AI getraind in spamfiltering ontcijfert de neurale reacties van Hydra in realtime

• Onderzoekers gebruiken een machine learning-algoritme (oorspronkelijk ontwikkeld voor spamfilters) om het gedrag van Hydra te analyseren. 
• Het kan gedrag in realtime analyseren en laten zien hoe de neuronen van Hydra reageren op verschillende omgevingen. 
• Om dit te doen, pasten ze het classificatiemodel met woordenschat toe op de video met alle activiteiten van Hydra. 

We bestuderen het gedrag van dieren al eeuwenlang. Het vergt veel gedetailleerde observaties en nauwgezette aandacht. Maar er zijn enkele efficiënte technieken die het identificatie- en classificatieproces kunnen automatiseren.

Onlangs hebben wetenschappers van Columbia University aangetoond hoe een spamfilteralgoritme kan worden gebruikt om het gedrag van dieren te analyseren. Ze bouwden een automatische gedragsanalysepijplijn die leert (uit video) het volledige gedragsrepertoire van Hydra te selecteren.

Hydra is een zoetwaterorganisme met regeneratief vermogen – ze sterven niet van ouderdom. Ze hebben geen hersenen, maar honderden neuronen lopen langs hun doorschijnende lichaam en coördineren meerdere gedragingen.

Ze gedragen zich op een voorspelbare manier en door hun gedrag te vergelijken met het vuren van neuronen, konden wetenschappers begrijpen hoe het zenuwstelsel van complexe dieren functioneert.

Kunstmatige intelligentie is gebruikt om deels te onderzoeken hoe wormen kruipen en hoe sommige vliegen vliegen, maar dit is de eerste keer dat onderzoekers machinaal leren gebruiken om het gedrag van een dier te beschrijven.

Het machine learning-algoritme

Het algoritme kan het gedrag in realtime analyseren – het helpt onderzoekers te observeren of Hydra iets kan leren, en zo ja, hoe hun neuronen reageren.

In 2017 ontdekten onderzoekers vier soorten neurale circuits die verantwoordelijk zijn voor het controleren van vier verschillende buig- en rekgedragingen. Dit hielp hen te begrijpen hoe het zenuwstelsel van Hydra zijn gedrag controleert.

Nu zijn ze nog een stap verder gegaan:ze hebben een complete reeks gedragingen van Hydra in kaart gebracht.

Het team heeft het bekende 'bag-of-words'-model toegepast op de video die alle activiteiten van Hydra bevat. Het model vereenvoudigt de representatie die wordt gebruikt bij het ophalen van informatie en de verwerking van natuurlijke taal. Bovendien identificeerden onderzoekers methoden zonder toezicht en niet-geannoteerd gedrag.

Neuronen van Hydra weergegeven als een groene fluorescentie-indicator | Krediet:Columbia Universiteit

Referentie:eLifeSciences | doi:10.7554/eLife.32605.001 | Columbia Universiteit

Het 'bag-of-words'-model beschouwt video's en afbeeldingen als 'zakjes' met visuele woorden, zoals kleine stukjes in de afbeeldingen, of vorm- en videokenmerken die uit zulke kleine stukjes zijn gehaald. Vergeleken met andere methoden is het robuuster tegen uitdagingen zoals oriëntatie, occlusie en verandering in kijkhoek.

Om het efficiënter te maken, hebben onderzoekers dit model geïntegreerd met andere computationele methoden, waaronder dichte trajectorie (codeert vorm- en bewegingsstatistieken), segmentatie van lichaamsdelen (beschrijft ruimtelijke informatie) en Fisher-vectoren (representeert visuele woorden op statistische wijze).

Het algoritme doorliep de uren aan video en detecteerde repetitieve bewegingen, net zoals het onderzoekt hoe vaak woorden in een tekst verschijnen om onderwerpen/onderwerp te selecteren en de e-mail te markeren.


Credit:Yuste Lab / Columbia Universiteit

Tien van de eerder gerapporteerde gedragingen werden met succes geïdentificeerd door het algoritme. In feite evalueerde het zes van die gedragingen die reageerden op verschillende omgevingsscenario's. De resultaten waren behoorlijk interessant, het gedrag van Hydra veranderde nauwelijks. Of je het licht nu uit of aan hield, eten gaf of niet, het herhaalde hetzelfde meerdere keren.

Wat is het volgende?

Onderzoekers zijn van plan te experimenteren met stimuli om eventuele veranderingen in het gedrag van Hydra waar te nemen. Het uiteindelijke doel is om de neurale code bloot te leggen die onthult hoe Hydra’s neurale netwerken gedrag produceren. In de toekomst kan de techniek ook worden toegepast op andere organismen die zich in de loop van duizenden eeuwen hebben ontwikkeld.

Lees:Nieuw Machine Learning-model kan dodelijke infecties voorkomen

De dingen die uit dit onderzoek zijn geleerd, kunnen nuttig zijn voor andere technische branches die zich bezighouden met het handhaven van nauwkeurige controle en stabiliteit in machines zoals vliegtuigen en schepen, die navigeren in zware omstandigheden.