Искусственный интеллект, обученный фильтрации спама, расшифровывает нейронные реакции Гидры в режиме реального времени

• Исследователи используют алгоритм машинного обучения (первоначально разработанный для фильтрации спама) для анализа поведения Hydra. 
• Он может анализировать поведение в режиме реального времени и показывать, как нейроны Гидры реагируют на различные условия окружающей среды. 
• Для этого они применили модель классификации «мешок слов» к видео, содержащему все действия Hydra. 

Мы изучаем поведение животных на протяжении веков. Это требует множества детальных наблюдений и кропотливого внимания. Но есть несколько эффективных методов, позволяющих автоматизировать процесс идентификации и классификации.

Недавно ученые из Колумбийского университета продемонстрировали, как можно использовать алгоритм фильтрации спама для анализа поведения животных. Они создали конвейер автоматического анализа поведения, который учится выбирать (из видео) полный поведенческий репертуар Гидры.

Гидра — пресноводный организм, обладающий регенеративной способностью — они не умирают от старости. У них нет мозга, но по их полупрозрачному телу расположены сотни нейронов, координирующих различные виды поведения.

Они ведут себя предсказуемо, и, сравнив их поведение с возбуждением нейронов, ученые смогли понять, как функционирует нервная система сложных животных.

Искусственный интеллект частично использовался для изучения того, как ползают черви и как летают некоторые мухи, но исследователи впервые используют машинное обучение для описания поведения животного.

Алгоритм машинного обучения

Алгоритм может анализировать поведение в режиме реального времени — он помогает исследователям наблюдать, может ли Гидра чему-нибудь научиться, и если да, то как реагируют ее нейроны.

В 2017 году исследователи обнаружили 4 типа нейронных цепей, ответственных за управление 4 различными вариантами поведения при изгибе и удлинении. Это помогло им понять, как нервная система гидры управляет ее поведением.

Теперь они пошли еще дальше:они каталогизировали полный набор моделей поведения Гидры.

Команда применила известную модель «мешка слов» к видео, которое содержит все действия Гидры. Модель упрощает представление, используемое при поиске информации и обработке естественного языка. Более того, исследователи выявили неконтролируемые методы и неаннотированное поведение.

Нейроны гидры показаны в виде индикатора зеленой флуоресценции | Фото:Колумбийский университет

Ссылка:eLifeSciences | doi:10.7554/eLife.32605.001 | Колумбийский университет 

Модель «мешка слов» рассматривает видео и изображения как «мешки» визуальных слов, например, небольшие участки на изображениях или формы и особенности видео, извлеченные из таких маленьких участков. По сравнению с другими методами он более устойчив к таким проблемам, как ориентация, окклюзия и изменение угла обзора.

Чтобы сделать ее более эффективной, исследователи объединили эту модель с другими вычислительными методами, включая плотную траекторию (кодирует форму и характеристики движения), сегментацию частей тела (описывает пространственную информацию) и векторы Фишера (статистически представляют визуальные слова).

Алгоритм циклически просматривал видео и обнаруживал повторяющиеся движения, точно так же, как он проверяет, сколько раз слова появляются в тексте, чтобы выбрать темы/темы и пометить электронное письмо.


Фото:Yuste Lab / Колумбийский университет

Алгоритм успешно идентифицировал 10 из ранее зарегистрированных типов поведения. Фактически, он оценил 6 из этих вариантов поведения, которые реагировали на различные окружающие сценарии. Результаты оказались весьма интересными, поведение Гидры почти не изменилось. Независимо от того, выключали ли вы свет или нет, кормили его или нет, он повторял одно и то же несколько раз.

Что дальше?

Исследователи планируют экспериментировать со стимулами, чтобы наблюдать за любыми изменениями в поведении Гидры. Конечная цель — раскрыть нейронный код, который показывает, как нейронные сети Гидры создают поведение. В будущем эту технику можно будет применить и к другим организмам, которые развивались на протяжении тысячелетий.

Читайте:Новая модель машинного обучения может предотвратить смертельные инфекции

Результаты этого исследования могут быть полезны другим инженерным отраслям, занимающимся поддержанием точного управления и устойчивости таких машин, как самолеты и корабли, а также навигации в суровых условиях.