazione: I risultati supportano le prospettive costruttiviste, suggerendo che il significato affettivo attribuito alle vocalizzazioni è probabilistico, dipendente dal contesto e in parte plasmato dalle categorie e dai presupposti portati nel compito dall'osservatore (umano o macchina).

In sintesi, lo studio dimostra che gli esseri umani e le macchine possono rilevare in modo affidabile schemi acustici nelle vocalizzazioni suine, in particolare nelle situazioni altamente avversive, ma mette in guardia contro l'interpretazione di tali schemi come letture dirette e indipendenti dal contesto di stati emotivi discreti o condizioni di benessere senza una validazione indipendente.