Elevage de précision

Is Seeing Still Believing? Leveraging Deepfake Technology for Livestock Farming

Par 23 novembre 2021 janvier 5th, 2022 Pas de commentaire

Type de document : Revue scientifique publiée dans Frontiers in Veterinary Science

Auteur : Suresh Neethirajan

Résumé en français (traduction) : Voir, est-ce encore croire ? Exploiter la technologie Deepfake pour l’élevage de bétail

Les technologies Deepfake sont connues pour la création de fausses pornographie de célébrités, d’échanges de visages et de voix, et d’autres faux contenus médiatiques. Malgré les connotations négatives de cette technologie, les algorithmes d’apprentissage automatique sous-jacents ont un énorme potentiel qui pourrait être appliqué non seulement aux médias numériques, mais aussi à la médecine, à la biologie, aux sciences affectives et à l’agriculture, pour n’en citer que quelques-uns. En raison de sa capacité à générer de grands ensembles de données basés sur des distributions de données réelles, Deepfake pourrait également être utilisé pour avoir un impact positif sur les animaux non humains tels que le bétail. Les données générées à l’aide de Generative Adversarial Networks, l’un des algorithmes sur lesquels repose Deepfake, pourraient être utilisées pour former des modèles permettant d’identifier et de surveiller avec précision la santé et les émotions des animaux. Grâce au renforcement des données, à l’utilisation de jumeaux numériques et peut-être même à l’affichage de congénères numériques (avatars numériques ou métavers) où les interactions sociales sont renforcées, les technologies Deepfake ont le potentiel d’améliorer la santé animale, l’émotivité, la socialité, les interactions animal-homme et animal-ordinateur et, par conséquent, la productivité et la durabilité de l’industrie agricole. Les avatars 3D interactifs et les jumeaux numériques d’animaux d’élevage rendus possibles par la technologie Deepfake constituent un moyen opportun et essentiel, dans le cadre de la transformation numérique, d’explorer les nuances subtiles du comportement et de la cognition des animaux pour améliorer le bien-être des animaux d’élevage. Sans offrir de remarques concluantes, cette mini revue est de nature exploratoire en raison des étapes naissantes de la technologie Deepfake.

Résumé en anglais (original) : Deepfake technologies are known for the creation of forged celebrity pornography, face and voice swaps, and other fake media content. Despite the negative connotations the technology bears, the underlying machine learning algorithms have a huge potential that could be applied to not just digital media, but also to medicine, biology, affective science, and agriculture, just to name a few. Due to the ability to generate big datasets based on real data distributions, deepfake could also be used to positively impact non-human animals such as livestock. Generated data using Generative Adversarial Networks, one of the algorithms that deepfake is based on, could be used to train models to accurately identify and monitor animal health and emotions. Through data augmentation, using digital twins, and maybe even displaying digital conspecifics (digital avatars or metaverse) where social interactions are enhanced, deepfake technologies have the potential to increase animal health, emotionality, sociality, animal-human and animal-computer interactions and thereby productivity, and sustainability of the farming industry. The interactive 3D avatars and the digital twins of farm animals enabled by deepfake technology offers a timely and essential way in the digital transformation toward exploring the subtle nuances of animal behavior and cognition in enhancing farm animal welfare. Without offering conclusive remarks, the presented mini review is exploratory in nature due to the nascent stages of the deepfake technology.

Logo de Frontiers in Veterinary Science
Extrait du site de Frontiers in Veterinary Science