Auf Spam-Filterung trainierte KI entschlüsselt Hydras neuronale Reaktionen in Echtzeit

• Forscher verwenden einen Algorithmus für maschinelles Lernen (ursprünglich für die Spam-Filterung entwickelt), um Hydras Verhalten zu analysieren. 
• Es kann das Verhalten in Echtzeit analysieren und zeigen, wie Hydras Neuronen auf unterschiedliche Umgebungen reagieren. 
• Zu diesem Zweck wandten sie das Bag-of-Words-Klassifizierungsmodell auf das Video an, das alle Aktivitäten von Hydra enthielt. 

Wir untersuchen das Verhalten von Tieren seit Jahrhunderten. Es erfordert viele detaillierte Beobachtungen und akribische Aufmerksamkeit. Es gibt jedoch einige effiziente Techniken, die den Identifizierungs- und Klassifizierungsprozess automatisieren können.

Kürzlich haben Wissenschaftler der Columbia University demonstriert, wie ein Spam-Filteralgorithmus zur Analyse des Verhaltens von Tieren eingesetzt werden kann. Sie haben eine automatische Verhaltensanalyse-Pipeline entwickelt, die lernt, (aus Videos) das gesamte Verhaltensrepertoire von Hydra herauszusuchen.

Hydra ist ein Süßwasserorganismus mit Regenerationsfähigkeit – sie stirbt nicht an Altersschwäche. Sie haben kein Gehirn, aber Hunderte von Neuronen verlaufen entlang ihres durchsichtigen Körpers und koordinieren verschiedene Verhaltensweisen.

Sie verhalten sich auf vorhersehbare Weise und durch den Vergleich ihres Verhaltens mit dem Neuronenfeuer konnten Wissenschaftler verstehen, wie das Nervensystem komplexer Tiere funktioniert.

Mithilfe künstlicher Intelligenz wurde teilweise untersucht, wie Würmer kriechen und wie manche Fliegen fliegen. Dies ist jedoch das erste Mal, dass Forscher maschinelles Lernen verwenden, um das Verhalten eines Tieres zu beschreiben.

Der Algorithmus für maschinelles Lernen

Der Algorithmus kann das Verhalten in Echtzeit analysieren – er hilft Forschern zu beobachten, ob Hydra etwas lernen kann und wenn ja, wie ihre Neuronen reagieren.

Im Jahr 2017 fanden Forscher vier Arten neuronaler Schaltkreise, die für die Steuerung von vier unterschiedlichen Biege- und Dehnungsverhalten verantwortlich sind. Dies half ihnen zu verstehen, wie das Nervensystem der Hydra ihr Verhalten steuert.

Jetzt sind sie noch einen Schritt weiter gegangen:Sie haben eine vollständige Liste von Hydras Verhaltensweisen katalogisiert.

Das Team wandte das bekannte Bag-of-Words-Modell auf das Video an, das alle Aktivitäten von Hydra enthält. Das Modell vereinfacht die Darstellung, die beim Informationsabruf und bei der Verarbeitung natürlicher Sprache verwendet wird. Darüber hinaus identifizierten die Forscher unbeaufsichtigte Methoden und unkommentierte Verhaltensweisen.

Neuronen von Hydra als grüner Fluoreszenzindikator dargestellt | Bildnachweis:Columbia University

Referenz:eLifeSciences | doi:10.7554/eLife.32605.001 | Columbia University 

Das Bag-of-Words-Modell betrachtet Videos und Bilder als „Beutel“ mit visuellen Wörtern, wie kleine Flecken in den Bildern oder Form- und Videomerkmale, die aus solchen kleinen Flecken extrahiert werden. Im Vergleich zu anderen Methoden ist es robuster gegenüber Herausforderungen wie Ausrichtung, Okklusion und Änderung des Betrachtungswinkels.

Um es effizienter zu machen, haben Forscher dieses Modell mit anderen Berechnungsmethoden integriert, darunter dichte Flugbahnen (kodiert Form- und Bewegungsstatistiken), Körperteilsegmentierung (beschreibt räumliche Informationen) und Fisher-Vektoren (stellt visuelle Wörter auf statistische Weise dar).

Der Algorithmus durchlief die Stunden des Videos und erkannte sich wiederholende Bewegungen, genauso wie er untersucht, wie oft Wörter in einem Textkörper vorkommen, um Themen/Betreff auszuwählen und die E-Mail zu kennzeichnen.


Bildnachweis:Yuste Lab / Columbia University

10 der zuvor gemeldeten Verhaltensweisen wurden vom Algorithmus erfolgreich identifiziert. Tatsächlich wurden sechs dieser Verhaltensweisen bewertet, die auf unterschiedliche Umgebungsszenarien reagierten. Die Ergebnisse waren recht interessant, das Verhalten von Hydra veränderte sich kaum. Egal, ob man das Licht aus- oder angeschaltet ließ, ob man es fütterte oder nicht, es wiederholte sich mehrmals.

Was kommt als nächstes?

Forscher planen, mit Reizen zu experimentieren, um Veränderungen im Verhalten von Hydra zu beobachten. Das ultimative Ziel besteht darin, den neuronalen Code aufzudecken, der verrät, wie Hydras neuronale Netzwerke Verhalten hervorrufen. Zukünftig kann die Technik auch auf andere Organismen angewendet werden, die sich über Jahrtausende hinweg entwickelt haben.

Lesen Sie:Neues Modell für maschinelles Lernen kann tödliche Infektionen verhindern

Die aus dieser Studie gewonnenen Erkenntnisse könnten für andere Ingenieurszweige hilfreich sein, die sich mit der Aufrechterhaltung der genauen Steuerung und Stabilität von Maschinen wie Flugzeugen und Schiffen sowie der Navigation in rauen Umgebungen befassen.