华人小哥搞出一个鸡鸣狗叫GPT，可识别「毛孩子」80%的情绪

机器之能报道

编辑：杨文

铲屎官终于能理解汪星人的小心思了。

「狗语翻译器」已经席卷娱乐圈。

在节目中，贵气男孩尤长靖花了八百块钱，买了个「狗语翻译器」。

汪苏泷下单时问他，「有两百的、四百的和八百的，要买哪个？」

尤长靖斩钉截铁地说，「买八百的」。

因为一分钱一分货，越贵的肯定越精准。

结果买回来，它就各种胡言乱语。

郭麒麟和陆虎也同样玩起了「狗语翻译器」。

购物平台上，不少买家吐槽，这类长得像个蝴蝶结的狗语翻译器，简直就是智商税。

狗叫的时候没反应，狗睡觉了它开始说话了。

现在，AI 闯进了这个小众赛道，带来了不一样的效果。

一位华人小哥搞出来一款狗语 GPT，专门识别汪星人的小情绪，其准确率高达 80%。

天啊噜，人类都还搞不懂自己，却听懂了「狗叫」。

「汪星人」能听懂人话了

最近，人类和「汪星人」丝滑对话的视频，在社交媒体上一炮走红。

视频中，一位男士对着手机上的一款 APP 说：

Hi Ellie，你能帮我拿下遥控器吗？

这款 APP 随即就把人类语言翻译成几句狗叫声。

金毛犬听后，立马摇着尾巴，跑到茶几上叼来了遥控器。

还有类似的案例。

女主人也是对着手机的 APP 说了一段话：

你可以亲我一下吗？

随着手机发出的几句短促的汪汪声，「毛孩子」听懂了，飞身来了一个 Kiss，主人一脸的不可思议。

这款手机 APP，名叫 Traini，是一款「宠物共情 APP」，俗称「狗语翻译器」。

它通过 AI 聊天机器人 PetGPT，实现人类与狗狗之间的跨物种对话和交流。

其核心技术基于一个先进的宠物行为多模态翻译模型。

这个模型采用了类似于 GPT-4o 的 Transformer 架构，并接受了大量专家级宠物行为学文本、视觉和音频数据的训练。

为了确保翻译的准确性，Traini 团队尝试了多种训练方法，包括使用纯狗语音数据训练，对人类语音预训练模型进行微调，以及使用来自不同国家地区、不同品种狗的语音数据混合训练等。

除了翻译狗叫声，它还能理解小狗的面部表情和身体行为，从而推荐它们的心理状态和情感需求。

其实，小狗和人类一样，也是通过表情、声音和行为，来表达情绪。

比如，当它们眼睛半闭含着泪珠，这就表示痛苦；耳朵直立指向前方，就表示想玩；鼻孔张大肌肉紧张，表示戒备。

为此，该团队收集了 10 万只狗的照片、声音和视频，喂给模型，然后不断进行训练。

如今，Traini 可以解读 10 种不同的宠物情绪，其准确率更是高达 80%。

用户可以直接在 PetGPT 中上传照片并提出问题，以了解宠物的心理状态。

截至目前，这款应用已经吸引了超过 20 万的用户。

背后团队是何方神圣？

Traini 创始人兼 CEO 名叫孙邻家 (Arvin Sun) ，是一位华人连续创业者，曾在国内创业 7 年。

他最早的创业经历还得追溯到大学时。

那时，他和室友一起向刚入学的新生卖被子，毕业后就去了一家上市公司做供应链管理，差不多做了两年时间。

2015 年，孙邻家又和同学一起创业，做起了零食专卖店「邻家铺子」，主打三公里内 30 分钟送货上门。

后来又为美容院提供在线预约和门店端的 SaaS 服务，曾在 3 个月内融资数百万元。

再之后，他做了一个给电商提供配套物流的平台，融到 3000 多万，团队也扩充到 100 多人，业务覆盖了 50 多个城市。

2018 年，孙邻家去了美国，加入了最大的中餐外卖平台 GESOO 做 CEO，并实现了公司扭亏为盈。

后来又去了另一家竞品公司 Chowbus 负责西海岸业务，并融资超过 1 亿美金。

2022 年，孙邻家创办了 Traini，负责公司的客户增长和市场拓展。

Traini 联合创始人名叫 Jason Hong，他是一名年轻的中国小伙子，年仅 24 岁。

他曾是湖南省奥数青训队成员，后在美国东北大学大学攻读计算机研究生，并在 Scale AI、OpenAI 和百度工作过，积累了先进模型的开发实践经验。

如今，他负责核心 PetGPT 模型架构和训练。

此外，Traini 还有两名全职员工，分别负责界面设计和全栈工程搭建。

公司还邀请了前 Chewy 数据科学负责人 Yiyi Yang 加入，担任宠物健康专业顾问。

今年 5 月份，公司还完成了千万元天使轮融资。

日本团队搞了个鸡叫 GPT

除了狗语翻译器，日本还搞了个鸡叫 GPT。

东京大学教授 Adrian David Cheok 带领他的团队，研究了一种 AI 和机器学习方法，可以「听懂」鸡叫，并理解其心情。

他们将这种高度数学化和创新的方法称之为「深度情感分析学习（DEAL）」，可以通过听觉数据对情绪状态实现精细分析。

首先，收集鸡叫声。

研究团队将音频记录分割成小片段，以专注于每只鸡的声音，每个片段代表一个不同的声音事件，如咯咯声或嘎嘎声。

为了消除背景噪音，提高鸡叫声信号质量，团队还采用了降噪技术。

再把音频信号进行标准化，确保它们具有一致的幅度范围，有助于减少记录条件中的任何变化，并确保模型可以很好地泛化不同的记录。

其次，把鸡叫声输入 DEAL 模型，该模型通过多个层次进行数据处理。

这个系统利用卷积层学习空间特征层次结构，池化层减小表征的空间大小以控制过拟合并减少计算，全连接层学习高级特征的非线性组合。

最后，softmax 函数用于产生最终输出情绪状态的概率分布。

概率最高的情绪状态，将被选为预测的情绪状态。

为了测试新系统，该研究团队以 80 只鸡为样本，仔细记录和分析了它们在不同条件下的发声。

同时为了确保准确性，它们专门聘请了 8 名动物心理学家和兽医，对鸡的情绪状态提供了专家的见解。

最终，他们发现这个系统可以准确地翻译鸡的各种鸣叫和心情，包括饥饿、恐惧、愤怒、满足、兴奋和痛苦等，准确率接近 80%。

然而，研究人员也指出，由于世界鸡的种类繁多，可能存在无法翻译的情况。

https://www.researchsquare.com/article/rs-3034567/v1

https://mp.weixin.qq.com/s/kgCmbIPFKVLg4dptvChkvQ

https://mp.weixin.qq.com/s/SOGWBpNx3O5QMSQAbhzIaw

https://mp.weixin.qq.com/s/_tKqvS_jrlgqWJV69gLbig

以后我们会带来更多好玩的AI应用，也欢迎大家进群交流。

© THE END

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com