总部位于东京的 IT 公司 Carelogy 近日推出了一款网页应用，使用人工智能来检测猫是否因受伤或生病而感到疼痛。
由于生理构造原因，通常人们很难根据面部表情或肢体动作来判断自己的爱猫是否感到疼痛。某些情况下，当主人们注意到时，猫咪的疼痛已经非常剧烈，甚至可能错过了最佳治疗时机。
该公司与日本大学合作，收集了大约 6000 张猫脸照片。根据加拿大蒙特利尔大学研究人员提出的方法，兽医对猫耳倾斜度、眼睛睁开的方式、胡须的状态等五个项目进行评分，以判断其有无疼痛感。而 AI 通过对这些判断的深度学习，能够以超过 90% 的准确度判定猫咪是否疼痛。
这款应用已经可以在该公司的网站上免费使用，用户只需将拍摄的猫咪照片上传至网页即可快速获得判定结果。该公司 CEO 表示，未来公司将通过提升这款产品的用户量和品质来尝试推动有偿服务。
猫脸疼痛辨识技术
在治疗人类时，医护人员会用视觉类比量表（Visual Analogue Scale）、脸谱疼痛量表（Wong-Baker faces pain scale）或FLACC 量表等工具，来评估患者疼痛的状况。
2017 年的，加拿大蒙特利尔大学Paulo Steagall 副教授以及他的团队研发出“猫咪苦脸量表”（Feline Grimace Scale），并将结果发表于2019 年的《科学报告》（Scientific Reports）。猫咪苦脸量表根据耳朵姿态（ear position）、眯眼程度（orbital tightening）、口鼻紧绷度（muzzle tension）、触须变化（whiskers change）和头部位置（head position）将猫咪的疼痛量化。
到了2022 年《科学报告》期刊再次关怀猫咪的痛楚时，另一群科学家拿出“猫脸辨识技术”，试图取代肉眼观察。
猫脸辨识技术使用了两个模型：特征基准（landmark-based）和深度学习（deep learning）。
特征基准
在找到猫脸的特征后，依据“猫咪苦脸量表”的观察部位，将猫脸特征（黑点）分为：左眼、右眼、额头与耳朵，以及口鼻和触须，四个区块向量。然后，多加一些猫鼻子的照片，进行“资料扩增”（data augmentation），弥补原始资料的不足，以强化机器学习。
深度学习
ResNet50 是一种有五十层的深度学习模型，在早已预先训练好怎么逐层辨识猫咪的轮廓、曲线及其它识别特征基础上，加上“痛”与“不痛”的分类标签。
