人工智能解决阻碍动物行为研究的冲突

西雅图的研究人员报告称，人工智能软件已被开发用于快速分析动物行为，从而使行为能够更准确地与个体大脑回路和神经元的活动联系起来

华盛顿大学医学院生物结构助理教授Sam Golden表示：“该项目不仅承诺加快对行为神经生物学的研究，还承诺能够比较和调和由于各个实验室观察、分析和分类行为的方式不同而产生的不一致结果。”

“这种方法允许实验室按照自己的意愿开发行为程序，并使使用不同行为方法的研究结果之间进行一般比较成为可能，”他说

一篇描述该项目的论文发表在《自然神经科学》杂志上。Golden和Golden实验室的博士后Simon Nilsson是该论文的资深作者。第一作者是实验室的研究生Nastacia Goodwin。

对动物行为背后的神经活动的研究在理解和治疗成瘾、焦虑和抑郁等人类疾病方面取得了重大进展

这项工作的大部分都是基于个别研究人员精心记录的观察结果，他们在实验室里观察动物，记录它们对不同情况的身体反应，然后将这种行为与大脑活动的变化联系起来

例如，为了研究攻击性的神经生物学，研究人员可能会将两只老鼠放在一个封闭的空间里，并记录攻击性的迹象。这些通常包括观察动物彼此的身体接近程度、姿势和身体表现，如尾巴的快速抽搐或嘎嘎作响

对此类行为进行注释和分类是一项艰巨而持久的任务。戈尔登说，很难准确地识别和记录重要的细节。“社会行为非常复杂，发生得非常快，而且往往很微妙，因此当个体观察它时，它的许多组成部分可能会丢失。”

为了自动化这一过程，研究人员开发了基于人工智能的系统来跟踪动物行为的组成部分，并自动将行为分类为攻击性或顺从性

因为这些程序也可以比人类更快地记录细节，所以一个动作更有可能与神经活动密切相关，而神经活动通常在几毫秒内发生

尼尔森和古德温开发的一个这样的程序被称为SimBA，用于简单行为分析。该开源程序具有易于使用的图形界面，不需要特殊的计算机技能即可使用。它已被行为科学家广泛采用

古德温说：“虽然我们为啮齿动物实验室建造了SimBA，但我们立即开始收到来自各种实验室的电子邮件：黄蜂实验室、蛾类实验室、斑马鱼实验室。”

但随着越来越多的实验室使用这些程序，研究人员发现类似的实验产生了截然不同的结果

Golden说：“很明显，任何一个实验室或任何一个人如何定义行为都是非常主观的，即使是在试图复制众所周知的程序时也是如此。”

此外，解释这些差异很困难，因为人们通常不清楚人工智能系统是如何得出结果的，它们的计算通常被称为“黑匣子”。

为了解释这些差异，古德温和尼尔森将一种机器学习可解释性方法纳入了SimBA，该方法产生了所谓的形状相加exPlanations（SHAP）分数

从本质上讲，这种可解释性方法所做的是确定删除用于对行为进行分类的一个特征（如尾巴嘎嘎声）如何改变计算机准确预测的概率

通过从数千种不同的组合中去除不同的特征，SHAP可以确定在对行为进行分类的算法中使用的任何单个特征提供了多少预测强度。然后，这些SHAP值的组合定量地定义了行为，消除了行为描述中的主观性

Golden说：“现在我们可以使用SimBA比较（不同实验室的）各自的行为协议，看看我们客观地看待相同还是不同的行为。”

“这种方法允许实验室随心所欲地设计实验，但因为你现在可以直接比较使用不同行为定义的实验室的行为结果，所以你可以在它们的结果之间得出更清晰的结论。以前，不一致的神经数据可能归因于许多混杂因素，现在我们可以在努力实现跨实验室再现性和可解释性的过程中完全排除行为差异，”戈尔登说