垃圾邮件过滤AI实时解析水螅神经反应
我们研究动物行为已有数百年。涉及大量细致观察和辛苦关注。但有高效技术可自动化识别和分类过程。
最近，哥伦比亚大学科学家演示垃圾邮件过滤算法如何分析动物行为。他们构建自动行为分析管道，从视频中学习挑选水螅完整行为库。
水螅是淡水生物，具再生能力——不因衰老死亡。无大脑，但数百神经元沿透明体协调多种行为。
它们行为可预测，通过将行为与神经元放电比较，科学家可理解复杂动物神经系统功能。
AI曾部分用于研究蠕虫爬行、苍蝇飞行，但这是研究者首次用机器学习描述动物行为。
机器学习算法
算法能实时分析行为——帮助研究者观察水螅能否学习，若能，其神经元如何响应。
2017年，研究者发现4类神经回路控制4种不同弯曲和伸长行为。这帮助理解水螅神经系统如何控制行为。
现在他们更进一步：编目水螅完整行为集。
团队将众所周知的词袋模型应用于包含水螅所有活动的视频。该模型是信息检索和自然语言处理中使用的简化表示。此外，研究者识别无监督方法和未标注行为。
词袋模型将视频和图像视为视觉词“袋”，如图片小块、从小块提取的形状和视频特征。相比其他方法，它对方向、遮挡和视角变化等挑战更鲁棒。
为提高效率，研究者将此模型与其他计算方法结合，包括稠密轨迹（编码形状和运动统计）、身体部位分割（描述空间信息）和费舍尔向量（统计方式表示视觉词）。
算法循环遍历数小时视频检测重复动作，正如它检查词在文本中出现次数以提取主题/标记邮件。
先前报告的10种行为被算法成功识别。事实上，它评估了6种响应周围场景变化的行为。结果有趣：水螅行为几乎不变。无论开灯关灯、喂食与否，它重复相同动作多次。
下一步？
研究者计划用刺激实验观察水螅行为变化。终极目标：揭示水螅神经网络如何产生行为的神经编码。未来，技术也可注入其他经历数千世纪进化的生物。
此研究所学对关注飞机、舰船等在恶劣环境导航中保持精确控制和稳定的其他工程分支有帮助。
工业技术