スパムフィルタリングで訓練された AI が Hydra の神経反応をリアルタイムで解読

• 研究者は、機械学習アルゴリズム (元々はスパム フィルタリング用に開発された) を使用して、Hydra の動作を分析しています。 
• リアルタイムで動作を分析し、Hydra のニューロンがさまざまな環境にどのように反応するかを示すことができます。 
• これを行うために、彼らは、Hydra のすべてのアクティビティを含む動画にバッグオブワード分類モデルを適用しました。 

私たちは何世紀にもわたって動物の行動を研究してきました。それには多くの詳細な観察と細心の注意が必要です。ただし、識別と分類のプロセスを自動化できる効率的な手法がいくつかあります。

最近、コロンビア大学の科学者は、スパム フィルタリング アルゴリズムを使用して動物の行動を分析する方法を実証しました。彼らは、Hydra の完全な行動レパートリーを (ビデオから) 抽出することを学習する自動行動分析パイプラインを構築しました。

ヒドラは再生能力を持つ淡水生物であり、老衰しても死ぬことはありません。彼らには脳がありませんが、半透明の体に沿って何百ものニューロンが走り、複数の行動を調整しています。

彼らは予測可能な方法で行動し、科学者は彼らの行動をニューロンの発火と比較することで、複雑な動物の神経系がどのように機能するかを理解することができます。

人工知能は、虫がどのように這うか、一部のハエがどのように飛ぶかを部分的に調べるために使用されてきましたが、研究者が動物の行動を記述するために機械学習を使用するのはこれが初めてです。

機械学習アルゴリズム

このアルゴリズムはリアルタイムで動作を分析できます。研究者は、Hydra が何かを学習できるかどうか、学習した場合はニューロンがどのように反応するかを観察するのに役立ちます。

2017 年、研究者らは 4 つの異なる曲げと伸びの動作を制御する 4 種類の神経回路を発見しました。これは、ヒドラの神経系がその行動をどのように制御しているかを理解するのに役立ちました。

彼らは今、さらに一歩進んで、ヒドラの行動の完全なセットをカタログ化しました。

チームは、ヒドラのすべての活動を含むビデオによく知られたバッグオブワードモデルを適用しました。このモデルは、情報検索や自然言語処理で使用される表現を簡素化します。さらに、研究者は教師なしメソッドと注釈なしの動作を特定しました。

緑色の蛍光インジケーターとして表示されるヒドラのニューロン |クレジット:コロンビア大学

参照:eLifeSciences | doi:10.7554/eLife.32605.001 |コロンビア大学

バッグ オブ ワード モデルでは、ビデオや画像を、写真内の小さなパッチ、またはそのような小さなパッチから抽出された形状やビデオの特徴のような、視覚的な単語の「バッグ」とみなします。他の方法と比較して、向き、遮蔽、視野角の変化などの課題に対してより堅牢です。

より効率的にするために、研究者らはこのモデルを、密な軌道 (形状と運動の統計をエンコード)、身体部分のセグメンテーション (空間情報の記述)、フィッシャー ベクトル (視覚的な単語を統計的な方法で表現) などの他の計算手法と統合しました。

このアルゴリズムは、テキスト本文に出現する単語の回数を調べてトピック/件名を抽出し、メールにフラグを立てるのと同じように、数時間のビデオを循環させ、反復的な動きを検出しました。


クレジット:Yuste Lab / コロンビア大学

以前に報告された動作のうち 10 件がアルゴリズムによって正常に識別されました。実際、さまざまな周囲のシナリオに反応した行動のうち 6 つを評価しました。結果は非常に興味深いもので、Hydra の動作はほとんど変わりませんでした。ライトを消してもつけても、餌を与えても与えなくても、同じことを何度も繰り返しました。

次は何ですか?

研究者らは、ヒドラの行動の変化を観察するために刺激を与える実験を計画している。最終的な目標は、Hydra のニューラル ネットワークがどのように動作を生成するかを明らかにするニューラル コードを解明することです。将来的には、この技術を何千世紀にもわたって進化してきた他の生物に注入することも可能です。

読む:新しい機械学習モデルは致命的な感染症を防ぐことができる

この研究から学んだことは、航空機や船舶などの機械の正確な制御と安定性の維持、過酷な環境での航行に関係する他の工学部門に役立つ可能性があります。