تجزیه و تحلیل رفتار حیوانات با هوش مصنوعی

|
۱۴۰۳/۰۴/۱۱
|
۰۰:۱۴:۰۱
| کد خبر: ۲۱۱۱۷۸۵
تجزیه و تحلیل رفتار حیوانات با هوش مصنوعی
Super Animal ، یک مدل یادگیری عمیق انقلابی ، برای تشخیص حرکت حیوانات در گونه ها و محیط های مختلف توسعه یافته است.

به گزارش خبرنگار گروه علم و فناوری خبرگزاری برنا؛ درک رفتار حیوانات بینش مهمی در مورد سلامت و انگیزه‌های آنها ارائه می‌دهد. این" مدل پایه " قرار است در حفاظت از حیوانات، زیست پزشکی و تحقیقات علوم اعصاب انقلابی ایجاد کند.

چرا رفتار حیوانات را تجزیه و تحلیل کنیم؟

رفتار حیوانات، شامل تعاملات با دیگران، محیط زیست و موجودات مختلف، یک زمینه مهم مطالعه است. این حوزه به بررسی فعالیت‌هایی همچون علوفه خواری، جفت گیری، تربیت، تعاملات اجتماعی و ارتباطات میپردازد که همگی با عوامل ژنتیکی و محیطی شکل میگیرند. 

درک این رفتار‌ها بینش ارزشمندی در مورد سلامت حیوانات، رفاه و نقش‌های زیست محیطی فراهم می‌کند، که تلاش‌های حفاظت بهتر و شیوه‌های مراقبت از حیوانات را امکان پذیر می‌کند. علاوه بر این، تحقیقات در مورد رفتار حیوانات در نهایت می‌تواند تعاملات انسان و حیوان را بهبود بخشد و اکوسیستم‌های پایدار را ترویج دهد.

رمزگشایی احساسات حیوانات از طریق حرکت

حیوانات نمی‌توانند احساسات خود را به صورت کلامی بیان کنند، اما حرکات آنها داستانی را بیان می‌کند. تصور کنید که از هوش مصنوعی برای تجزیه و تحلیل این حرکات برای طیف گسترده‌ای از حیوانات، از جمله گاو‌ها، سگ‌ها، گربه‌ها و موش‌ها استفاده می‌کنید. این امر تعصب ناظر را از بین می‌برد و دقت و کارایی تجزیه و تحلیل رفتاری را افزایش می‌دهد.

یک تیم در Ecole Polytechnique Fédérale de Lausanne (EPFL)، به رهبری Mackenzie Matrix، یک ابزار پیشگامانه برای تجزیه و تحلیل وضعیت در فنوتیپ رفتاری را معرفی کرده است.

این ابزار منبع باز که در مقاله اخیر Nature Communications توضیح داده شده است، به نام Super Animal، نیازی به یادداشت‌های انسانی برای ردیابی حرکات حیوانات ندارد. این می‌تواند به طور خودکار نقاط کلیدی (مفاصل) را در بیش از ۴۵ گونه حیوانی، از جمله گونه‌های اسطوره‌ای، بدون مداخله انسان شناسایی کند.

متیس توضیح می‌دهد: خط لوله فعلی نیاز به تلاش انسان برای شناسایی نقاط کلیدی هر حیوان دارد و مجموعه‌ای از آموزش‌ها را ایجاد می‌کند. این منجر به تلاش‌های برچسب گذاری تکراری و برچسب‌های معنایی متناقض می‌شود که آموزش مدل‌های پایه بزرگ را پیچیده می‌کند. روش جدید ما این فرآیند را استاندارد می‌کند و برچسب گذاری را ۱۰ تا ۱۰۰ برابر کارآمدتر از ابزار‌های فعلی می‌کند.

از یه آزمایشگاه عمیق تبدیل به حیوان فوق العاده

Super Animal تکامل یک تکنیک برآورد حالت است که قبلا به عنوان DeepLabCut شناخته می‌شد. ابزار جدید مجموعه‌ای بزرگ از یادداشت‌ها را از پایگاه‌های داده مختلف جمع آوری می‌کند، آموزش مدل برای یادگیری یک زبان هماهنگ، فرآیندی به نام پیش آموزش مدل پایه.

شاکای‌ی، دانشجوی دکترا و نویسنده اول این مطالعه می‌گوید: کاربران می‌توانند مدل پایه ما را پیاده سازی کنند یا آن را با داده‌های خود برای سفارشی سازی بیشتر تنظیم کنند.

تقویت SuperAnimal با رابط‌های زبان طبیعی

SuperAnimal دارای طیف گسترده‌ای از برنامه‌های کاربردی است. دامپزشکان و محققان زیست پزشکی، به ویژه کسانی که موش‌های آزمایشگاهی را مطالعه می‌کنند، آن را ارزشمند خواهند یافت. پتانسیل آن همچنین به علوم اعصاب و تجزیه و تحلیل عملکرد ورزشی در حیوانات نیز گسترش می‌یابد. نسخه‌های آینده این مدل شامل پرندگان، ماهی‌ها و حشرات است.

متیس می‌گوید: ما قصد داریم این مدل‌ها را با رابط‌های زبان طبیعی ادغام کنیم تا ابزار‌های نسل بعدی قابل دسترس تری ایجاد کنیم. به عنوان مثال، ما اخیرا AmadeusGPT را توسعه دادیم، که اجازه می‌دهد تا داده‌های ویدئویی از طریق متن نوشته شده یا گفتاری جستجو شود. گسترش این قابلیت برای تجزیه و تحلیل رفتاری پیچیده بسیار هیجان انگیز است.

در حال حاضر در دسترس محققان در سراسر جهان از طریق توزیع منبع باز، SuperAnimal وعده می‌دهد که زمینه تجزیه و تحلیل رفتار حیوانات خودکار را تغییر دهد.

کاربرد‌های بالقوه SuperAnimal

SuperAnimal کاربرد‌های متنوعی در زمینه‌های مختلف دارد. در دامپزشکی، می‌تواند به نظارت بر سلامت حیوانات و تشخیص علائم اولیه بیماری کمک کند. حفاظت کنندگان می‌توانند رفتار گونه‌های در معرض خطر را برای توسعه استراتژی‌های حفاظت بهتر مطالعه کنند. علاوه بر این، دانشمندان علوم اعصاب ممکن است از تجزیه و تحلیل مدل‌های حیوانی برای درک عملکرد‌ها و رفتار‌های مغز بهره‌مند شوند. در کشاورزی، کشاورزان می‌توانند از آن برای نظارت بر دام، بهبود رفاه و بهره وری استفاده کنند.
دانشمندان ورزش می‌توانند عملکرد ورزشی در حیوانات را تجزیه و تحلیل کنند که منجر به روش‌های آموزش بهتر می‌شود.

در تحقیقات بیومدیکال می‌توان از SuperAnimal برای افزایش دقت آزمایشات با حیوانات آزمایشگاهی، کاهش خطای انسانی و بهبود قابلیت اطمینان داده‌ها، در نهایت پیشرفت زمینه‌های مختلف علمی و پزشکی استفاده کرد.

یادگیری بیشتر در مورد حیوانات دیگر زمین

به طور خلاصه، ادغام هوش مصنوعی در مطالعات رفتاری نشان دهنده یک جهش قابل توجه به جلو است. روش‌های سنتی به شدت به مشاهده انسان متکی هستند که می‌تواند تعصبات و ناسازگاری‌ها را ایجاد کند.

SuperAnimal با ارائه یک تجزیه و تحلیل عینی و خودکار از حرکات حیوانات، این مسائل را از بین می‌برد. این قابلیت به ویژه در مطالعات در مقیاس بزرگ که ردیابی دستی غیر عملی است، ارزشمند است. با نظارت دقیق، SuperAnimal می‌تواند راه را برای یک دوره جدید از تحقیقات اخلاقی و موثر حیوانات هموار کند.

این مطالعه کامل در مجله Nature Communications منتشر شد.

انتهای پیام/

نظر شما