Zou een toekomstige huisdierenapp een gedragspatroon kunnen herkennen voordat een mens het opmerkt? Dat idee klinkt misschien futuristisch, maar het is de focus van een recent onderzoek naar het voorspellen van huisdiergedrag met kunstmatige intelligentie.
De onderzoekers hebben een gedragsvoorspellingsaanpak onderzocht die is gebaseerd op S2GAN-gebaseerde heterogene gegevenssynthese. Eenvoudig gezegd onderzoekt het werk of AI-gegenereerde gegevens uit verschillende soorten informatie een systeem kunnen helpen patronen te leren die verband houden met huisdiergedrag.
Waarom synthetische gegevens creëren? Hulpmiddelen voor gedragsvoorspelling hebben nuttige voorbeelden nodig om van te leren, maar gegevens over huisdieren uit de echte wereld kunnen beperkt, ongelijkmatig of moeilijk te verzamelen zijn. Huisdieren gedragen zich ook anders in verschillende huizen, routines, omgevingen en soorten. Een model dat is getraind op beperkte gegevens kan belangrijke variatie missen.