人工智能不仅会跟你对话，还能进行动物行为分析

密歇根大学的一个团队开发了一种新的软件工具，帮助生命科学领域的研究人员更有效地分析动物行为。

开源软件LabGym利用人工智能识别、分类和统计各种动物模型系统中定义的行为。

科学家出于各种原因需要测量动物的行为，从了解特定药物可能影响生物体的所有方式，到绘制大脑电路如何通信以产生特定行为。

例如，U-M教授Bing Ye实验室的研究人员分析了果蝇或果蝇的运动和行为，作为研究神经系统发育和功能的模型。由于果蝇和人类有许多共同的基因，这些对果蝇的研究常常为人类的健康和疾病提供见解。

“行为是大脑的一种功能。因此，分析动物行为提供了有关大脑如何工作以及它如何对疾病做出反应的重要信息。”尤佳·胡（Yujia Hu）说，Hu是密歇根大学生命科学研究所叶氏实验室的神经科学家，也是2月24日《细胞报告方法》（Cell Reports Methods）研究的主要作者，该研究描述了这一新软件。

但是，人工识别和统计动物的行为是耗时的，而且对分析动物行为的研究人员来说非常主观。虽然有一些软件程序可以自动量化动物的行为，但它们也存在挑战。

“许多这些行为分析程序都是基于预先设定的行为定义，”叶说，他也是医学院细胞和发育生物学教授。“例如，如果果蝇幼虫旋转360度，一些程序会计算一次旋转。但为什么270度不是一次旋转？许多程序不一定具有计算这一点的灵活性，用户不知道如何重新编码程序。”

像科学家一样思考

为了克服这些挑战，胡和他的同事们决定设计一个新的程序，它能更紧密地复制人类的认知过程，“思考”起来更像科学家，对那些可能没有编码专业知识的生物学家来说也更方便。使用LabGym，研究人员可以输入他们想要分析的行为的例子，并教给软件它应该算什么。然后，该程序使用深度学习来提高其识别和量化行为的能力。

LabGym的一项新发展是使用视频数据和所谓的“模式图像”来提高程序的可靠性，这有助于它应用这种更灵活的认知。科学家使用动物的视频来分析它们的行为，但视频中包含的时间序列数据对人工智能程序的分析可能具有挑战性。

为了帮助该程序更容易地识别行为，胡创建了一个静态图像，通过合并动物在不同时间点的位置轮廓来显示动物的运动模式。该团队发现，将视频数据与模式图像相结合，提高了程序识别行为类型的准确性。

LabGym也被设计成忽略不相关的背景信息，并考虑动物的整体运动和位置随时间和空间的变化，就像人类研究人员一样。该程序还可以同时跟踪多只动物。

物种灵活性提高了效用

叶说，LabGym的另一个关键特征是其物种的灵活性。虽然它是用果蝇设计的，但它并不局限于任何一个物种。

“这实际上很罕见，”他说。“这是为生物学家编写的，因此他们可以使其适应他们想要研究的物种和行为，而不需要任何编程技能或高性能计算。”

在听取了关于该项目早期发展的介绍后，U-M药理学家Carrie Ferrario表示愿意帮助叶和他的团队在她合作的啮齿动物模型系统中测试和完善该项目。

Ferrario是药理学副教授和心理学副教授，他以大鼠为模型系统，研究成瘾和肥胖的神经机制。为了完成对动物药物诱导行为的必要观察，她和她的实验室成员不得不在很大程度上依靠手工评分，这是主观的，而且非常耗时。

Ferrario说：“从研究生院开始，我就一直在努力解决这个问题，但在人工智能、深度学习和计算方面，这项技术并不存在。这个程序为我解决了一个现有的问题，但它也具有广泛的实用性。我看到它在几乎无限的条件下对分析动物行为有用的潜力。”

该团队下一步计划进一步完善该项目，以提高其在更复杂条件下的性能，例如观察自然界中的动物。