科技日报记者 罗云鹏 通讯员 刁雯蕙
动物在日常生活中展现出的复杂社交行为意味着什么？当鸟类群集并同步起飞时，它们是如何无声地传达信息的？为何鱼群在遭遇威胁时会改变其游泳模式？
1月8日，记者从中国科学院深圳先进技术研究院获悉，该院脑认知与脑疾病研究所研究员蔚鹏飞团队将AI技术运用到神经科学研究中，提出一种研究社交行为的小样本学习计算框架模型，解决精确检测动物社交行为中多个难点，有望创新社交行为神经环路机制的研究范式。相关研究成果于当日发表在《自然·机器智能》上。
“多动物行为量化是解读动物社交行为的关键，在神经科学和生态学中有着广泛的应用意义。”《自然·机器智能》期刊高级编辑特伦顿·杰德对该研究评价道。
AI赋能 零标注精准识别动物身份
近年来，人工智能技术在传统行为学研究领域的广泛应用，促使计算神经行为学这一新兴学科的蓬勃发展。DeepLabCut、SLEAP、MoSeq等AI动物行为追踪技术正成为神经科学家重要的研究工具。
然而，上述技术在分析多个动物目标、动物自由社交行为时，仍无法实现海量数据标注、连续追踪的身份准确性等问题。
在该研究中，研究团队将AI技术运用到动物身份识别中，提出了双向迁移学习计算框架，实现AI模型无需提前标注动物身份数据的零样本多动物社交身份识别。识别准确率超过90%，完全满足社交实验的精度需求。
“双向迁移学习的设计思路源自大脑工作机制的启发。在非社交场景中，区分每一只动物的身份非常简单，这些模型已经认识的动物身份信息，可以迁移到多动物社交的场景，实现了不同模型之间的知识共享和‘脑补’。”蔚鹏飞说，此举解决了AI需要人工标注大量数据，才能实现多动物身份识别的问题。
跨物种普适应用 助力神经疾病研究
据悉，在此前研究中，蔚鹏飞团队分别开发出单动物精细行为分析算法框架、微型化自由移动眼动追踪设备等，研究发表在《自然·通讯》和《分子精神病学》等期刊。
“然而这些方法仅能在单动物实验场景应用，限制了从实验室到临床医疗的研究拓展。”蔚鹏飞介绍，研究团队自2020年底开始构思并尝试将无监督、层次化的动态行为分解策略拓展至社交行为场景。
研究团队开发的社会行为图谱技术，目前已实现对动物社交行为进行并行、动态、层次的分解，对小鼠、大鼠、鸟、犬、非人灵长类等多种动物的社交行为特征进行自适应无监督聚类，获得包括追逐、相互理毛、攻击等百余种精细社交行为模块。
“在研究过程中，我们发现了一个有趣的现象。小鼠和人类一样，会主动‘关心’其他小鼠，尤其是精神疾病模型小鼠。”中国科学院深圳先进技术研究院脑认知与脑疾病研究所博士韩亚宁介绍，这为团队进一步解析动物社交行为更深层次含义提供了新思路。
值得一提的是，除了小鼠外，该方法亦适用于计算鸟类和家犬的精准的3D社交姿态、身份和精细社交模块，具有跨物种应用的潜力。
北京脑科学与类脑研究中心联合主任、清华大学教授罗敏敏对该成果评价道，社会行为图谱可以视为行为研究领域的一个“放大镜”，它能帮助我们更精细地观察和理解动物间复杂的社交互动、行为模式和其神经基础。
“近年来，计算神经行为学的发展革新了经典的行为学范式，实现了从实验室环境到自然环境的行为观测。”蔚鹏飞表示，“未来AI赋能的神经科学研究将进一步加深从动物模型到临床医疗的大数据生理参数的理解，为实施更加精准、个体化的无创神经调控提供指导，有望帮助人类突破理解复杂精神疾病的‘牢笼’。”
中国科学院深圳先进技术研究院脑认知与脑疾病研究所所长、深港脑科学创新研究院院长王立平表示，位于深圳光明科学城的脑解析与脑模拟基础大设施，以及光明脑科学技术产业创新中心，一直秉持着技术开放共享的原则，希望这些新前沿研究技术，能更快向全国辐射，带动脑科学整体研究水平的进一步提升。
（受访者供图）
