قدرت بی‌نظیر هوش مصنوعی در تحلیل رفتار انسان و حیوان

به گزارش خبرگزاری علم و فناوری آنا به نقل از سایتک دیلی، حرکات فیزیکی دریچه‌ای به نحوه عملکرد مغز و کنترل بدن است. از مشاهده تخته رسم و قلم گرفته تا تکنیک‌های مبتنی بر هوش مصنوعی مدرن، ردیابی حرکت انسان و حیوان راه طولانی را طی کرده است. روش‌های پیشرفته کنونی از هوش مصنوعی برای ردیابی خودکار قسمت‌های بدن در حین حرکت استفاده می‌کنند. 

با این حال، به دلیل نیاز صد‌ها و هزاران باره محققان برای علامت گذاری روی هر عضو بدن هنوز این روش برای آموزش زمان‌بر و محدود است.

اکنون، پروفسور ایمان عظیم و تیم تحقیقاتی وابسته به «گلوترک» (GlowTrack)، یک روش غیر تهاجمی ردیابی حرکتی را ایجاد کرده‌اند که از نشانگر‌های رنگی فلورسنت نامرئی برای آموزش هوش مصنوعی استفاده می‌کند.

«گلوترک» یک روش قدرتمند و موثر است که قابلیت ردیابی تک رقمی روی پنجه موش یا صد‌ها نقطه عطف روی دست انسان را دارد.

این تکنیک که ۲۶ سپتامبر ۲۰۲۳ (چهارم مهرماه سال جاری) در مجله معتبر«نیچر کمیونکیشن» (Nature Communications) منتشر شد کاربرد‌هایی زیست شناسی، رباتیک، پزشکی و فراتر از آن دارد.

عظیم، نویسنده ارشد این پژوهش و دارنده کرسی در سازمان توسعه ویلیام اسکندلینگ، می‌گوید: از آنجایی که ابزار‌های هوش مصنوعی قدرتمندی در آزمایشگاه‌ها توسعه داده شده‌اند، طی چندین سال گذشته انقلاب گسترده‌ای در ردیابی رفتار‌ها رخ داده است. رویکرد ما این ابزار‌ها را تطبیق پذیر می‌کند و روش‌هایی را که ما حرکات مختلف را در آزمایشگاه ثبت می‌کنیم، بهبود می‌بخشد. 
کمی‌سازی حرکات به ما بینش بهتری در مورد چگونگی کنترل رفتار توسط مغز می‌دهد و می‌تواند به مطالعه اختلالات حرکتی مانند اسکلروز جانبی آمیوتروفیک و بیماری پارکینسون کمک کند.

روش‌های کنونی برای ثبت حرکت حیوانات اغلب به محققان نیاز دارند که به صورت مکرر قسمت‌های بدن را روی صفحه کامپیوتر علامت‌گذاری کنند که این فرآیندی زمان‌بر و با خطای انسانی و محدودیت‌های زمانی مواجه است. این روش‌ها معمولاً فقط در یک محیط آزمایشی محدود قابل استفاده هستند.

برای رفع محدودیت‌ها، محققان از رنگ فلورسنت نامرئی برای برچسب زدن قسمت‌هایی از بدن حیوان یا انسان استفاده کردند. با استفاده از این نشانگر‌های رنگی فلورسنت نامرئی می‌توان حجم عظیمی از داده‌های بصری متنوع را با سرعت ایجاد و بدون نیاز به حاشیه نویسی انسانی به مدل‌های هوش مصنوعی وارد کرد.

هنگامی که این داده‌های قوی تغذیه شد، الگوریتم‌های مبتنی بر هوش مصنوعی می‌توانند برای ردیابی حرکات در مجموعه‌ای از محیط‌های متنوع و با وضوحی بیشتر که دستیابی به آن با برچسب‌گذاری دستی انسان بسیار دشوارتر است مورد استفاده قرار گیرند. این روند راه را برای مقایسه آسان‌تر داده‌های حرکتی باز می‌کند، زیرا آزمایشگاه‌های مختلف می‌توانند از مدل‌های مشابهی برای ردیابی حرکت بدن در موقعیت‌های مختلف استفاده کنند.

به گفته عظیم، مقایسه و تکرارپذیری آزمایش‌ها در فرآیند اکتشاف علمی ضروری است.

دانیل باتلر، نویسنده، تحلیلگر و بیوانفورماتیک سالک، می‌گوید: نشانگر‌های رنگ فلورسنت «نامرئی» راه حل عالی بودند. مانند جوهر نامرئی روی یک اسکناس دلاری که فقط زمانی روشن می‌شود که شما بخواهید.

نشانگر‌های رنگ فلورسنت نامرئی ما می‌توانند در یک چشم به هم زدن روشن و خاموش شوند و به ما امکان می‌دهند حجم عظیمی از داده‌های آموزشی تولید کنیم.

در آینده تیمی برای پشتیبانی از برنامه‌های کاربردی متنوع گلوترک شکل می‌گیرد که جفت کردن قابلیت‌های آن با سایر ابزار‌های ردیابی که حرکات را به طور سه بعدی بازسازی می‌کنند و با رویکرد‌های تحلیلی می‌تواند این مجموعه داده‌های حرکتی گسترده را برای الگو‌ها بررسی کند.

عظیم می‌گوید: رویکرد ما می‌تواند به انبوهی از زمینه‌ها کمک کند که به ابزار‌های حساس‌تر، قابل اعتمادتر و جامع‌تری برای ثبت و تعیین کمی سازی حرکات نیاز دارند.

وی در پایان خاطرنشان کرد: من مشتاقم ببینم که چگونه دانشمندان و سایر افراد این روش‌ها را اتخاذ می‌کنند و چه کاربرد‌های منحصر به فرد و پیش بینی نشده‌ای ممکن است ایجاد شود.