▲美國哥倫比亞大學研究人員發現，一種用於過濾垃圾郵件的算法可以學習和識別水螅的行為。圖中，水螅的神經元已被綠色螢光指示劑所標記。
生物學家對動物行為的認知大多來自細緻的觀察和辛勤的記錄。現在，或許有一種更簡單的方法供他們選擇了。據近日刊載在《eLife》上的最新研究表明，哥倫比亞大學的研究人員發現，一種用於過濾垃圾郵件的算法可以從數小時的視頻中識別水螅的行為。
水螅非常原始，它沒有脊椎和大腦，但當它行進、覓食或者躲避捕食者時，似乎可以對它的行為方式進行預測並為電腦所識別。通過比較水螅的行為和其神經元響應情況，研究人員希望最終能了解水螅以及更高級的動物的神經系統。論文資深作者、哥大神經學家及哥大數據科學研究所成員Rafael Yuste說：「雖然科學家們已經利用機器學習算法分析了果蠅的飛行和蠕蟲的爬行，但這是首次對動物行為進行系統性描述。既然我們已經能夠實時觀測水螅的整體行為，那麼我們也能進一步觀察它是否能學習，以及它的神經元如何反饋。」
在之前發表於《當代生物學》的論文中，Yuste及其同事實時記錄了水螅的神經元響應情況，並發現了4種控制不同行為的神經迴路。這為認識水螅的神經系統如何調節其行為奠定了基礎。
▲延時圖展示了水螅通過「翻筋鬥」行進的過程。
在最新研究中，Yuste等通過將水螅的整套行為進行分類而更進了一步。為了完成分類工作，Yuste等將「詞袋模型」分類算法應用於水螅的行為分析。算法通過對水螅行為視頻的循環分析，識別出了重複性行為。他們先對水螅10種之前已有記錄的行為進行了識別，然後觀測了其中6種行為在不同環境條件下的反饋。出乎研究人員意料，水螅的行為幾乎從不改變。Yuste說：「不論投食與否，還是開關燈光，水螅總是像勁量兔那樣一遍又一遍的重複其動作。」
研究人員認為水螅很可能進化出了適應其環境的方式。目前，他們正使用其他方式刺激水螅，以觀察其是否會應激和學習。研究人員的終極目標是，建立模型破解水螅的神經代碼，進而展示其神經網絡如何產生行為。從水螅行為分析中習得的經驗或許對於涉及機器穩定性和精確控制的工程學分支也有借鑑意義。
編譯：雷鑫宇 審稿：阿淼
責編：南熙
英文連結：http://h5.scimall.net.cn/register?from=xh005
版權聲明：本文由科界平臺原創編譯，中文內容僅供參考，一切內容以英文原版為準。轉載請註明來源「科技工作者之家」科界APP。