📄 animal behavior and cognition

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

본 연구는 인간과 머신러닝 모델이 돼지의 발성에서 공유된 음향 구조를 안정적으로 식별할 수 있는 반면, 정서적 가치에 대한 인간의 지각적 판단은 매우 혐오적인 맥락에서만 추정된 정동 상태와 일치한다는 점을 입증하며, 이는 동물 복지 연구에서 회복 가능한 음향 패턴과 그 생물학적 해석 사이의 결정적인 차이를 시사한다.

원저자: Gorssen, W., Sleurs, B., Winters, C.

게시일 2026-07-09

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Gorssen, W., Sleurs, B., Winters, C.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신이 파티에 와 있다고 상상해 보세요. 손님들을 볼 수는 없고 오직 목소리만 들을 수 있습니다. 당신의 귀에는 비명, 낄낄거림, 끙끙거림, 그리고 신음 소리가 뒤섞여 들려옵니다. 당신의 임도은 그 소리들이 무엇처럼 들리는지에 따라 그룹을 나누는 것입니다. 누가 그 소리를 내는지, 혹은 주변에서 무슨 일이 일어나고 있는지 모르는 상태로 말이죠.

이것은 이 논문의 연구자들이 돼지 소리를 가지고 인간에게 시킨 작업과 정확히 일치합니다. 그들은 사람들이 녹음된 소리만 듣고도 돼지가 행복한지, 슬픈지, 화가 났는지, 혹은 고통스러워하는지를 자연스럽게 파악할 수 있는지, 그리고 컴퓨터(AI)도 똑같이 할 수 있는지를 알고 싶어 했습니다.

연구 결과는 다음과 같습니다. 이해하기 쉽게 나누어 설명해 드립니다.

1. 설정: 두 가지 다른 방식의 '듣기 파티'

연구진은 두 가지 다른 "듣기 파티"(연구)를 진행했습니다.

자유 형식 파티 (1차 웨이브): 사람들에게 돼지 소리 더미를 주고 이렇게 말했습니다. "원하는 대로 이 소리들을 분류하고, 그룹에 직접 이름을 붙여보세요." 규칙도, 정답도 없었습니다.
객관식 파티 (2차 웨이브): 새로운 그룹의 사람들에게는 동일한 소리를 주되, "이 돼지가 거세 중인가?" 또는 "이 소리는 긍정적인가 부정적인가?"와 같이 특정 라벨 목록 중에서 반드시 선택하도록 강제했습니다.

또한, 연구진은 소리의 파동을 사진처럼 바라보고 동일한 방식으로 분류하도록 컴퓨터(합성곱 신경망, CNN)를 훈련시켰습니다.

2. 큰 발견: '고통'의 신호는 명확하지만, 나머지는 안갯속이다

결과는 놀랍고도 미묘했습니다.

'비명' 비유:
돼지 소리를 날씨의 스펙트럼이라고 생각해 보세요.

폭풍우 (고통스러운 상황): 돼지들이 처한 끔찍한 상황들—예를 들어 구속되거나, 싸우거나, 깔리거나, 꼬리가 절단되는(거세) 상황—에서 나는 소리는 뇌우와 같았습니다. 농부든, 도시 사람이든, 컴퓨터든 모두가 즉각적으로 동의했습니다. "저건 정말 끔찍하게 들린다!"라고 말이죠. 이 소리들은 뚜렷하고, 컸으며, 명확하게 부정적이었습니다.
이슬비 (그 외의 상황): 그 외의 모든 것들—예를 들어 돼지가 뛰어다니거나, 먹이를 먹거나, 다른 환경에 있는 상황—은 소리가 이슬비나 안개와 같았습니다. 그것들은 모두 다소 비슷하게 들렸습니다. 사람들이 이 소리들을 분류하려고 할 때, 어떤 "이슬비"가 어떤 "구름"에 속하는지 결정하는 데 어려움을 겪었습니다. 예를 들어 "달리는 중"(행복하다고 추정됨)인 돼지의 소리는 "탐색 중"(중립적이라고 추정됨)인 돼지의 소리와 매우 비슷하게 들렸습니다.

3. 사람들이 실제로 한 말

"자유 형식 파티"에서 사람들이 소리를 분류했을 때, 그들은 주로 '슬프다'나 '행복하다' 같은 감정적인 단어를 사용하지 않았습니다.

그들은 주로 묘사적인 단어를 사용했습니다. 그들은 "크다", "무섭다", "돼지", 혹은 "끼익끼익거린다"와 같은 표현을 썼습니다.
감정적인 단어(예: "고통"이나 "공포")를 사용한 경우는 약 **20%**뿐이었으며, 이는 거의 예외 없이 "폭풍우" 소리에 대해서만 나타났습니다.
사람들이 감정을 추측했을 때, 그들은 "폭풍우"가 나쁘다는 점에 대해서는 대부분 맞혔지만, "이슬비"에 대해서는 자주 틀리거나 혼란스러워했습니다.

4. 컴퓨터 대 인간

연구진은 인간이 소리를 분류한 방식과 AI가 소리를 분류한 방식을 비교했습니다.

일치점: 인간과 AI는 매우 유사했습니다. 둘 다 동일한 음향 패턴을 들었습니다. 만약 컴퓨터가 두 소리가 서로 비슷하다고 생각했다면, 인간 역시 그 소리들이 비슷하다고 생각했습니다.
한계: 컴퓨터와 인간이 소리의 구조에 대해서는 동의하더라도, 그것이 곧 '의미'에 대한 동의를 뜻하지는 않습니다. AI는 "폭풍우"와 "이슬비"를 완벽하게 구분해 낼 수 있었지만, "즐거운 달리기"와 "중립적인 걷기"를 소리만으로 확실하게 구별해 낼 수는 없었습니다.

5. 핵심 교훈: 소리를 듣는 것 vs 이야기를 아는 것

이 논문의 가장 중요한 포인트는 **'듣는 것(hearing)'**과 '해석하는 것(interpreting)' 사이의 구분입니다.

소리를 듣기: 우리(그리고 컴퓨터)는 돼지가 특정한 종류의 소리를 내고 있다는 것을 듣는 데 능숙합니다. 우리는 "거세 비명"이 "먹이 먹는 꿀꿀 소리"와 다르다는 것을 알 수 있습니다. 음향적 구조는 실재하며 복원이 가능합니다.
이야기를 알기: 하지만 우리는 그 소리만 보고 돼지의 내면적인 감정을 추측하는 데는 능숙하지 않습니다. 논문은 어떤 소리가 특정 카테고리(예: "부정적")로 분류될 수 있다고 해서, 그것이 곧 우리가 생각하는 방식의 "부정적인 감정"을 느끼고 있다는 증거는 아니라고 주장합니다.

결론적 비유:
자동차 엔진이 크게 회전하는 소리를 듣는다고 상상해 보세요.

음향 구조: 당신은 그것이 크고 높은 피치의 엔진 소리라는 것을 압니다. (인간과 컴퓨터 모두 동의함)
해석: 당신은 "운전자가 화가 났나 봐!" 혹은 "운전자가 레이싱 중인가!" 혹은 "그저 엔진을 예열하는 중인가 보다"라고 생각할 수 있습니다.
논문의 경고: 이 논문은 돼지의 경우, 우리가 너무 빨리 "저 소리는 돼지가 슬프다는 뜻이야"라고 단정 짓는 경향이 있다고 말합니다. 연구에 따르면, "슬픈" 소리(폭풍우)는 명확하지만, 그 외의 대부분의 돼지 소리는 우리가 돼지의 얼굴을 보거나 주변 상황을 알지 못한다면 서로 구별하기 어려울 정도로 다양한 감정이 뒤섞여 있습니다.

요약하자면: 돼지 소리는 인간과 컴퓨터가 학습할 수 있는 명확한 "문법"을 가지고 있지만, 이 문법이 "행복 vs 슬픔"이라는 단순한 사전식 의미로 완벽하게 번역되지는 않습니다. 우리는 돼지가 소리를 내고 있다는 것은 들을 수 있지만, 그 소리가 그들의 감정에 대해 정확히 무엇을 의미하는지는 더 많은 단서 없이는 확신할 수 없습니다.

기술 요약: 돼지 발성, 음향 구조 및 정동적 해석

문제 제기
동물의 발성은 연구에서 정동 상태(affective state)와 복지를 나타내는 지표로 점점 더 많이 활용되고 있다. 그러나 방법론적 순환 논리가 빈번하게 발생한다. 많은 연구가 녹음 맥락(예: 거세 절차 중의 소리는 '부정적'이라고 가정함)에 기반하여 발성에 정서적 가치(valence)를 할당하고, 그 후 동일한 맥락 유래 라벨을 바탕으로 머신러닝이나 인간 청취자를 통해 해당 소리를 분류한다. 이러한 접근 방식은 성공적인 분류가 동물의 내부 정동 상태를 반영하는 것인지, 더 넓은 음향적 차이를 반영하는 것인지, 아니면 단순히 과업에 의해 부여된 해석적 범주를 반영하는 것인지 불분명하게 만든다. 또한, 기존 문헌은 사전 정의된 범주를 사용하는 강제 선택 설계에 크게 의존하고 있어, 청취자가 해석적 틀 없이 어떻게 자발적으로 발성을 조직하는지는 불분명하게 남겨두고 있다. 본 연구는 음향 구조를 회복하는 것과 그 생물학적 의미를 확립하는 것 사이의 구분을 다루며, 음향 신호가 불연속적인 정서 상태로 직접 매핑된다는 가설에 이의를 제기한다.

연구 방법
본 연구는 18개의 실험적으로 정의된 맥락(Briefer et al., 2022a)에서 유래된 2,192개의 고유한 돼지 발성 데이터셋을 활용하여, 인간 참여자와 머신러닝 모델이 참여하는 2단계 온라인 분류 설계를 채택하였다.

1단계 (자유 분류): 224명의 참여자가 사전 정의된 라벨 없이 8,960회의 발성 제시를 스스로 정의한 범주로 분류하였다. 참여자들은 또한 자신의 범주에 대한 기술적 라벨을 제공하였다. 이 단계에는 주의력과 일관성을 평가하기 위해 대조 자극(중복된 거세 소리 및 돌고래 이상치)이 포함되었다.
2단계 (강제 선택): 별도의 159명 참여자 그룹이 1,357개의 발성 하위 집합에 대해 두 가지 과업을 수행하였다: (1) 18개의 사전 정의된 녹음 맥락( own "모름" 옵션 포함)으로 소리를 분류하는 것, (2) 인지된 가치를 5점 척도(매우 부정적 ~ 매우 긍정적)로 평가하는 것.
머신러닝 분석: 스펙트로그램을 바탕으로 합성곱 신경망(CNN) 모델, 특히 미세 조정된 ResNet50 아키텍처를 훈련시켰다. 두 가지 모델이 개발되었는데, 하나는 이진 추정 가치 분류에 최적화되었고, 다른 하나는 18개 맥락 분류에 최적화되었다.
비교 분석: 연구는 인간 유래 지각 구조(공동 분류 행렬)와 머신러닝 기반 음향 임베딩 공간을 맨텔 테스트(Mantel tests)를 통해 비교하였다. 또한 참여자가 생성한 라벨의 의미론적 내용을 분석하였으며, 고강도 혐오 맥락(거세, 구속, 싸움, 압착)을 제외하여 결과의 견고성을 테스트하였다.

주요 결과

음향 구조 vs. 맥락 회복: 인간의 자유 분류는 재현 가능하지만 광범위한 지각 구조를 드러냈다. 참여자들은 18개의 원래 녹음 맥락을 불연속적인 범주로 회복하지 못했다. 대신, 그들은 발성을 넓은 가족 단위로 그룹화하였으며, 고강도 혐오 맥락(거세, 구속, 싸움, 압착) 사이에서 가장 높은 유사성이 관찰되었다.
라벨링 및 가치: 자유 분류에서 참여자가 생성한 라벨은 정서적이기보다는 주로 기술적(상태, 사건, 동물 관련)이었다. 자발적인 가치 관련 라벨링은 제한적이었으며(19.6%), 주로 부정적이었다. 강제 선택 가치 판단을 내릴 때, 정확도는 완만하였으며(중립 응답 제외 시 정확도 60.1%), 이는 거의 전적으로 고강도 혐오 맥락에 의해 주도되었다. 추정된 가치와의 일치성은 이러한 혐오 맥락을 제외했을 때 사라졌다.
맥락 분류: 특정 녹음 맥락에 대한 강제 선택 분류는 약하였으며(정확도 8.0%, "모름" 응답 제외 시 9.5%), 원천 맥락과의 일치는 매우 낮았다( $\kappa = 0.042$ ).
인간-기계 수렴: 인간 유래 지각 구조는 머신러닝 모델의 임베딩 공간과 밀접하게 대응하였다. 인간과 모델 모두 유사한 음향 조직을 회복하였으며, 특히 고강도 혐의 상황을 구별해 냈다. 그러나 이러한 공유된 구조는 소스 데이터셋에 할당된 맥락 및 가치 범주와는 부분적으로만 일치하였다.
전문성 효과: 전문적 배경(농가, 수의사, 과학자)은 사용된 라벨의 유형(예: 농가는 더 많은 돼지 특화 동물 용어를 사용했고, 과학자는 더 많은 정동적 용어를 사용함)에는 영향을 미쳤으나, 근본적인 지각 클러스터링 구조에는 거의 영향을 미치지 않았다.

의의 및 주장
본 논문은 돼지 발성이 인간 청취자와 머신러닝 모델 모두에게 접근 가능한 견고하고 회복 가능한 음향 조직을 포함하고 있지만, 이 조직이 반드시 맥락 및 가치 프레임워크와 일치하는 것은 아니라고 주장한다.

구조와 의미의 구분: 저자들은 음향 구조를 회복하는 것과 그 생물학적 의미를 확립하는 것 사이의 결정적인 구분을 강조한다. 맥락 유래 추정 가치에 기반하여 발성을 성공적으로 분류하는 것이 반드시 그들의 정동적 또는 복지적 의미를 입증하는 것은 아니다.
현재 복지 지표의 한계: 연구 결과는 음성 지표가 맥락적 분류에만 의존하기보다 행동적, 생리학적 및 기타 독립적인 측정치에 대해 검증되어야 함을 시사한다. 본 연구는 많은 맥락(예: 사육 조건, 긍정적 조건화)에서 발성이 음향 공간 및 인간의 해석에서 상당히 중첩되며, 이는 특정 정서 상태에 대한 불변의 음향 지표라는 아이디어를 뒷받할 수 없음을 보여준다.
해석의 역할: 결과는 구성주의적 관점을 지지하며, 발성에 부여된 정동적 의미는 확률적이고 맥락 의존적이며, 과업에 참여하는 관찰자(인간 또는 기계)가 가져온 범주와 가정에 의해 부분적으로 형성됨을 시사한다.

요약하자면, 본 연구는 인간과 기계가 돼지 발성의 음향 패턴(특히 고도로 혐오적인 상황에서)을 신뢰성 있게 감지할 수 있음을 보여주지만, 이러한 패턴을 독립적인 검증 없이 특정 정서 상태나 복지 조건에 대한 직접적이고 맥락 독립적인 출력값으로 해석하는 것에 대해 경고한다.