新模型可實現零樣本動物社交身份識別

1月12日，記者從中國科學院深圳先進技術研究院獲悉，該院腦認知與腦疾病研究所研究員蔚鵬飛及其團隊將AI技術運用到動物身份識別和神經科學研究中，提出一種研究社交行為的小樣本學習計算框架模型。該模型可解決精確檢測動物社交行為中的多個難點，有望創新社交行為神經環路機制的研究範式。相關研究成果發表在《自然·機器智慧》上。

　　近年來，AI技術在傳統行為學研究領域的應用日益廣泛，DeepLabCut、SLEAP、MoSeq等AI動物行為追蹤技術正成為神經科學家重要的研究工具。然而，上述技術在分析多個動物目標、動物自由社交行為時仍無法實現海量數據標注。此外，使用這些技術也會出現連續追蹤的動物目標身份識別精度低等問題。

　　基於此，研究團隊提出了雙向遷移學習計算框架模型。使用這種模型，科研人員無需提前標注動物身份數據，即可實現多動物社交身份識別。據了解，這種識別的準確率超過90%，可完全滿足動物社交實驗的精度需求。

　　“雙向遷移學習計算機框架模型的設計思路受大腦工作機制的啟發。在非社交場景中，區分每一隻動物的身份非常簡單。這些模型已經認識的動物身份信息，可以遷移到多動物社交的場景。”蔚鵬飛説，此模型解決了AI需要人工標注大量數據才能實現多動物身份識別的問題，實現了零樣本多動物社交身份識別。

　　“多動物行為量化是解讀動物社交行為的關鍵，在神經科學和生態學中有著廣泛的應用意義。”《自然·機器智慧》期刊高級編輯特倫頓·傑德對該研究評價道。“未來，AI賦能的神經科學研究將為實施更加精準、個體化的無創神經調控提供指導，有望幫助人類進一步理解複雜精神疾病。”蔚鵬飛説。