出處：快科技 作者：斌斌 

近日據(jù)外媒報道，科學(xué)家開發(fā)了一種靈活的人工智能技術(shù)來了解動物的行為特征，這種方法可以使人們更容易理解動物的運動以及它們潛在的大腦活動。

由于小型廉價的GPS設(shè)備和攝像機的發(fā)展，記錄人和動物（包括鳥類和昆蟲）的運動變得非常容易。然而，仍然很難從它們的行為記錄中推斷是什么觸發(fā)了這種運動，例如外部刺激、心理過程等。

在這項研究中，Shuhei Yamazaki及其同事開發(fā)了一種人工智能（AI）技術(shù)。這種AI技術(shù)會在沒有分類的情況下先去評估動物的行為狀態(tài)，如“休息”、“覓食”或“游玩”。然后再通過比較不同條件下的反應(yīng)，例如經(jīng)歷某種刺激前后的反應(yīng)。

這種方法被稱為STEFTR（動物行為的狀態(tài)估計和特征提取），研究人員用這種方法使成功預(yù)估了培養(yǎng)皿中蠕蟲和南極海洋中企鵝的行為特征。值得注意的是，盡管傳統(tǒng)的研究人員利用目前已知的動物運動和動物行為的數(shù)百萬個視頻圖像來完善人工智能，但Shuhei Yamazaki僅使用數(shù)十個動物運動軌跡就獲得了90%以上的準確度。

在特征提取中，Yamazaki等人還揭示了蠕蟲和蝙蝠特定行為方面的學(xué)習(xí)依賴性變化，以及果蠅性信息素依賴性變化。此外，他們還發(fā)現(xiàn)了與蠕蟲行為變化相關(guān)的神經(jīng)活動變化。

總之，STEFTR方法可以很容易地僅使用野生動物的軌跡數(shù)據(jù)來推斷動物行為的“重要位置”，例如通常難以找到的巢穴和覓食處。此外，它還可能有助于發(fā)現(xiàn)與動物行為相關(guān)的重要腦活動，從而有助于基礎(chǔ)腦科學(xué)的發(fā)展。