人工智能技术的发展，不仅极大助力了科学家们解析和认识生物行为，更为神经科学研究提供了革命性的视角。

  但是，当一群动物在一起时，如何研究它们的社交行为，以解码动物大脑及相关神经环路的功能？

  人工智能技术的发展，不仅极大助力了科学家们解析和认识生物行为，更为神经科学研究提供了革命性的视角。

  近日，国际学术期刊《自然·机器智能》在线发表了深圳科学家团队研发的可智能、精确检测动物社交行为的小样本学习计算框架模型SBeA（Social Behavior Atlas）。

  简单来说，SBeA能够对多个动物目标的自由社交行为进行连续追踪、识别、标注，更重要的是能够量化、分析。它是一个基于AI的多动物社交行为分析计算框架。

  SbeA目前实现了对动物社交行为的并行、动态、层次的分解，对小鼠、大鼠、鸟、犬、非人灵长类等多种动物的社交行为特征进行自适应无监督聚类，获得了包括追逐、相互理毛、攻击等百余种精细社交行为模块，不需要提前定义社交行为类别，有利于发现新的、未定义的自由社交行为表型。

  AI有希望帮助人类突破理解复杂精神疾病的“牢笼”——从实验室、自然环境到临床医疗的串联研究

  1月23日，相关论文的通讯作者、中国科学院深圳先进技术研究院脑所/深港脑科学创新研究院蔚鹏飞研究员向澎湃科技表示，这一工作有望成为计算神经行为学研究领域的一块重要拼图。未来的目标将更加聚焦于对神经编码的理解，开发新的神经调控技术应用于临床。近几年计算神经行为学的发展已经使经典的行为学范式得到了革新，实现了从实验室环境到自然环境的行为观测。在未来，人工智能赋能的神经科学研究将进一步加深从动物模型到临床医疗的大数据生理参数的理解，人工智能有希望帮助人类突破理解复杂精神疾病的“牢笼”。

  中国科学院深圳先进技术研究院脑所/深港脑科学创新研究院王立平院长表示，前述最新发表的研究工作使用数据驱动的方式，揭示了数字化的动物社交行为背后的结构规律，希望依托脑解析与脑模拟重大科学技术基础设施和光明脑科学技术产业创新中心平台对全国尽快实现充分技术共享。

  前述论文的第一作者中国科学院深圳先进技术研究院在读博士研究生韩亚宁告诉澎湃科技，利用SBeA，目前在小鼠等模式动物中已经发现了数种和精神疾病造模相关的异常行为。

  他表示，最新发表的SBeA模型突破了当前缺乏相关标签数据的瓶颈，仅需要标注几百张图片，SBeA模型在看过这几百张图片后，就会“自学”和“脑补”。SBeA参考了人脑相关认知过程，充分的利用了少量图片中的有效信息，使用从少量图片中提取的背景和动物目标等信息，按照动物的运动特征，重新组合这一些信息生成新的场景，从小数据集构建大数据集，以提升各项任务的性能，从而训练更强大的人工智能模型，实现了多动物3D社交姿态估计、身份识别和社交行为分类等功能。

  韩亚宁表示，SBeA既能够适用于基础研究，也能够适用于疾病诊断。“从实验室走到临床，是我们设计SBeA的初衷。SBeA不但能够加速发现新的异常行为、提升行为检测的精度，而且有希望关联不一样的物种的精细行为模式，以行为作为一种生物标志物，用于诊断疾病。”

  韩亚宁介绍，科学是一步一步发展的，神经生物学家们从几十年来对大脑的研究积累的经验中逐渐意识到，精准的理解行为是精准理解大脑功能的一个关键环节。2015年至2018年，哈佛大学神经生物学教授Sandeep Robert Datta使用深度相机和机器学习工具Moseq，发现大脑纹状体编码行为的“语法”，揭示了动物产生自然行为的机理。2018年至2021年，DeepLabCut、multi-animal DeepLabCut、LEAP和SLEAP等基于AI的动物姿态估计技术陆续被开发出来，从而不需要在动物身体添加任何的物理标记，就能实现动物数十个身体点的精准追踪。但保证它们的追踪精度需要数以万计的人工标注的数据。

  韩亚宁表示，在技术层面，目前SBeA采用多阶段的人工智能神经网络结构，难以做到社交行为的实时检测。在未来的研究中，希望设计一个端到端的神经网络结构，输入视频，直接输出社交行为的标签类别，实现社交行为的实时监测。

  此外，在实验层面，目前SBeA仅尝试应用于小鼠、鸟和家犬的旷场社交行为，未来将逐渐应用到果蝇、斑马鱼和非人灵长类等模式动物的社交行为检测，并从实验室环境的应用过渡到临床医疗环境的应用。