2747
Штучний інтелект відкриває нові можливості для вивчення поведінки тварин. Якщо раніше дослідники відстежували лабораторну мишу як одну точку на екрані, сучасні алгоритми дозволяють аналізувати положення всього тіла, від вигину хребта до рухів окремих кінцівок. Водночас новий огляд досліджень показує проблему, яку не можуть розв’язати навіть найкращі камери: багатьох типів поведінки досі не визначено узгоджено.
Від окремих показників до аналізу рухів
У традиційних експериментах вчені обмежувалися кількома числовими показниками. У Y-подібному лабіринті оцінювали, як часто миша обирає правильний шлях до їжі, а в тесті відкритого поля рахували, скільки разів тварина виходить у відкриту центральну зону. Цей показник вважали ознакою тривожності. Такі методики легко стандартизувати, але повної картини поведінки вони не дають.
Нові системи використовують відео та алгоритми штучного інтелекту, які визначають ключові точки на тілі тварини в кожному кадрі. Цей підхід називають оцінюванням пози. Один із найвідоміших інструментів — відкрита програма DeepLabCut, для навчання якої достатньо порівняно невеликої кількості вручну розмічених зображень. Безпозначковий аналіз уже допоміг виявити рухи тривалістю менш як секунду, які раніше люди не помічали. Проте автори застерігають: те, що комп’ютер може відокремити певний рух від інших, ще не означає, що цей рух має самостійне біологічне значення.
Складнощі з кількома тваринами та спільними визначеннями
Аналіз однієї миші значно простіший, ніж одночасне спостереження за кількома тваринами. Програма має постійно визначати, яка саме миша перебуває в кадрі, а це ускладнюється тим, що лабораторні тварини одного штаму чи виводка часто майже не відрізняються зовні. За наведеним в огляді порівнянням, програма SLEAP досягала приблизно 90% від максимальної точності відстеження після навчання лише на близько 200 розмічених відеокадрах. Однак вона плутала особини приблизно 23 рази на кожні 100 тисяч кадрів. Для порівняння, під час відстеження плодових мушок такі помилки траплялися рідше одного разу на 100 тисяч кадрів.
Ще одна серйозна проблема — відсутність єдиних критеріїв класифікації. Дослідники по-різному визначають, наскільки різким або тривалим має бути відхилення від прямої траєкторії, щоб вважати його поворотом. Тривожноподібну поведінку можна оцінювати за часом у відкритих рукавах піднятого хрестоподібного лабіринту або за близькістю до стінок відкритої арени, і ці показники можуть відображати різні аспекти поведінки. Не менш складно класифікувати соціальні взаємодії, адже незрозуміло, на якій відстані наближення однієї миші до іншої слід вважати контактом.
Серед спекулятивних ідей автори пропонують концепцію «поведінкових нуклеотидів» за аналогією з ДНК. Кожен зафіксований момент руху тварини можна було б описувати набором числових характеристик, а такі одиниці, об’єднані «поведінковим синтаксисом», формували б складніші моделі. Проте спочатку потрібно узгодити визначення базових одиниць поведінки. Автори також називають формат Neurodata Without Borders важливим кроком до стандартизації даних, однак лабораторії поки використовують його нерівномірно.
Джерело: portaltele.com.ua
