Es ist schwer, ein Pferd dazu zu bringen, zu sagen, ob es glücklich ist oder ob es Schmerzen hat, wenn es sein Bein aufsetzt... Aber sein Körper drückt die Antwort auf seine Weise aus, durch seine Bewegungen. Starke Schmerzen werden sich in Lahmheit äußern, was eine eindeutige Diagnose darstellt. Auch Gesichtsausdrücke können bestimmte Gefühle ausdrücken - wenn man sie zu erkennen weiß. Künstliche Intelligenz ist jedoch in der Lage, die Analyse dieser Bewegungen zu automatisieren, egal wie subtil sie auch sein mögen. Die Entwicklung solcher Werkzeuge beseitigt nicht nur Beobachtungsfehler, sondern hilft auch dem Menschen, schneller und zuverlässiger Schlussfolgerungen zu ziehen.
Die derzeitige Praxis erlaubt es den Nutzern, Deep-Learning-Modelle zu erstellen, aber sie basieren auf einer intensiven menschlichen Arbeit, um die Schlüsselpunkte an jedem Tier zu identifizieren", erklärt Mackenzie Mathis. Dies kann zu einer Vielzahl von Bezeichnungen für ein und dasselbe Organ führen, was beim Kombinieren von Datenbanken Verwirrung stiftet. Unsere Methode vereinheitlicht all dies und macht unser Modell 10 bis 100 Mal besser als die bisherigen Tools."
"Wir haben hier einen Algorithmus entwickelt, der in der Lage ist, einen großen Satz von Beobachtungsdatenbanken um eine harmonisierte Sprache herum zu kompilieren", erklärt Shaokai Ye, Postdoktorand und Erstautor der Studie. "Wir nennen dies das Vorlernen des Modells. Der Nutzer kann unser Modell dann weiterentwickeln oder es an seine eigenen Daten anpassen".
Diese Fortschritte werden den Einsatz von Bewegungsanalysen viel zugänglicher machen. "Natürlich sind Tierärzte besonders interessiert, ebenso wie die biomedizinische Forschung, insbesondere wenn es darum geht, das Verhalten von Labormäusen zu beobachten. Aber es geht noch weiter", sagt Mackenzie Mathis und verweist auf die Neurowissenschaften und ... Sportler, Hunde und andere Sportler! Bald sollen auch andere Arten - Vögel, Fische und Insekten - in das Modell integriert werden. "Wir arbeiten daran, es in Sprachmodelle zu integrieren, so dass die Nutzer eine Schnittstelle in natürlicher Sprache haben", greift die Forscherin auf und zitiert AmadeusGPT, das auf NeurIPS veröffentlicht wurde , das sie zusammen mit Shaokai Ye und ihren Kollegen entwickelt hat.
SuperAnimal ist ab sofort für die Forschungsgemeinschaft über seine "Open Source"-Verteilung ( github.com/DeepLabCut ) zugänglich.
