آیا دامداری هوشمند رفاه حیوانات را بهبود می بخشد یا به آنها آسیب می رساند؟ فناوری و آنچه حیوانات می خواهند

 

 

 

کشاورزی «هوشمند» یا «دقیق» عمل آوری محصولات کشاورزی را متحول کرده است، اما کاربرد آن در دامداری به دلیل اثرات نامطلوب احتمالی آن بر رفاه دام ها، نگرانی‌های اخلاقی را ایجاد کرده است.

با افزایش نگرانی عمومی برای رفاه حیوانات در سرتاسر جهان، برخی از مردم دستاوردهای بهره‌وری ارائه شده توسط فناوری جدید را تهدیدی مستقیم برای خود دام ها می‌دانند که به تولیدکنندگان اجازه می‌دهد به نفع سود «بیشتر با قیمت کمتر» دریافت کنند.  برخی دیگر مزایای عمده رفاه را از طریق نظارت بر سلامت مادام العمر، ارائه مراقبت های فردی و بهینه سازی شرایط محیطی می بینند. پاسخ به این سوال که آیا کشاورزی هوشمند باعث بهبود یا آسیب رساندن به رفاه حیوانات می شود احتمالاً به سه عامل اصلی بستگی دارد.

اولاً، خیلی به چگونگی تعریف رفاه و میزانی که سیاستمداران، دانشمندان، کشاورزان و اعضای جامعه می‌توانند در مورد معنای رفاه به توافق برسند و بنابراین به یک دیدگاه مشترک در مورد چگونگی قضاوت در مورد تأثیر آن توسط فناوری برسند، بستگی دارد. تعریف رفاه به عنوان ترکیبی از سلامتی خوب و آنچه خود حیوانات می خواهند، راهی متحد کننده و حیوان محور به پیش می دهد. همچنین می تواند به طور مستقیم برای تشخیص رفاه رایانه ای سازگار شود.

دومین عامل مهم این است که آیا استانداردهای رفاهی بالا در اولویت سیستم های کشاورزی هوشمند قرار می گیرند یا خیر. برای دستیابی به این هدف، هم توسعه الگوریتم‌های رایانه‌ای که بتواند رفاه را برای رضایت عموم و هم کشاورزان تشخیص دهد و هم برای ایجاد رفاه خوب در کنترل و تصمیم‌گیری سیستم‌های هوشمند ضروری خواهد بود. با این حال، آنچه در پایان مهم‌تر خواهد بود،

عامل سوم است، و آن این است که آیا کشاورزی هوشمند می‌تواند واقعاً پیشرفت‌های وعده داده شده خود را در رفاه حیوانات در صورت اعمال در دنیای واقعی ارائه دهد. ارزیابی اخلاقی تنها زمانی امکان پذیر خواهد بود که فناوری های جدید به طور گسترده در مزارع تجاری به کار گرفته شوند و پیامدهای کامل اجتماعی، زیست محیطی، مالی و رفاهی آنها آشکار شود.

مقدمه 

کشاورزی هوشمند یا دقیق شامل استفاده از فناوری برای نظارت و مدیریت نگهداری دام های مزرعه است . بنابراین شامل حسگرهایی برای اندازه‌گیری طیف وسیعی از متغیرهای محیطی و حیوانی و همچنین مکانیسم‌های کنترلی برای تصمیم‌گیری مدیریت، چه با یا بدون دخالت انسان است. توانایی نظارت مداوم بر دام ها در زمان واقعی در طول زندگی آنها و کنترل محیط آنها به این معنی است که هم بهره وری و هم رفاه به طور بالقوه می تواند از طریق تشخیص زودهنگام مشکلات سلامتی بهبود یابد، منجر به استفاده هدفمند (و در نتیجه کاهش)استفاده  از دارو، کاهش مرگ و میر و بهبود سلامت می شود. این نتایج به نوبه خود دارای مزایای اجتماعی دیگری مانند ضایعات کمتر، کارایی بیشتر و اثرات زیست محیطی کمتر است.

علاوه بر این، داده‌های هوشمندی که می‌توان از هزاران مزرعه جمع‌آوری کرد، می‌تواند برای یافتن راه‌حل‌هایی برای مدیریت، بیماری، رفاه، بهره‌وری و حتی مسائل زیست‌محیطی که قبلاً فقط بر اساس تجربه یک شرکت یا پروژه‌های تحقیقاتی در مقیاس کوچک بوده است، مورد بازبینی قرار گیرد. استفاده هوشمندانه از مجموعه داده های بزرگی که کشاورزی هوشمند امکان پذیر می کند می تواند برای بهبود بیشتر نتایج خود کشاورزی هوشمند استفاده شود.

از سوی دیگر، با این حال، کشاورزی دقیق نیز نگرانی های اخلاقی را در درجه اول به دلیل اثرات نامطلوب احتمالی آن بر رفاه حیوانات ایجاد می کند. نگرانی این است که افزایش در تولید و کارایی منجر به بدتر شدن رفاه دام ها از طریق ترویج کشاورزی فشرده تر، تاکید بر رفاه گروهی به جای فردی (وینکلر، 2019) و جایگزینی افراد آموزش دیده توسط الگوریتم های ناشناس خواهد شد.

اگرچه بهبود رفاه دام ها اغلب یکی از اهداف بیان شده کشاورزی هوشمند است، اما هنوز روشن نیست که این امر در عمل محقق شود. یکی از دلایل این عدم اطمینان این است که بسیاری از فناوری هنوز در حال توسعه است و هنوز به اندازه کافی در عمل به کار گرفته نشده است تا پیامدهای کامل آن مشخص باشد. بنابراین، کشاورزی دقیق که برای دام ها اعمال می شود، در مرحله ای حیاتی است که تأثیر آن بر رفاه حیوانات می تواند مثبت یا منفی شود. در این مقاله، ما استدلال خواهم کرد که سه عامل وجود دارد که تا حد زیادی حکم اخلاقی نهایی را در مورد کشاورزی هوشمند تعیین می کند. اینها عبارتند از (1) اینکه آیا کشاورزی هوشمند تعریفی از “رفاه حیوانات” را می پذیرد که برای عموم قابل قبول باشد و به ویژه اینکه آیا این تعریف دیدگاه حیوانات را نیز در بر می گیرد (2) آیا تشخیص رایانه ای از رفاه حیوانات به اندازه کافی موفق است و ارائه شده است. اولویت به اندازه کافی بالا برای برآورده کردن استانداردهای اخلاقی مورد نیاز مردم و بهبود واقعی رفاه (iii) اینکه آیا کشاورزی هوشمند واقعاً می تواند پیشرفت های وعده داده شده خود را در رفاه حیوانات در صورت اعمال عملی انجام دهد.

تعریف توافق شده از رفاه حیوانات
اولین عاملی که تعیین خواهد کرد که آیا مزرعه داری به عنوان بهبود یا آسیب رساندن به رفاه حیوانات تلقی می شود، این است که آیا می توان به تعریفی از «رفاه» دست یافت که همه – از جمله دانشمندان، کشاورزان، مؤسسات خیریه حیوانات و عموم جامعه  – بتوانند در مورد آن توافق داشته باشند. این ممکن است مشکلی پیش پا افتاده به نظر برسد، اما در واقع یک مانع جدی برای دیدگاه اجماع در مورد اخلاق کشاورزی هوشمند است، زیرا در حال حاضر هیچ تعریف توافق شده ای از «رفاه» در هیچ زمینه ای وجود ندارد. ؛برای برخی افراد، “رفاه خوب” باید شامل ساختن محیط حیوان تا حد امکان “طبیعی” باشد، در حالی که برای برخی دیگر یک زندگی طبیعی تضمین کننده رفاه خوب نیست  و نیاز حیوانات را می توان در یک محیط کنترل شده، اگر مصنوعی، که در آن فناوری نقش مهمی ایفا می کند، بهتر برآورده شود . فهرست معیارهای پیشنهادی رفاه اکنون شامل طول عمر، موفقیت باروری، تنوع رفتاری، تنوع ضربان قلب است . ، دمای چشم، دمای پوست  و سطوح هورمونی، همراه با بسیاری دیگر. چنین انبوهی از «اقدامات» رفاهی مختلف به این معنی است که آنچه روش اخلاقی نگهداری حیوانات برای یک فرد است برای دیگری غیراخلاقی است. بدون تعریفی از رفاه حیوانات که همه بتوانند آن را بپذیرند و واقعاً رفاه حیوانات را بهبود بخشد، کشاورزی دقیق می‌تواند با مخالفت‌های قابل توجهی روبرو شود به این دلیل که استانداردهای یک تعریف خاص را برآورده نمی‌کند و به وعده خود برای بهبود وضعیت عمل نمی‌کند. زندگی حیوانات با وجود تمام پتانسیل‌هایی که یادگیری ماشین برای تعیین شرایطی دارد که منجر به بهترین نتایج رفاهی می‌شود، ما هنوز به مشخصه‌ای نیاز داریم که نتیجه‌ی رفاهی «خوب» یا مطلوب چیست .

یک تعریف متحد کننده ممکن از رفاه خوب این است که یک حیوان (i) در وضعیت سلامت جسمانی خوب است و (ii) آنچه را که می خواهد دارد . این تقطیر از بسیاری از رویکردهای پرکاربرد دیگر مانند ده اصل کلی ، پنج آزادی، پنج ماده یا دامنه، چهار است. اصول ارائه شده توسط پروژه کیفیت رفاه (Welfare Quality®، 2018) و سه حلقه رفاه (Fraser, 2008) و بنابراین آنچه بسیاری از مردم از دیدگاه های مختلف از رفاه معنایشان را نشان می دهد . همه این طرح‌ها بر اهمیت اساسی سلامت جسمانی برای رفاه خوب تأکید می‌کنند و «آنچه حیوانات می‌خواهند» جایگاه برجسته‌ای به دیدگاه خود حیوانات نسبت به محیط‌شان می‌دهد. همچنین با روند اخیر دور شدن از تعریف منفی رفاه به عنوان فقدان رنج به تعریف مثبت‌تر آن است تا حیوانات زندگی ارزش زندگی یا حتی بهتر از آن یک زندگی مثبت مثبت داشته باشند؛  “حیوانات چه می خواهند” در ادبیات علمی به عنوان حیواناتی که “احساسات مثبت” دارند  یا در “حالت عاطفی مثبت”  بحث شده است، اما عبارت ساده تر برای غیر دانشمندان قابل درک تر است و به طور مستقیم نشان دهنده داده هایی است که باید جمع آوری شوند.

 

با سامانه هوشمند سازی دامداری رهبان بیشتر آشنا شوید

 

تشخیص کامپیوتری رفاه حیوانات
تعریف رفاه صریح از نظر سلامتی و آنچه حیوانات می خواهند، مزیت دیگری دارد که مستقیماً به تشخیص رایانه ای رفاه دام ها کمک می کند. این مهم است زیرا اعتبار اخلاقی کشاورزی هوشمند تا حد زیادی به این بستگی دارد که مردم متقاعد شوند که رایانه‌ها قادر به تشخیص و ارزیابی رفاه حیوانات هستند و سپس رایانه‌ها طوری برنامه‌ریزی شده‌اند که مطمئن شوند که رفاه خوب اولویت بالایی دارد. بنابراین، تعریف رفاه مورد استفاده در کشاورزی هوشمند باید مستقیماً به عبارتی قابل ترجمه باشد که رایانه ای می تواند برنامه ریزی شود تا آن را تشخیص دهد و در عمل به کار گیرد. فناوری در دسترس برای کشاورزی هوشمند شامل «حسگرهای هوشمند مثلا گردنبند هوشمند گاو یا قلاده هوشمند دام » است که اطلاعات بلادرنگ را از حیوانات و/یا محیط آنها جمع‌آوری می‌کند،  ادغام انواع مختلف اطلاعات در مجموعه‌های کلان داده که می‌توانند برای یادگیری ماشینی برای ارائه بهترین نتایج تولید و رفاه  و سیستم هایی که کنترل خوبی بر محیط و رژیم غذایی حیوان ارائه می دهند استفاده شود. با این حال، ترجمه همه این داده‌ها به پیشرفت‌های عملی در رفاه، به شدت به این بستگی دارد که رایانه‌ها چقدر در تفسیر داده‌هایی که جمع‌آوری می‌کنند در شرایط رفاهی خوب هستند. کامپیوترها چقدر می توانند دو عنصر رفاه خوب را تشخیص دهند؟

 

تشخیص کامپیوتری سلامت و بیماری
دامپزشکی تاکنون استفاده بسیار محدودتری از رایانه داشته است. برای اندازه گیری سلامتی نسبت به پزشکی انسانی، اما اکنون استفاده از روش های خودکار برای تشخیص علائم بیماری یا آسیب در دام های مزرعه رو به افزایش است . این تشخیص ها در بخش دام های شیری پیشرفته‌تر است، جایی که تغییرات در وضعیت سلامتی هر گاو تأثیر اقتصادی قابل‌توجهی دارد و بنابراین کشاورزان سرمایه‌گذاری در فناوری را که اطلاعات دقیق در مورد هر حیوان می‌دهد برای کل تجارت آنها مهم می‌دانند. به عنوان مثال، لنگش در گاوهای شیری اکنون می‌تواند به‌طور خودکار به روش‌های مختلفی از جمله تصاویر بصری، داده‌های گردنبند هوشمند گاو، پدهای حساس به فشار که نحوه توزیع وزن گاوها و حتی از صدای گاوها را ثبت می‌کند، شناسایی شود. پاافتادگی (Alsaaod و همکاران، 2019؛ Eckelkamp، 2019؛ Volkmann و همکاران، 2019؛ Pilette و همکاران، 2020). تغییرات در رفتار مانند دوره‌های طولانی‌تر دروغ‌گویی، دوره‌های کوتاه‌تر تغذیه یا نشخوار کردن را می‌توان به‌طور خودکار از تصاویر بصری و شتاب‌سنج‌ها استخراج کرد و به عنوان هشدارهای اولیه لنگش و سایر مشکلات سلامتی عمل کرد . در دامداری هوشمند گاو شیری ، تغییرات در موقعیت دم را می‌توان به‌طور خودکار توسط دوربین‌ها شناسایی کرد و به‌عنوان هشداری برای شیوع دم‌گزیدگی یا شکستگی دم، که یک منبع جدی آسیب است، استفاده کرد . فناوری تصویربرداری دیجیتال همچنین می‌تواند برای تجزیه و تحلیل وضعیت‌های مختلف نشان‌دهنده پرندگان بیمار یا مجروح یا برای تشخیص جوجه‌های گوشتی لنگ با توجه به ناهنجاری‌های نوسانات بدن، فرکانس گام و طول گام استفاده شود.

حیوانات بزرگ مانند گاوها یا خروس‌ها را می‌توان با قرار دادن برچسب‌ها، ردیاب‌ها یا دستگاه‌های اندازه‌گیری روی یا حتی درون هر حیوان یا با تشخیص بصری حیوانات منفرد از داده‌های دوربین. چنین دستگاه‌هایی می‌توانند به رفاه حیوانات کمک کنند و هر حیوانی را قادر می‌سازد تا رژیم غذایی و درمان پزشکی خاص خود را داشته باشد. بینایی کامپیوتری و یادگیری ماشینی اکنون می‌توانند حالات صورت درد را در گوسفند شناسایی کنند، به بیماری‌هایی مانند پوسیدگی پا و ورم پستان هشدار می‌دهند و فرد مبتلا را قادر می‌سازد تا قبل از گسترش بیماری به بقیه گله تحت درمان قرار گیرد. دامداری هوشمند امروزه حتی در کشورهای در حال توسعه هم در دسترس است.

با این حال، جایی که هزاران حیوان کوچکتر در کنار هم نگهداری می شوند، شناسایی فردی در حال حاضر دشوار است و کل گروه به عنوان یک کل ارزیابی و درمان می شود. به عنوان مثال، طیورهایی که به صورت تجاری پرورش می یابند، خوراک، واکسیناسیون، دارو، ارتفاع آبخوری، نور و سایر عوامل تنظیم شده برای افراد مجرد ندارند، بلکه برای نیازهای متوسط کل گله تنظیم شده اند. ارزیابی رفاه به طور مشابه براساس نتایج گروهی مانند درصد گله با نقص راه رفتن، درصد مرگ و میر، صداها یا حرکات گله کامل است . این منطقه‌ای است که در حال حاضر کشاورزی دقیق محدود است، اما می‌تواند در آینده کمکی واقعی به رفاه حیوانات خانگی داشته باشد. «دقت» در کشاورزی دقیق زراعی به اندازه‌گیری ویژگی‌های خاک، سطوح رطوبت، علف‌های هرز و بیماری‌ها در بخش‌های خاص یک مزرعه و استفاده از درمان‌هایی مانند کودها و علف‌کش‌ها دقیقاً در جایی که واقعاً مورد نیاز است به جای مزرعه اشاره دارد. یک کل رفاه جوجه ها نیز می تواند از فناوری بهره مند شود که به کشاورزان اجازه می دهد پرندگان آسیب دیده را شناسایی کرده و آنها را به صورت جداگانه درمان کنند یا به مناطق خاصی از خانه که در آن مشکل احتمالی مانند خفه شدن یا ازدحام بیش از حد شروع شده بود، هشدار داده شود. خانه‌های حاوی هزاران پرنده دیگر به‌عنوان یک واحد واحد در نظر گرفته نمی‌شوند، بلکه به‌عنوان گله‌هایی از افراد مختلف که شرایط متفاوتی را تجربه می‌کنند و نتایج رفاهی متفاوتی دارند، تلقی می‌شوند. این امر باعث می شود تا تمرکز بیشتری بر رفاه هر یک از حیوانات نسبت به کشاورزان یا ماشین آلات در حال حاضر انجام شود.

با این حال، حتی با فناوری فعلی، می‌توان اطلاعات ارزشمند سلامتی را از نظارت بر کل گروه بدون تشخیص افراد به دست آورد. به عنوان مثال، علیرغم دشواری تشخیص صدای سرفه از سایر صداهای پس زمینه، از صدای سرفه برای تشخیص خودکار علائم اولیه بیماری تنفسی گاو استفاده شده است. صداهای سرفه در خوک ها  و عطسه در جوجه ها نیز برای تشخیص بیماری های تنفسی استفاده شده است. با استفاده از تصاویر بصری، گله های جوجه های گوشتی با سطوح بالایی از آسیب و لنگش پا را می توان به طور خودکار از ناهنجاری های حرکت گله تشخیص داد، حتی قبل از اینکه این موارد برای چشم انسان آشکار شود .

بنابراین واضح است که دامداری هوشمند در حال حاضر توانایی اندازه گیری حداقل یک عنصر رفاه خوب – سلامت حیوانات – را در سطح فردی و گروهی دارد. خودکار جدید روش‌های همگام شده برای انجام این کار به سرعت در حال توسعه هستند و استفاده از آن‌ها احتمالاً در آینده نزدیک به طور قابل توجهی افزایش می‌یابد، زیرا ابزارهای تشخیصی بهتر می‌توانند بر روی حیوانات تک تک تمرکز کنند و هشدارهای اولیه در مورد مشکلات بهداشتی اولیه ارائه دهند (

 

با سامانه دامداری هوشمند رهبان بیشتر آشنا شوید

 

 

تشخیص کامپیوتری آنچه حیوانات می خواهند (دیدگاه حیوان)
در حالی که تشخیص علائم بیماری برای رایانه ها نسبتاً آسان است، رفاه خوب بیشتر از فقدان آسیب و بیماری وجود دارد و بنابراین یک سؤال کلیدی این است که آیا دامداری هوشمند همچنین می توانند آنچه را که حیوانات می خواهند در دومین جزء رفاه حیوانات ارائه دهند؟

 

تعیین الگوریتم های رفاه
موفقیت یک الگوریتم برای تشخیص اینکه چه زمانی حیوانات آنچه را که می‌خواهند دارند، به این بستگی دارد که رایانه بتواند بین رفتار یا وضعیت فیزیولوژیکی حیواناتی که آنچه می‌خواهند و رفتار یا وضعیت فیزیولوژیکی حیواناتی که آنچه را که می‌خواهند ندارند تمایز قائل شود. . دانشمندان رفاه حیوانات قبلاً در تهیه این فهرست‌های «زبان بدن» برای گونه‌های مختلف پیشرفت زیادی کرده‌اند و در واقع اغلب به عنوان معیارهای رفاه مثبت یا منفی استفاده می‌شوند. اکنون بسیاری از آنها را می توان به طور خودکار با حسگرها شناسایی کرد، از جمله سطح هورمون، سطح فعالیت، صدا، دمای پوست، دمای چشم، اندازه مردمک، تغییر ضربان قلب و بسیاری موارد دیگر.

با وجود چنین تعداد زیادی از اقدامات در حال حاضر، به نظر می رسد یک پایگاه تجربی قوی برای توسعه الگوریتم های رفاه مناسب برای گنجاندن در سیستم های دامداری هوشمند وجود دارد. متأسفانه، معلوم می‌شود که بسیاری از این اقدامات مشکل‌ساز هستند، زیرا نمی‌توانند بین حیواناتی که آنچه می‌خواهند و کاملاً برعکس آن‌ها تمایز قائل شوند – حیواناتی آنچه را که می‌خواهند ندارند یا مجبور هستند در شرایطی که می‌خواهند از آن اجتناب کنند یا از آن فرار کنند، باقی بمانند. به عنوان مثال، گاوها هنگامی که در یک گاو برای سم چینی محبوس می‌شوند و همچنین زمانی که خورک بسیار خوش طعم داده می‌شوند، دمای چشمشان کاهش می‌یابد. افزایش زیاد در سطوح گلوکوکورتیکوئید (که اغلب به آنها هورمون استرس گفته می شود) توسط حیواناتی که آنچه را که می خواهند (مانند خوراک، ورزش داوطلبانه یا شریک جنسی) و همچنین حیواناتی که می خواهند از چیزی فرار کنند یا اجتناب کنند نشان داده می شود . ؛

این ابهام در بسیاری از معیارهای رفاهی که در حال حاضر مورد استفاده قرار می گیرند – این واقعیت که بسیاری از آنها را می توان به همان اندازه تعبیر کرد که یک حیوان هیجان زده آنچه را که می خواهد دارد به عنوان یک حیوان برانگیخته که تلاش می کند از چیزی که نمی خواهد اجتناب کند – به این معنی است که یک آزمایش اضافی باید اعمال شود. قبل از هر کدام باید در یک الگوریتم رفاه استفاده شود. آن آزمون شواهد تجربی است مبنی بر اینکه معیار مورد استفاده، تشخیص واقعی این است که آیا خود حیوانات موقعیت معین را چیزی می‌دانند که می‌خواهند ادامه دهند/تکرار کنند (یعنی آن را مثبت یا پاداش‌دهنده می‌دانند) یا چیزی که می‌خواهند از آن اجتناب کنند (منفی). یا تنبیه) . این طبقه بندی مثبت/منفی ظرفیتی نیز نامیده می شود.

 

تعیین ظرفیت
در حال حاضر تعدادی روش آزموده شده و آزموده شده برای یافتن آنچه حیوانات می خواهند وجود دارد، از جمله شرطی سازی عامل، انواع مختلف آزمون های انتخاب، توزیع فضایی و موارد دیگر. روش های غیر مستقیم . ساده‌ترین آنها شامل پیشنهاد دادن به حیوانات بین گزینه‌های مختلف و دیدن اینکه کدام یک را در ابتدا انتخاب می‌کنند یا در یک دوره طولانی‌تر به کجا می‌روند، است. برای مثال، هنگامی که به جوجه‌های گوشتی پیشنهاد می‌شود بین میله‌های سنتی و میله‌ها انتخاب کنند، آنها زمان بیشتری را روی سکوها نسبت به میله‌ها می‌گذرانند، به ویژه با افزایش سن، سنگین‌تر شدن و حفظ تعادل روی میله‌ها سخت‌تر می‌شوند. دیدگاه آنها در جایی که آنها زمان خود را سپری می کنند بیان می شود.

شواهد از آنچه حیوانات می‌خواهند قانع‌کننده‌تر می‌شود اگر بتوان نشان داد که حیوانات واقعاً برای به دست آوردن آنچه می‌خواهند «کار می‌کنند» یا برای دریافت پاداش خود هزینه‌ای پرداخت می‌کنند. برای مثال، گاوهای شیری یاد می‌گیرند که یک سوئیچ را برای فعال کردن موتورهای برس‌های دوار به کار ببرند، و سپس آن‌ها را روی آن بمالند تا خودشان را قشو کنند . علاوه بر این، اگر برایشان سخت‌تر شود، برای رسیدن به این برس‌ها تلاش زیادی می‌کنند، به عنوان مثال اگر مجبور شوند دروازه‌ای سنگین را باز کنند . گاوها به وضوح نظافت فیزیکی ارائه شده توسط برس ها را می خواهند.

به طور سنتی، مطالعات انتخاب حیوانات و استفاده از منابع با مشاهده مستقیم انسانی یا تجزیه و تحلیل خسته کننده ویدیو انجام می شود که دامنه آنها را بسیار محدود می کند. تجزیه و تحلیل کامپیوتری طولانی مدت از محل سپری کردن زمان حیوانات و تعداد دفعات و میزان کار آنها برای منابع مختلف داده های کمی بسیار بیشتری را ارائه می دهد. این نشان می دهد که چگونه انتخاب ها بر اساس روزانه و با افزایش سن حیوانات تغییر می کند . بنابراین به غلبه بر مخالفت هایی که در مورد استفاده از انتخاب مطرح شده است کمک می کند آزمایش‌های یخ در ارزیابی رفاه  مانند عدم آشنایی حیوانات با گزینه‌های موجود، انتخاب‌ها با تجربه تغییر می‌کنند یا حیوانات در ابتدا چیزی را می‌خواهند اما وقتی آن را به دست می‌آورند آن را «دوست نمی‌آورند».

 

بیان ظرفیت
اگرچه تعیین آنچه حیوانات می‌خواهند اولین مرحله ضروری در توسعه الگوریتم‌های رفاه است، اما دانستن اینکه حیوانات چگونه خودشان را در زمانی که چه می‌خواهند (یا ندارند) ابراز می‌کنند، باعث می‌شود که داده‌های اغلب مبهم حسگرها به درستی در رفاه تفسیر شوند. شرایط . هنگامی که مشخص شد حیوانات چه می خواهند، آنگاه می توان آنها را در حضور چیزها یا محیط هایی که نشان داده اند می خواهند و در حضور موقعیت هایی که نشان داده اند می خواهند از آنها اجتناب کنند، مشاهده کرد. اگر تفاوت‌های تشخیصی بین رفتار و فیزیولوژی آن‌ها در این دو موقعیت وجود داشته باشد – یعنی شاخص‌های قابل‌اعتماد ظرفیت – پس اینها مواردی هستند که می‌توانند با اطمینان به عنوان بخشی از یک الگوریتم رفاه مورد استفاده قرار گیرند. اینها ممکن است صداهای مشخصه، الگوهای رفتاری یا پروفایل‌های هورمونی باشند که یک ماشین (یا فرد ) را قادر می‌سازد تا ارزیابی رفاه و هرگونه تغییر مدیریتی لازم را انجام دهد. به عنوان مثال، جوجه‌های در حال رشد زمانی که سرد، گرسنه، تشنه یا گوشه‌نشین هستند (یعنی آنچه را که می‌خواهند ندارند) صداهای بلند و با صدای بلند و زمانی که با مادر یا دیگران هستند، صداهای «جیک جیکی» می‌دهند. جوجه ها در دمای مناسب و در غیر این صورت آنچه را که می خواهند دارند . تماس ها متمایز هستند و برای انسان ها و رایانه ها به راحتی قابل تشخیص هستند. بنابراین، رفاه فعلی جوجه ها را می توان با نظارت بر این تماس ها ارزیابی کرد، زیرا ارزش آنها به عنوان شاخص های ظرفیت تشخیصی قبلاً تعیین شده است.

دامداری هوشمند با قدرت بی‌شمار خود در یادگیری از مجموعه‌های داده بزرگ می‌توانند دقت الگوریتم‌های تشخیص رفاه و توانایی آن‌ها را در تشخیص رفتار ظرفیت‌های مختلف به میزان زیادی افزایش دهند. برای مثال، غرغرهای منتشر شده توسط خوک‌ها بسته به اینکه خوک‌ها در موقعیت‌هایی هستند که پاداش یا تنبیه می‌کنند متفاوت است ، اما همپوشانی زیادی بین این دو دسته از غرغر وجود دارد که باعث می‌شود آنها در در حال حاضر، شاخص های غیرقابل اعتمادی در مورد اینکه آیا خوک ها آنچه را که می خواهند دارند یا خیر. با این حال، آنچه ما اکنون به عنوان نشانه‌های غیرقابل اعتمادی از آنچه خوک‌ها می‌خواهند می‌بینیم، می‌تواند با قدرت یادگیری ماشینی در تفسیر آنها، بسیار قابل اعتمادتر شود، یا به این دلیل که رایانه‌ها تمایزاتی را تشخیص می‌دهند که از ما فرار می‌کنند، یا به این دلیل که می‌توانند آنها را با دیگران ترکیب کنند. رفتارها و تفسیر آنها در زمینه. یادگیری ماشینی، با استفاده از مجموعه داده‌های بسیار بزرگ برای آموزش و آزمایش مدل‌های یادگیری عمیق، تقریباً مطمئناً همبستگی‌ها و بینش‌های ناشناخته را در مورد چگونگی دستیابی به نتایج رفاهی بهتر از آنچه در حال حاضر در دسترس داریم، شناسایی می‌کند.

با این حال، تحلیل خودکار رفتار به دلیل تنوع آن، چالش‌های خاصی را ایجاد می‌کند. حیوانی که غذا می‌خواهد وقتی جفت می‌خواهد یا گرما می‌خواهد رفتار متفاوتی با همان حیوان دارد. حتی خواستن یک چیز مانند غذا ممکن است گاهی اوقات به شکل جستجو در یک منطقه بزرگ باشد، گاهی اوقات آواز خواندن و گاهی اوقات بی حرکت نشستن برای حفظ انرژی. «جستجو» به نوبه خود ممکن است شامل دویدن، تعقیب کردن، کندن، برگرداندن سنگ یا هر تعداد رفتار دیگری باشد که ممکن است در موقعیت های مختلف حتی در یک فرد متفاوت باشد. یک عارضه اضافی این است که وقتی حیوان غذا پیدا کرد، از «خواستن» غذا به «دوست داشتن» آن تغییر می‌کند و مجموعه‌ای کاملاً جدید از رفتارهای مرتبط با خوردن و ارسال را نشان می‌دهد. -هضم غذا فهرست زبان بدن برای تشخیص اینکه چه زمانی حیوانات آنچه را که می‌خواهند دارند، باید برای هر گونه گسترده باشد و شامل این تنوع از رفتارهای مختلف باشد.

این فهرست احتمالاً طولانی تر از نحوه بیان حیوانات در زمانی است که آنچه را که می خواهند ندارند، زیرا موقعیت های بسیار متفاوتی وجود دارد که حیوانات ممکن است بخواهند از آنها اجتناب کنند یا از آنها فرار کنند، که هر کدام باعث رفتارهای متفاوتی می شوند. حیوانی که ندارد، اما می‌تواند آنچه را که می‌خواهد ببیند («خنثی‌شده» یا «ناامید» است) با حیوانی که در یک محیط بی‌حوصله است متفاوت رفتار می‌کند («محروم» یا «بی حوصله» است). حیوانی که می خواهد از خطر اجتناب کند (“ترس” است) بسته به درجه خطر طیفی از رفتارها از هوشیاری تا پرواز در مقیاس کامل را نشان می دهد. پرخاشگری می تواند اشکال مختلفی داشته باشد و مبارزه واقعی در واقع می تواند بسیار شبیه به مبارزه بازی باشد. تنها چیزی که می تواند این رفتارهای متنوع را متحد کند و آنها را در یک لیست منفی قرار دهد این است که از دیدگاه حیوان، همه آنها نشانگر چیزی هستند که نه خواسته یا دوست داشتنی است.

توجه داشته باشید که این لیست های دام محور ممکن است با لیست هایی که انسان های خوش نیت بدون بهره مندی از این پس زمینه آن را تغییر می دهند یکسان نباشد. برای مثال، همه رفتارهای «طبیعی» به فهرست مثبت آنچه حیوانات می‌خواهند نمی‌رسند. برخی از رفتارهایی که به طور طبیعی در طبیعت رخ می دهند، مانند تعقیب و گریز توسط یک شکارچی، ممکن است برعکس آنچه یک حیوان می خواهد باشد و به عنوان نشان دهنده رفاه ضعیف تلقی شود.

با این حال، هنگامی که این فهرست‌ها گردآوری شدند، می‌توان از آنها برای توسعه الگوریتم‌های رفاهی معتبری که دامداری هوشمند به آن‌ها نیاز دارد، استفاده کرد. مصرف کنندگان می توانند مطمئن باشند که الگوریتم های رفاهی مورد استفاده بر اساس آنچه که حیوانات را سالم نگه می دارد و همچنین بر اساس احکام خود حیوانات در مورد آنچه انجام می دهند یا نمی خواهند است.

 

 

 

دامداری هوشمند رهبان

 

کامپیوترها می توانند آنچه را که حیوانات می خواهند ارائه دهند
به طور فعال تر، رایانه ها را می توان نه تنها برای اندازه گیری آنچه حیوانات می خواهند، بلکه برای ارائه آنچه می خواهند به آنها استفاده کرد. به عنوان مثال، دوشیدن داوطلبانه گاوها، یا سیستم‌هایی که در آن حیوانات می‌توانند سطح روشنایی خود را کنترل کنند نشان می‌دهند که چگونه دامداری هوشمند حتی می‌تواند منجر به حیوان محوری شود. محیط هایی که در آن حیوانات محیط خود را مطابق میل خود تنظیم می کنند. پیامدهای رفاهی کامل این موضوع هنوز درک نشده است.

 

برخی از مشکلات باقیمانده در تحلیل ماشینی رفاه
با تأکید بر نقشی که رایانه ها می توانند در تشخیص و ارزیابی رفاه حیوانات ایفا کنند، شناسایی مشکلاتی که هنوز باقی مانده اند نیز مهم است. با صدا، ممکن است تشخیص صداها از نویز پس زمینه دشوار باشد یا ممکن است همپوشانی واقعی بین صداها وجود داشته باشد که نشان دهنده رفاه مثبت یا منفی است.

با استفاده از فناوری بینایی ماشین، طیف وسیع تری از مشکلات فنی هنوز وجود دارد که باید بر آن غلبه کرد. مغز انسان در تشخیص افراد، حالات ظریف چهره، حروف الفبای نوشته شده با حروف الفبای مختلف و اشیایی که فقط تا حدی قابل مشاهده هستند آنقدر خوب است که گاهی اوقات باعث تعجب می شود که ما هنوز در بسیاری از این کارهای بصری از هر کامپیوتری بهتر عمل می کنیم. ما از نظر تغییر ناپذیری دیدگاه برتر هستیم – یعنی قادریم یک شی را تشخیص دهیم حتی اگر ظاهر آن بسته به زاویه، فاصله یا جهتی که در آن می بینیم بسیار متفاوت باشد. یک خودکار وقتی یک طرفه نگه داشته می شود بلند و نازک به نظر می رسد، اما وقتی به انتهای آن نگاه می کنیم مانند یک سکه گرد کوچک به نظر می رسد، اما هنوز می دانیم که یک خودکار است. اتوبوس هنوز برای ما اتوبوسی است، حتی اگر نیمه در کنار دیوار پنهان شده باشد تا دیگر شکل اتوبوس معمولی نداشته باشد. چنین کارهایی برای رایانه‌ها حتی با اشیاء ثابت ارائه شده به شکل یکنواخت دشوار است (به همین دلیل است که آزمایش‌های مربوط به اینکه آیا شما یک ربات در یک وب‌سایت کار می‌کند یا خیر). هنگامی که با توالی رفتار فعال حیوانات متحرک که از زوایای مختلف، فواصل متفاوت از دوربین، در شرایط نوری متفاوت و اغلب توسط حیوانات دیگر پنهان می‌شوند، مواجه می‌شوید، کار حتی دشوارتر می‌شود. اگر این مشکلات به طور رضایت بخش حل نشوند، تشخیص رایانه نتایج مثبت یا منفی کاذب را به همراه خواهد داشت که هر دو از مفید بودن آن در عمل می کاهد.

در نتیجه، هنوز راه زیادی در پیش است تا الگوریتم‌های رفاه آنچه را که از آنها به عنوان بخش قابل اعتمادی از سیستم‌های دامداری هوشمند که در شرایط مزرعه تجاری کار می‌کنند، انجام دهند. با این حال پیشرفت همیشه در حال انجام است. استفاده گسترده از نظارت تصویری نیاز به تشخیص کامپیوتری با دید ثابت انواع مختلف فعالیت‌های انسانی را که می‌تواند مستقل از سطح نور، پس‌زمینه زاویه دوربین یا سایر متغیرهایی که در زندگی واقعی با آن مواجه می‌شوند، عمل کند، ایجاد کرده است. چنین تحولاتی با مشکلات تشخیص ماشین رفتار حیوانات در شرایط مزرعه ارتباط مستقیم دارد.

 

آیا دامداری هوشمند می تواند مزایای وعده داده شده خود را برای رفاه حیوانات ارائه دهد؟
دامداری هوشمند یا دقیق نوید کارایی بیشتر به کشاورزان و استانداردهای رفاهی بالاتر برای حیوانات را می دهد، هنوز مشخص نیست که آیا دامداری هوشمند حیوانات “دوست یا دشمن” است یا کشاورزان “نوشابه یا دام”. علیرغم پیشرفت عمده ای که از زمان انتشار این مقاله حاصل شده است، دامداری دقیق هنوز در کاربرد فناوری دقیق در بسیاری از بخش ها از تولید محصولات گیاهی عقب مانده است (پرورش دام شیری یک استثنا است). بسیاری از بلندپروازانه ترین ویژگی های آن – مانند ارزیابی خودکار رفاه – هنوز در مرحله توسعه هستند و هنوز ارزش خود را در شرایط واقعی کشاورزی ثابت نکرده اند. در نتیجه، بسیاری از کشاورزان، به‌ویژه آنهایی که در بخش طیور هستند، هنوز متقاعد نشده‌اند که تکنیک‌های دامداری هوشمند برای آنها مناسب است یا اینکه نتایج بهتری نسبت به دستیابی به کمک فناوری گران قیمت به دست می‌آورند. تنها زمانی که کاربرد تجاری گسترده و شواهدی از نتایج کشاورزی هوشمند در

ما قادر به قضاوت در مورد نتایج واقعی آن خواهیم بود. این نتایج باید شامل این باشد که آیا منجر به کاهش زباله می شود، آیا باعث کاهش بروز بیماری و در نتیجه کاهش یا افزایش استفاده از دارو می شود، چه اثراتی بر محیط زیست و افرادی که با حیوانات کار می کنند و اینکه آیا اجازه می دهد یا خیر. کشاورزان برای امرار معاش

عوامل اقتصادی بسیار مهم خواهد بود. تنها در صورتی که کشاورزان بتوانند مزایای تجاری را ببینند، سرمایه‌گذاری لازم را در تجهیزات کشاورزی هوشمند انجام خواهند داد و این تاکید بر سود و کارایی است که بیشترین نگرانی را برای رفاه حیوانات ایجاد می‌کند. یک باور رایج وجود دارد که رفاه حیوانات با کشاورزی کارآمد در تضاد است، زیرا مزایای آن نامشهود است و از اخلاق و ارزش‌های اخلاقی یا آنچه که عموم به عنوان «خوب» می‌دانند نشات می‌گیرد . با این حال، رفاه حیوانات نیز دارای مزایای مالی مستقیم است و هنگامی که این موارد رسیدگی شود، احتمال کمتری وجود دارد که در تضاد با کشاورزی کارآمد دیده شود . بنابراین ارزش دارد که اثرات احتمالی دامداری هوشمند بر دو مؤلفه رفاه حیوانات مورد بحث در این مقاله با توجه به پیامدهای مالی آنها در نظر گرفته شود.

تأثیر دامداری دقیق بر اولین مؤلفه رفاه حیوانات – سلامت خوب – احتمالاً مثبت و همچنین از نظر مالی مفید است. با داشتن کنترل بیشتر بر شرایط محیطی که دامداری هوشمند ارائه می دهد، حیوانات را می توان در شرایطی نگهداری کرد که برای سلامتی آنها بهینه است، که باعث می شود کمتر احتمال مرگ یا نیاز به دارو داشته باشند یا منبع بیماری برای یکدیگر یا برای انسان باشند. نگهداری جوجه های گوشتی در محدوده توصیه شده دما و رطوبت، به ویژه در هفته اول زندگی، نه تنها مرگ و میر را کاهش می دهد، بلکه سایر شاخص های بهداشتی کلیدی مانند سوزش، درماتیت پد پا و لنگش را کاهش می دهد. یک مزرعه جوجه‌های گوشتی با 10 خانه می‌تواند تا 3 میلیون پرنده در سال تولید کند، به طوری که حتی یک درصد صرفه‌جویی در مرگ و میر می‌تواند از نظر مالی برای تولیدکنندگان طیور حیاتی باشد. اگر محیط کنترل‌شده قابل دستیابی با دامداری دقیق، کاهش رتبه‌بندی ناشی از ضایعات ساق و پا، تاول‌های سینه و سایر نشانه‌های بیماری را کاهش دهد، این می‌تواند یک سود مالی اضافی باشد. اطمینان از اینکه همه پرندگان با سرعت یکسان رشد می کنند، یکی دیگر از ملاحظات با پیامدهای اقتصادی است زیرا سوپرمارکت ها اغلب پرندگانی با وزن یکسان می خواهند. این برای رفاه پرندگان نیز مهم است زیرا پرندگان کم وزن ممکن است در دسترسی به غذا و آب مشکل پیدا کنند. اگر کشاورزی دقیق منجر به درصد بالاتری از پرندگان قابل فروش و سالم با وزن یکنواخت شود، کشاورزان از نظر مالی سود خواهند برد و رفاه پرندگان در همان زمان بهبود خواهد یافت.

 

گردنبند هوشمند گاو

 

با مولفه دوم رفاه خوب – حیوانات آنچه را که می‌خواهند دارند – کشاورزی دقیق نیز این پتانسیل را دارد که کارایی و سود را در کنار رفاه بهتر ارائه دهد. شواهد فزاینده‌ای وجود دارد که «استرس» را با سیستم ایمنی ضعیف مرتبط می‌کند . در انسان‌ها، عملکرد خوب سیستم ایمنی ارتباط نزدیکی با گزارش‌های ذهنی افراد از شاد بودن و رضایت از زندگی‌شان دارد، که یک مدل امیدوارکننده برای ارتباط ایمنی با غیرانسانی است. حیوانات آنچه را که می خواهند دارند . این منطقه ای است که تحقیقات فوری مورد نیاز است، به ویژه برای آزمایش این فرضیه که نگهداری از حیوانات در شرایط رفاهی بالا (جایی که هر دو سالم هستند و آنچه می خواهند دارند) سیستم ایمنی آنها را تقویت می کند، آنها را در برابر بیماری ها مقاوم می کند و منجر به سلامت بیشتر می شود. حیوانات راضی اگر کشاورزی دقیق بتواند شرایطی را فراهم کند که حیوانات با رفتاری که می‌خواهند و دوست دارند نشان دهند و همچنین سالم‌تر باشند، این یک مزیت تجاری مستقیم و فوری خواهد بود. اگر بتوان نظارت بر رفتار حیوانات را برای نشان دادن زمانی که شرایط از نظر حیوان کمتر از حد مطلوب است مفید نشان داد، آنگاه فناوری اضافی توجیه مالی خاص خود را خواهد داشت.

علاوه بر مزایای مستقیم مالی از اولویت دادن به رفاه حیوانات، مزایای غیرمستقیم نیز وجود دارد، مانند مشاهده مطلوب کشاورزان توسط عموم و انتخاب خرید محصولات دامداری دقیق، زیرا آنها به عنوان “رفاه دوست” دیده می شوند. این احتمالاً اهمیت فزاینده‌ای پیدا می‌کند زیرا معاملات تجاری جدید منجر به رقابت بیشتر می‌شود و رفاه حیوانات به یک نقطه فروش کلیدی برای تولیدکنندگانی تبدیل می‌شود که می‌توانند به آن دست یابند. یک خرده فروش یا فروشگاه مواد غذایی که بتواند به مشتریان خود اطمینان دهد که در مزارعی که از آنها خرید می کند نظارت مستمر رفاه وجود دارد و می تواند توضیح دهد که این به چه معناست و حتی چگونه رفاه اندازه گیری می شود، از مزیت (تجاری) برخوردار خواهد بود.

هنوز نمی دانیم که آیا این وعده های دامداری هوشمند در عمل محقق می شود یا خیر. این تنها زمانی مشخص می شود که سیستم ها به طور گسترده مورد استفاده قرار می گیرند و خود سیستم های هوشمند به طور کامل توسعه می یابند. مجموعه داده های بزرگی که می توانند با استفاده از تکنیک‌های یادگیری عمیق، هم برای ارزیابی اثرات دامداری هوشمند و هم برای بهبود آنچه می‌تواند به دست آورد، حیاتی خواهد بود. از میان این اثرات، رفاه حیوانات کلیدی برای آینده دامداری هوشمند خواهد بود، هم به عنوان یک عامل اصلی در موفقیت یا شکست مالی آن، اما مهمتر از آن به عنوان قاضی اخلاقی آن. دامداری هوشمند ممکن است به این دلیل باشد که آیا واقعاً می تواند زندگی حیوانات را بهبود بخشد یا خیر.

نتیجه گیری
دامداری هوشمند یا دامداری دقیق مجموعه ای از فناوری های نسبتاً جدید است که اثرات آن بر رفاه حیوانات هنوز مشخص نشده است. حکم اخلاقی در مورد دامداری هوشمند احتمالاً به نحوه توسعه فناوری در چند سال آینده و میزان اولویت دادن به رفاه حیوانات بستگی دارد. سه پیشرفت برای ارزیابی اخلاقی کشاورزی هوشمند در رفتار با حیوانات بسیار مهم خواهد بود: تعریف «رفاه» که اتخاذ می‌کند، تشخیص رفاهی رایانه‌ای و مهم‌تر اینکه آیا رفاه حیوانات پرورشی واقعاً با کاربرد فناوری کشاورزی هوشمند بهبود می‌یابد.