現(xiàn)在，百度更懂貓狗了？

跨物種交流的愿景

2005年，在谷歌尚未退出中國大陸時，百度曾喊出：百度更懂中文”。再后來，在2017年的百度世界大會上，李彥宏說百度要從“更懂中文，變成“百度更懂你”。八年后，百度可能要說“更懂動物了”。

五一長假之后，媒體通過天眼查App了解到，百度剛剛申請了一項專利，內(nèi)容是“動物語言轉(zhuǎn)換方法、裝置、電子設(shè)備及存儲介質(zhì)”。

把這項專利內(nèi)容翻譯成大白話大概是這樣的：百度通過記錄貓狗等動物的聲音、行為和體征，將其生成一套多模態(tài)數(shù)據(jù)系統(tǒng)，據(jù)此再對動物情緒進行識別，同時翻譯成人類語言輸出。

百度專利稱，該技術(shù)能夠?qū)崿F(xiàn)動物與人類之間更深層次的情感交流和理解，提高了跨物種溝通的準(zhǔn)確性和效率。

刷到這則新聞時，我正好和一位養(yǎng)貓的朋友在一起，我問他家里貓叫的時候，能知道它想干什么，他說貓基本上只有有事的時候才會叫，但他無法把某種具體的貓叫聲和貓的意圖進行準(zhǔn)確對應(yīng)。

貓狗情緒研究原理

在百度公布這項專利前的一個月，印度普拉迪卡蘭拉姆克里希納·莫爾學(xué)院的兩位學(xué)者維賈伊·蘇尼爾·賈達夫和桑托什·賈格特，發(fā)表了一篇論文，內(nèi)容和百度專利非常相似：“利用人工智能進行動物面部檢測以理解其情緒和行為”。

這篇論文回顧了過往AI學(xué)者對動物表情的代表性研究：

一項涉及狗面部表情的案例研究中，數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(CNN)在一萬張圖像的數(shù)據(jù)集上進行訓(xùn)練。該模型在區(qū)分快樂、恐懼和中性表情方面達到了88%的準(zhǔn)確率，核心貢獻是發(fā)現(xiàn)狗狗獨特的特征，如耳朵的位置、口型和眼睛睜開程度，是情緒狀態(tài)的關(guān)鍵指標(biāo)。

另一項研究則把類似的方法被應(yīng)用于貓，在5000張貓咪面部表情圖像上進行訓(xùn)練，但確率比狗要略低，為80%，表明貓科動物的表達面臨特殊挑戰(zhàn)。貓的情緒狀態(tài)受到外界刺激的影響比狗要大，使數(shù)據(jù)收集變得復(fù)雜。此外，貓在面部表情上表現(xiàn)出微妙的變化，使得檢測更具挑戰(zhàn)性。

這兩項研究證實了許多人的猜測：無論貓還是狗，它們的表情中都能反應(yīng)情緒。狗可以表現(xiàn)出快樂，恐懼，焦慮，甚至嫉妒的跡象。認(rèn)識到這些情緒可以提高訓(xùn)練和行為矯正技術(shù)。貓的表情比狗要復(fù)雜，但結(jié)合肢體語言，你也能窺探到它們的快樂、沮喪和壓力這些內(nèi)心戲。

從人臉識別到讀心術(shù)

當(dāng)前的AI技術(shù)對人臉和情緒識別準(zhǔn)確率已經(jīng)趨于成熟，通過分析語音的音調(diào)、語速、音量、停頓等特征，AI可以較為準(zhǔn)確地判斷說話者的情緒（如憤怒、快樂、悲傷、驚訝等）。在標(biāo)準(zhǔn)數(shù)據(jù)集上，準(zhǔn)確率可達70%以上；利用計算機視覺技術(shù)，分析面部肌肉運動，如微笑、皺眉、瞪眼等，情緒判斷的準(zhǔn)確率在理想條件下可達90%以上。

最前沿的情緒識別系統(tǒng)往往融合語音、圖像、文本和生理信號等多種數(shù)據(jù)源，并且已進入實用化階段，廣泛應(yīng)用于智能客服、健康醫(yī)療、車載安全、教育娛樂等領(lǐng)域。

人類情緒識別技術(shù)已經(jīng)開始進入商用，智能手表、健康手環(huán)等可監(jiān)測用戶生理信號，分析壓力、焦慮、愉悅等情緒狀態(tài)，提供健康建議；微軟通過Microsoft Azure Emotion API提供基于云的面部表情識別服務(wù)；初創(chuàng)公司Affectiva（已被Smart Eye收購）則專注于車載和廣告領(lǐng)域的情緒識別。Amazon Alexa阿里小蜜、百度度秘等語音助手均集成了情緒識別模塊。

但考慮到用戶隱私和倫理的問題，基于人類面部特征的商業(yè)化短期不太可能走得太遠。

2020年，有中小學(xué)引入AI攝像頭監(jiān)測學(xué)生上課表情、情緒，家長和社會質(zhì)疑侵犯學(xué)生隱私、加劇心理壓力，最終被叫停，教育部等部門明確要求規(guī)范AI在校園的應(yīng)用，保護未成年人權(quán)益。2022年，部分企業(yè)、法院試點用AI分析面試者、被告情緒，媒體和專家質(zhì)疑科學(xué)性和倫理風(fēng)險。

海外大廠早已布局動物情緒研究

把對人情緒識別能力復(fù)用到動物身上，只是時間問題。百度并非先行者。亞馬遜、谷歌、PetPace、Petronics等公司早在好幾年前，就曾申請過與動物聲音識別、情感分析相關(guān)的專利。

谷歌在2017年就申請了一項與動物情緒識別相關(guān)的專利，該專利提出了一種利用傳感器和機器學(xué)習(xí)技術(shù)，對動物的情緒和健康狀態(tài)進行分析的方法和系統(tǒng)。谷歌的專利推動了動物情緒識別領(lǐng)域的技術(shù)發(fā)展，相關(guān)思路和方法被PetPace、Whistle等寵物科技公司借鑒和應(yīng)用。

亞馬遜在2020年提交的專利，通過通過攝像頭、麥克風(fēng)、可穿戴設(shè)備收集動物的聲音、面部表情、身體姿態(tài)等多模態(tài)數(shù)據(jù)，結(jié)合AI算法識別動物的快樂、焦慮、疼痛等情緒，并通過語音助手或顯示屏向人類用戶傳達的系統(tǒng)。通過語音合成或文本方式將動物的“情感”翻譯成人類語言。

但這對動物的情緒研究還處于非常初級的階段。

最大挑戰(zhàn)在于，人類和動物的情緒表達方式差異巨大。動物的情緒表達方式高度依賴物種、品種、個體，缺乏統(tǒng)一的“表情語言”，如狗的搖尾巴、貓的呼嚕、馬的耳朵動作等，難以直接類比人類。而在不同動物之間，生理結(jié)構(gòu)、行為習(xí)慣、情緒表達方式差異極大，模型泛化能力有限。

另一個直接原因則是缺乏高質(zhì)量標(biāo)注數(shù)據(jù)，人類情緒有大量公開數(shù)據(jù)集（如FER、IEMOCAP等），而動物情緒數(shù)據(jù)集稀缺，且標(biāo)注主觀性強，依賴專家經(jīng)驗。人類情緒有“快樂、憤怒、悲傷”等標(biāo)準(zhǔn)標(biāo)簽，動物的“情緒”更多是行為狀態(tài)（如警覺、放松、攻擊、求偶等），難以一一對應(yīng)。

寵物經(jīng)濟，想象的藍海

過去，研究動物表情的主要是獸醫(yī)，主要為了方便給動物看病和行為矯正。那么，現(xiàn)在當(dāng)谷歌、亞馬遜、微軟、百度等科技公司來關(guān)心動物表情，他們的用意何在？

最大的推動因素還是商業(yè)利益驅(qū)動。據(jù)Global Market Insight發(fā)布的報告，早在2022年全球?qū)櫸锸袌鲆?guī)模已達到2610億美元。

在中國，寵物增長的曲線卻是昂揚向上。據(jù)《2025年中國寵物行業(yè)白皮書》顯示，2024年中國寵物數(shù)量超1.2億只，已經(jīng)超過4歲以下的嬰兒數(shù)量，城鎮(zhèn)（犬貓）消費市場規(guī)模突破3000億元。

無論對于歐美的存量市場，還是中國的增量市場，人類情緒識別、健康監(jiān)測等AI技術(shù)日趨成熟，向動物領(lǐng)域遷移成為必然。

物主對寵物健康、情感、陪伴的關(guān)注度大幅提升，寵物主希望更好地“理解”寵物，減少誤解和焦慮，提升陪伴體驗。科技公司通過情緒識別技術(shù)，幫助用戶與寵物建立更深層次的情感紐帶，情緒識別也能成為差異化賣點。

就像推進生成式AI一樣，在寵物情緒識別上，百度在國內(nèi)再一次起了大早。但是不是能趕上大集？從當(dāng)前的情況看，包括情緒識別在內(nèi)的寵物市場可能并沒有想象的那樣大。

在口罩期間，隨著經(jīng)濟下滑，美國、英國等國也出現(xiàn)了寵物數(shù)量下滑。所以，以“用戶數(shù)”來計算，全球的家養(yǎng)寵物數(shù)量可能已經(jīng)處于頂峰，跟當(dāng)前互聯(lián)網(wǎng)用戶數(shù)增長見頂類似。

從市場規(guī)模看，寵物經(jīng)濟只是諸多垂直賽道之一，當(dāng)前全球2600億美元的規(guī)模，只是汽車、醫(yī)療、食品這樣的大行業(yè)的十分之一甚至更小的零頭，但與又與全球白色家電、網(wǎng)絡(luò)游戲規(guī)模相當(dāng)，整體上看屬于規(guī)模中等偏上的行業(yè)。

寵物經(jīng)濟也是典型的順周期行業(yè)，其基礎(chǔ)是養(yǎng)寵家庭數(shù)量和人均寵物消費，當(dāng)經(jīng)濟下行、收入減少時，寵物消費易被削減。歐美等成熟市場養(yǎng)寵滲透率已達60-70%，中國等新興市場雖有提升空間，但最終也會趨于穩(wěn)定。