El análisis del comportamiento puede proporcionar mucha información sobre el estado de salud o la motivación de un organismo. Una nueva tecnología desarrollada en EPFL hace posible que un único modelo de aprendizaje profundo rastree los movimientos de los animales en múltiples especies y entornos. Este “modelo básico”, llamado SuperAnimal, se puede utilizar para la conservación de animales, la investigación en biomedicina y neurociencia.
Aunque el refrán dice “directamente de la boca del caballo”, es imposible que un caballo te diga si siente dolor o placer. Sin embargo, su cuerpo responderá en sus movimientos. Para un ojo entrenado, el dolor aparecerá como un cambio en la forma de andar o, en el caso del placer, la expresión facial del animal puede cambiar. Pero ¿y si pudiéramos automatizarlo con IA? ¿Y qué pasa con los modelos de IA para vacas, perros, gatos o incluso ratones? Automatizar el comportamiento animal no sólo elimina el sesgo del observador, sino que también ayuda a los humanos a obtener la respuesta correcta de manera más eficiente.
Hoy marca el comienzo de un nuevo capítulo en el análisis postural para el fenotipado conductual. Publicado por el laboratorio de Mackenzie Mathes en EPFL. Comunicaciones de la naturaleza Un artículo que describe una nueva herramienta de código abierto particularmente eficaz que no requiere anotaciones humanas para derivar modelos para el seguimiento de animales. Apodado el “SuperAnimal”, puede controlar una amplia gama de animales (más de 45 especies animales) e incluso especies ficticias desde “puntos clave” (generalmente parejas) sin supervisión humana. ¡Puede reconocer la ubicación automáticamente!
“El proceso actual permite a los usuarios desarrollar modelos de aprendizaje profundo, pero luego depende del esfuerzo humano para identificar puntos clave en cada animal para crear el conjunto de entrenamiento”, explica Mackenzie Mathis. “Esto lleva a duplicar los esfuerzos de etiquetado entre los investigadores y puede conducir a diferentes etiquetas semánticas para los mismos puntos clave, lo que hace que sea muy difícil integrar datos para entrenar grandes modelos básicos. Nuestro nuevo método proporciona una nueva forma de estandarizar el proceso y entrenar en conjuntos de datos a gran escala hace que el etiquetado sea de 10 a 100 veces más eficiente que las herramientas existentes”.
El “método del superanimal” es una evolución de la técnica de estimación de pose previamente distribuida por el laboratorio de Mackenzie Mathis con el nombre “DeepLabCut™”. Puede leer más sobre esta herramienta revolucionaria y sus orígenes en esta nueva función de Nature Technology.
“Aquí, desarrollamos un algoritmo que es capaz de compilar un gran conjunto de anotaciones en una base de datos y entrenar un modelo para aprender un lenguaje coherente; a esto lo llamamos pre-entrenamiento el modelo básico”, explica Shaokai Ye. Estudiante de doctorado investigador y autor del primer estudio. “Los usuarios pueden implementar fácilmente nuestro modelo base o ajustarlo a sus propios datos, lo que permite una mayor personalización si es necesario”.
Estos desarrollos harán que el análisis de movimiento sea mucho más accesible. “Los veterinarios también pueden estar particularmente interesados en la investigación biológica, especialmente cuando se trata de observar el comportamiento de los ratones de laboratorio. Pero esto puede ir más allá”, dice Mackenzie Mathis, neurociencia y… ¡atletas (caninos o no)! Otras especies (aves, peces e insectos) también están dentro del alcance de la próxima evolución del modelo. “También aprovecharemos estos modelos en interfaces de lenguaje natural para hacerlos más accesibles y herramientas de próxima generación. Por ejemplo, Shaokai y yo, junto con nuestros coautores en EPFL, publicamos recientemente en NeurIPS AmadeusGPT, que permite consultar datos de video con texto escrito o hablado, será muy interesante para análisis de comportamiento complejos”. SuperAnimal ahora está disponible para investigadores de todo el mundo a través de su distribución de código abierto.
