通过人工智能自动分析动物行为

研究人员开发了一种使用人工智能分析动物行为的新方法。这为行为科学领域的长期深入研究打开了大门，同时也有助于改善动物福利。该方法已经在苏黎世动物园进行测试。

从事动物行为研究的研究人员通常依赖于数小时的手动分析视频片段。通常，这需要研究人员通过跨越数周或数月的记录来工作，费力地记录对动物行为的观察。现在，苏黎世联邦理工学院和苏黎世大学的研究人员提出了一种自动分析此类录音的方法。他们开发的图像分析算法利用了计算机视觉和机器学习。它可以区分个体动物并识别特定行为，例如那些表示好奇、恐惧或与其物种其他成员和谐社会互动的行为。

该技术本质上为科学家提供了一种自动分析视频片段的一键式解决方案，无论记录多么冗长或详细。新方法的另一个优点是它的可重复性：如果不同的研究小组使用相同的算法来分析他们的视频数据，比较结果会更容易，因为一切都基于相同的标准。更重要的是，新算法非常敏感，甚至可以识别出在很长一段时间内逐渐发展的细微行为变化。“这些变化通常很难用人眼发现，”该研究的主要作者、由神经技术教授MehmetFatihYanik领导的小组的博士后MarkusMarks说。

适用于所有动物种类

研究人员用圈养的老鼠和猕猴的视频片段训练了机器学习算法。然而，他们强调该方法可以应用于所有动物物种。他们的新方法的消息已经传遍了科学界。ETH研究人员已经在公共平台上向其他研究人员提供了该算法，他们在世界各地的许多同事已经在使用它。“灵长类动物研究人员的兴趣特别高，我们的技术已经被一个正在乌干达研究野生黑猩猩的小组使用，”马克斯说。

这可能是因为该方法还可以用于分析动物群落中复杂的社会互动，例如识别哪些动物会为其群体中的其他成员梳理毛发以及这种情况发生的频率。“与以前基于机器学习的行为分析算法相比，我们的方法提供了一些主要优势，尤其是在分析复杂环境中的社会行为时，”Marks说。

改善人类照料动物的条件

新方法还可用于改善畜牧业，实现全天候监控，自动识别异常行为。通过及早发现不良的社会互动或疾病的发作，饲养员可以迅速做出反应，以改善他们照顾的动物的条件。

ETH研究人员目前还与苏黎世动物园合作，该动物园希望进一步改善其畜牧业并进行自动化行为研究。例如，在最近发表的一项研究大象睡眠行为模式的研究中，动物园研究人员不得不手动注释夜间视频记录。他们希望新方法能够使他们在未来自动化和升级这些发现。

最后，该方法用于生物学、神经生物学和医学领域的基础研究。“我们的方法甚至可以识别研究动物的细微或罕见的行为变化，例如压力、焦虑或不适的迹象，”Yanik说。“因此，它不仅有助于提高动物研究的质量，还有助于减少动物的数量和对它们的压力。”这位苏黎世联邦理工学院教授正计划自己使用这种方法，作为他在模仿学习领域的神经生物学研究的一部分。

标签：