التعلم الآلي والشبكات العصبية العميقة قادرة على التعرف على "لغة السلوك" للحيوانات وتحليلها بطرق تتجاوز القدرات البشرية
لتتبع تحركات الحيوانات في البيئة الطبيعية ، يتحول العلماء بشكل متزايد إلى أساليب التعلم الآلي (MO). في هذا الفيديو ، تقوم خوارزمية DeepPoseKit بتتبع حركة الجراد الصحراوي واتجاهه في مساحة محصورة لتزويد الباحثين ببيانات عن السلوك المشترك للحشرات.في محاولة لفهم ما يحدث في رؤوس الحيوانات ، تم إرسال علماء الأعصاب بطرق غير متوقعة: من النظر مباشرة إلى الدماغ الحي إلى التحكم في الخلايا العصبية باستخدام ومضات ضوئية ، وإنشاء أجهزة معقدة وبيئات افتراضية.
في عام 2013 ، قاد ذلك عالم الأعصاب
بوب داتو ، مع زملائه من كلية الطب بجامعة هارفارد ، إلى سوبر ماركت بست باي ، الواقع في نفس الشارع مثل مختبرهم.
في متجر الأجهزة الإلكترونية الاستهلاكية ، وجدوا ما يبحثون عنه: جهاز Xbox Kinect ، جهاز الألعاب الذي يستشعر حركات اللاعبين. كان على العلماء أن يلاحظوا أصغر تفاصيل حركات الفئران التي درسوها ، لكن لا يمكن لأحد من التقنيات المعملية التقليدية معالجتها. لذلك ، تحولت مجموعة داتا إلى اللعبة من أجل استخدام معلوماتها ثلاثية الأبعاد حول حركات أجسام الحيوانات لدراسة سلوكهم في البيئة. في الواقع ، أعطاهم الجهاز سحابة من النقاط في الفضاء ثلاثي الأبعاد ، ثم قام الفريق بتحليل الحركات الإيقاعية لهذه النقاط.
ربما كان قرار داتا غير تقليدي في وقته ، لكنه أصبح رمزيًا لموجة اليوم من النهج التلقائي التي تحول علم السلوك. من خلال دراسة سلوك الحيوان بشكل أكثر شمولاً وكميًا ، يأمل الباحثون في فهم الحالات الداخلية التي لا يمكن ملاحظتها والمسؤولة عنها بشكل أفضل. كتب
آدم كالهون ، وهو طالب في مرحلة ما بعد الدكتوراة يدرس سلوك الحيوان في جامعة برينستون: "لا نعرف ما هي الظروف المحتملة للحيوان".
تنشأ عقبة أخرى عند محاولة مقارنة هذه الحالات الداخلية لنشاط معين في الدوائر العصبية المعقدة للدماغ. على الرغم من أن الأدوات المتطورة يمكنها تسجيل عمل الآلاف من الخلايا العصبية في نفس الوقت ، "لا نفهم مخرجات المخ" ، قال دوتا. "لفهم هذا الترميز العصبي الكثيف ، تحتاج إلى الوصول إلى فهم أوسع للسلوك."
قد يستسلم هذا الفهم الواسع قريبًا لمحاولاتنا لفهمه. استنادًا إلى نجاح التعلم الآلي ، ينشئ العلماء خوارزميات تتعقب حركات الحيوانات تلقائيًا حتى تغيرات طفيفة في زاوية أجنحة الذبابة أو ثني ظهر الماوس. كما يقومون بإنشاء أدوات يمكنها العثور على أنماط من خلال تحليل وتصنيف هذه البيانات تلقائيًا بحثًا عن أدلة حول الظروف الداخلية للحيوانات.
الميزة الأساسية لهذه الطرق هي أنها قادرة على البحث عن أنماط غير مرئية للناس. في
ورقة نشرت الشهر الماضي في مجلة Nature Neuroscience ، ابتكر Calhoun ، إلى جانب علماء الأعصاب في برينستون
Malaya Murty و
Jonathan Pillow ، نموذجًا للتعلم الآلي يستخدم الملاحظات السلوكية فقط لتحديد الحالات الداخلية الثلاث التي تحدد عادات التزاوج لذباب الفاكهة. من خلال التلاعب بنشاط الدماغ للذباب ، تمكن الباحثون بعد ذلك من تحديد مجموعة الخلايا العصبية التي تتحكم في هذه الحالات.
يمثل العمل على تتبع الحركة والتحليل السلوكي الذي جعل هذه الاكتشافات ممكنة ثورة تكنولوجية في دراسة السلوك. ويترتب على ذلك أن هذا هو الأول من النجاحات المستقبلية العديدة. يستخدم العلماء الآن هذه الطرق للعثور على إجابات لأسئلة في علم الأعصاب ، وعلم الوراثة ، والتطور ، والطب ، والتي بدت حتى الآن غير قابلة للحل.
سجلات والدلائل
على مدى عقود ، حدد العلماء سلوك الحيوانات في المختبرات وفي البيئة الطبيعية ، مسلحين بقلم وورقة وساعة توقيت. شاهدوا موضوعاتهم التجريبية وهي النوم واللعب وشراء الطعام وزميله. قاموا بتقييم الملاحظات وأنماط المخططات المرسومة ، وتوصلوا إلى منصات تنظيمية لتنظيم هذه الاتجاهات وشرحها. حصل علماء الأحياء نيكولاس تينبرجن وكونراد لورنز وكارل فون فريش
على جائزة نوبل لعام 1973 لإجراء تجارب مماثلة بشكل مستقل مع الأسماك والطيور والحشرات.
رسم عالم الحيوان إيلان جولاني يدويًا حركة وسلوك الأنواع المختلفة من أجل وصف كمي للقواعد التي تحكم سلوك الحيوانات. هذه الأرقام تظهر دوران الجسم كله من قبل الغرير العسل.يمكن أن تكون هذه كتالوجات السلوك
مفصلة للغاية . في وصف عام 1973 لغسل الفأر ، وصفت Nature "الحركة الصعبة للأمامات الأمامية تحت الكمامة" و "الحركات الواسعة والمتزامنة ولكن غير المتماثلة للأرجل الأمامية فوق الرأس" ، وقيّمت احتمال حدوث هذه الإيماءات في مواقف مختلفة. احتاج الباحثون لوصف كل شيء بمثل هذه التفاصيل ، لأنهم لم يعرفوا أي جانب من جوانب السلوك المرصود قد يكون مهمًا.
اقترب بعض العلماء من هذه المسألة من الجانب المعاكس ، وقصروا مجموعة متنوعة من سلوك الحيوان على الحد الأدنى ، ووضعوها في ظروف مختبرية محكومة والسماح لهم باتخاذ أبسط القرارات فقط مع خيارين ، مثل اختيار المنعطف الأيمن أو الأيسر في المتاهة. كانت هذه التبسيطات مفيدة ومفيدة في بعض الأحيان ، لكن القيود المصطنعة تشوه أيضًا فهم العلماء للسلوك الطبيعي ويمكن أن تؤدي إلى فقد الإشارات المهمة. وقالت
آن كينيدي ، طالبة ما بعد الدكتوراة في علم الأعصاب النظري في معهد كاليفورنيا للتكنولوجيا: "الحاجة إلى فهم السلوك تحد بشكل كبير من نطاق هذه الدراسات".
لذلك ، قرر العلماء تجديد هذا المجال ، "تغيير تفكيرهم نحو نهج كمي" ، كما قال
Talmo Pereira ، طالب دراسات عليا في مختبرات
Murty و
Joshua Shevica في برينستون. وكانت خطوة مهمة في هذا التغيير أتمتة كل من جمع البيانات وتحليلها.
تتبع كمامة والعمود الفقري والذيل
لطالما كانت تقنية التقاط الصور مهمة في تتبع مواقف الحيوانات المتحركة. في القرن التاسع عشر ، استخدم
Edward Maybridge التصوير الفوتوغرافي كرونو لتحليل آليات الجري والرقص. سهلت الصور الفوتوغرافية تحليل موضع أطراف الحيوان أو رأسها ، على سبيل المثال ، وجعلت هذه العملية أكثر دقة. مع ظهور تقنية تسجيل الفيديو ، تمكن الباحثون من إجراء قياسات أكثر دقة - ومع ذلك ، لا يزال يتعين عليهم أن يستندوا إلى تقديرات تقريبية لسرعة أو موضع الحيوان. كان من المستحيل تتبع كل حركة في ثلاثة أبعاد. ومع ذلك ، كان هناك الكثير من العمل الذي يتعين القيام به لفهرسة جميع الملاحظات الخاصة بالفيديو يدويًا وإدخالها في جهاز الكمبيوتر - لم تتحسن هذه العملية كثيرًا مقارنة بالطريقة الأقدم للرسم في دفاتر الملاحظات.
استخدم إدوارد مايبريدج التصوير الفوتوغرافي الفاصل الزمني لدراسة مشية الحصان والحيوانات المتحركة الأخرى. يمكن للكاميرا التقاط والتقاط التفاصيل التي يتعذر الوصول إليها للعين البشرية.في الثمانينيات ، بدأ الباحثون في تكييف خوارزميات رؤية الكمبيوتر لأغراضهم ، والتي كانت تستخدم بالفعل في البحث عن الوجوه ومحيطها في الصور ، لحل مشاكل مثل تتبع معالم الذباب على السطح. في العقود التالية ، تم تطوير أنظمة لاحظت موقع الحيوان في كل إطار من الفيديو ، وعثرت على حيوان معين في مجموعة من عدة ، وحتى بدأت في
تحديد أجزاء معينة من الجسم واتجاهها.
ومع ذلك ، فإن فعالية هذه البرامج تركت الكثير مما هو مرغوب فيه. وقال
إيان كوزين ، مدير معهد دراسة سلوك الحيوان الذي سمي على اسمه ، "كان من بينهم تلميحات لما يمكن أن يحدث في المستقبل". ماكس بلانك في ألمانيا. "ومع ذلك ، فإن البرامج المعقدة حقًا لا يمكن أن تظهر إلا مؤخرًا ، وذلك بفضل تطوير التعلم العميق."
باستخدام التعلم العميق (GO) ، بدأ الباحثون في تدريب الشبكات العصبية في تتبع موضع المفاصل وأجزاء كبيرة من الجسم تقريبًا من أي حيوان - الحشرات والفئران والخفافيش والأسماك - في كل إطار من الفيديو. من الضروري فقط إنشاء عدد قليل من الإطارات التي تحمل علامات (عشرة كانت كافية لبعض الخوارزميات). ونتيجة لذلك ، يرسم البرنامج نقاطًا ملونة أعلى جسم الحيوان ، ويحدد موضع أنفه وذيله وأذنيه وساقيه وأقدامه وأجنحته وعموده الفقري وما إلى ذلك.
على مدار العامين الماضيين ، زاد عدد البرامج التي يمكنها القيام بذلك بشكل كبير ، ليس فقط بفضل التقدم في التعلم الآلي ، ولكن أيضًا للعمل المتوازي لترميز الحركات البشرية مع صانعي الأفلام والرسوم المتحركة وخبراء صناعة الألعاب.
يمكن للطرق الجديدة تتبع مواقف الحيوانات المختلفة أثناء تفاعلها. يُظهر الفيديو كيف تقوم خوارزمية SLEAP تلقائيًا بتحديد وتتبع أجزاء من أجساد زوج من الذباب أثناء المغازلة (يسار) واثنان من الفئران التي تدرس البيئة.بالطبع ، إذا تم تسجيل الحركة لاحتياجات هوليوود أو وادي السيليكون ، فمن السهل على الناس ارتداء ملابس خاصة معلقة بالعلامات ، والتي يمكن للنظام اتباعها بسهولة. هذه البيانات يمكن استخدامها لبناء نماذج مفصلة من المواقف والحركات. ومع ذلك ، فإن خيار زي ليست مناسبة لدراسة الحيوانات.
منذ خمس سنوات ، بدأ جوناثان وايتلوك ، عالم الأعصاب في الجامعة النرويجية للعلوم والتكنولوجيا ، يبحث بنشاط عن طريقة أخرى لتتبع الفئران التي درسها. لقد جرب كل شيء يمكن أن يفكر فيه: قام هو وزملاؤه بحلاقة الفئران ووضع علامة عليها بالحبر الذي يعكس ضوء الأشعة تحت الحمراء. قاموا بتطبيق تعليق الخرز الزجاجي على ظهور الحيوانات ، والذي يستخدم غالبًا في علامات الطرق العاكسة. ورسموا المفاصل الحيوانية مع الحبر مضيئة والورنيش. لقد جربوا الكثير من الأشياء ، لكن ذلك لم ينجح كما ينبغي: في بعض الأحيان ، لم تكن العلامات مشرقة بما يكفي لتتبعها ، وأحيانًا أزعجت الفئران ، مما عطل سلوكهم.
نتيجة لذلك ، استقر فريق Whitlock على لصق قطع صغيرة من الشريط العاكس في ثلاث نقاط على ظهر الحيوان لإعادة تحريك العمود الفقري ووضع خوذة صغيرة مع أربع قطع إضافية من الشريط لتتبع حركات الرأس. وقال وايتلوك: "حتى هذا كان كافياً لفتح عالم جديد بالكامل بالنسبة لنا".
www.youtube.com/watch؟v=3RaHuybwtFI&feature=youtu.beمن خلال تنشيط بعض الخلايا العصبية في الذبابة ، أجبرها الباحثون على العودة إلى الوراء على طول دائري كروي. طريقة التعلم العميق تقيس التغير في الزوايا في مفاصل أرجل الذبابة وعرضت حركة الساقين والبطن والهوائيات في الفضاء ثلاثي الأبعاد.
لكن العديد من الباحثين أرادوا التخلص من جميع أنواع العلامات ، وتتبع أكثر من أي سبع نقاط على جسم الحيوانات. من خلال دمج الأفكار من العمل السابق مع الحيوانات والبشر ، أنشأت العديد من المختبرات أنظمة سهلة الاستخدام تستخدم على نطاق واسع اليوم.
أول هذه النظم عملت في العام الماضي.
تم تطوير
DeepLabCut من قبل علماء الأعصاب بجامعة هارفارد
ماكنزي ماتيس وألكسندر ماتيس ، بعد أن عاودوا إنشاء هذه الشبكة العصبية المدربة على تصنيف آلاف الكائنات. قريباً ، ظهرت بسرعة مشاريع أخرى:
LEAP (Leap Estimates Animal Pose) ، التي طورتها بيريرا وغيرها في مختبرات مورتي وشيفيتس ؛ SLEAP ، الإصدار التالي من نفس الفريق ، يتتبع موقع أجزاء الجسم للعديد من الحيوانات المتفاعلة ؛ Kozin’s
DeepPoseKit ، التي نشرت قبل بضعة أشهر.
"يمكنها أن تتعلم بسرعة كبيرة" ، يصف مورتي نظام LEAP. "في غضون 10-15 دقيقة ، يمكنك تدريبها على العمل تلقائيًا مع جميع مقاطع الفيديو." تعمل مجموعات أخرى على وضع النماذج في مساحة ثلاثية الأبعاد بدلاً من ثنائية الأبعاد ، ومعايرة نفس النماذج بكاميرات متعددة.
وقال كوزين: "في الداخل ، يمكن أن تكون هذه التقنيات معقدة بشكل لا يصدق ، لكن حتى الآن من السهل بشكل مفاجئ تطبيقها على مجموعة واسعة جدًا من المهام ، بدءًا من تتبع تحركات شعيرات الماوس إلى سلوك نملة أو تشكيل مدارس الأسماك".
وجد وايتلوك أنه في الفئران التي درسها ، تم تشفير بعض الحركات والمواقف في أجزاء من القشرة ، والتي تشارك في حركات منسقة - وربما في أنشطة أخرى. "هذه المناطق من الدماغ نشطة للغاية في كيفية الحيوان رأسه" ، قال. "ببساطة لم نأخذ هذا الجانب من معالجة المعلومات في اللحاء من قبل" ، لأن الباحثين لم يتمكنوا من تتبع تحركات الحيوانات المتحركة بحرية.
وتساعد الخوارزمية التي تصور مخططًا للحيوان ، على فهم سلوكه بشكل أفضل. وقال وايتلوك إن جميع جوانب السلوك القابلة للقياس هي في الواقع "تغيرات في الموقف بمرور الوقت". "وتعلمنا قراءة الوضع".
وقال
بنجامين دي بيفور ، عالم الأحياء السلوكي في جامعة هارفارد ، لأن برنامج تتبع الموقف سهّل جمع البيانات ، "يمكننا الآن التبديل إلى مهام أخرى". على سبيل المثال: كيفية تحديد لبنات السلوك وكيفية تفسيرها؟
لغة خفية
تعتمد محاولات الإجابة على هذه الأسئلة لفترة طويلة على حدس المراقب - على "تصور لا تشوبه شائبة" ، كما مزحة
علماء الأخلاق (خبراء سلوك الحيوان). ومع ذلك ، الحدس يخضع للتحيز ، ومشاكل مع استنساخ وصعوبات في التعميم.
قضى عالم الحيوان
إيان غولاني من جامعة تل أبيب معظم العقود الستة الماضية يبحث عن طريقة أقل عشوائية لوصف وتحليل السلوك - الذي سيستخدم وحدات سلوكية أساسية ، مثل ذرات الكيمياء. لم يكن يريد وصف السلوك بأنه "مغازلة" أو "تغذية". لقد أراد أن يظهر هذا الوصف بشكل طبيعي ، من مجموعة عامة من القواعد المستمدة من تشريح الحيوان. لدى جولاني نموذجه الخاص حول كيفية ظهور هذه الوحدات والقواعد ، لكنه يعتقد أن هذا المجال لا يزال بعيدًا عن الوصول إلى توافق في الآراء بشأن هذا.
باحثون آخرون ، على النقيض من ذلك ، واثقون من أن MO و GO من المرجح أن يقود هذا المجال إلى توافق في الآراء. لكن DeepLabCut و LEAP وغيرها من خوارزميات تتبع الموقف المتقدمة تعتمد على تدريب المعلمين - حيث يتم تدريبهم على التعرف على أجزاء الجسم استنادًا إلى البيانات التي تحمل علامات مميزة يدويًا. يأمل العلماء في العثور على اللبنات الأساسية للسلوك وتحليلها من خلال التعلم بدون معلم. ربما يكون هذا النهج قادرًا على الكشف بشكل مستقل عن بنية السلوك غير المرئي لنا ، حتى لا يضطر الأشخاص إلى فرض كل خطوة تالية على النظام ، مع إدخال الأخطاء الناتجة عن التحيزات المخفية.
ظهر مثال مثير للاهتمام لهذا النهج في عام 2008 ، عندما حدد الباحثون أربع وحدات أساسية لحركة الدودة التي يمكن دمجها معًا ، لتلقي جميع الحركات المتوفرة لهذا الحيوان تقريبًا. هذا التمثيل المضغوط ، المسمى "الدودة الذاتية" [من "eigen" ، أي "الخاصة" / تقريبا. ترجمة.] ، يقدم طريقة كمية لتقييم الديناميات السلوكية.
تعرف خوارزمية تسلسل الحركة التي تم إنشاؤها في مختبر بوب دوتا في كلية الطب بجامعة هارفارد الوحدات الصغيرة ، أو "المقاطع" ، في الديناميات السلوكية للفئران. يقترح العلماء أن سلوك الفئران يتكون من هذه المقاطع ، تتبع بعضها البعض وفقًا لقواعد "نحوية" معينة.
يعرض الفيديو ستة أمثلة لهذه الوحدات السلوكية ("الانحناء والارتعاش" ، "الجري" ، "الغسل" ، "تجعد وجهك" ، "العدوان" ، "محاولة الهرب"). ويستند كل منهم على تتبع الفئران المختلفة. تشير النقاط الظاهرة إلى نفس السلوك البسيط.
اتخذت Datta هذا النهج إلى مستوى جديد تمامًا في عام 2013 ، حيث تبنت خدعة من Xbox Kinect ، وحققت نجاحًا سريعًا معها. عندما نظر هو وزملاؤه إلى البيانات التي تم جمعها والتي تصف حركات الفئران ، فوجئوا بالسرعة التي تمكنوا من رؤية التركيب بها. ديناميات السلوك الثلاثي الأبعاد للحيوانات تتحلل بشكل طبيعي إلى شرائح صغيرة ، تدوم في المتوسط حوالي 300 مللي ثانية. إنها مجرد بيانات. قال داتا: "أريكم البيانات الأولية". "هذه مجرد خاصية أساسية لسلوك الماوس".
قرر أن هذه الشرائح كانت مشابهة جدًا لكيفية ظهور وحدات السلوك كالمقاطع التي تتكون معًا من مجموعة من القواعد أو القواعد. قام هو والفريق بعمل شبكة عصبية عميقة تحدد هذه المقاطع. كانت تبحث عن طريقة لتقسيم نشاط الحيوان إلى شرائح بحيث تكون أفضل طريقة للتنبؤ بسلوك المستقبل. أنتجت هذه الخوارزمية ، التي يطلق عليها Motion Sequencing (MoSeq) ، "مقاطع لفظية" ، أعطاها الباحثون بعد ذلك أسماء مثل "Run forward" أو "bend down and jerk" أو "محاولة الهرب". في تجربة نموذجية ، استخدم الماوس ما بين 40 إلى 50 مقطعًا من مقاطع لفظية ، ولم يتوافق سوى عدد قليل منهم مع ما سمى به الأشخاص.
وقال وايتلوك: "يمكن لخوارزمية عزل السلوك الذي ليس لدينا حتى اسم".
يحاول الباحثون الآن تحديد الأهمية البيولوجية أو البيئية لهذه السلوكيات التي لم نرها من قبل. يدرسون كيف تختلف هذه العناصر السلوكية بين مختلف الأفراد ، أو الجنسين ، أو الأنواع ، وكيف تبدأ في الانهيار مع تقدم العمر أو نتيجة للمرض ، وكيف يتم إنتاجها أثناء التدريب أو أثناء التطور.
يستخدمون هذا التصنيف التلقائي لدراسة كيفية تأثير الطفرات المختلفة في الجينات والأدوية على السلوك ، ووصف التفاعلات الاجتماعية.وقد بدأوا بالفعل في إجراء الروابط الأولى مع الدماغ وحالاته الداخلية.التنبؤ بظروف الدماغ والسلوكيات
وجد داتا وزملاؤه أنه في المخطط ، منطقة الدماغ المسؤولة عن تخطيط المهارات الحركية وغيرها من المهام ، يتم تنشيط مجموعات مختلفة من الخلايا العصبية لتفعيل "المقاطع" المختلفة للسلوك التي وجدها برنامج MoSeq. لذلك ، "نحن نعرف أن هذا النحو يتم التحكم فيه مباشرة بواسطة الدماغ" ، قال داتا. "هذه ليست مجرد ظاهرة ، إنها ظاهرة حقيقية يتحكم بها الدماغ."ومن المثير للاهتمام ، أن التمثيل العصبي لمقطع معين لم يكن هو نفسه دائمًا. لقد تغير ، مما يعكس التسلسل الذي يوجد به هذا المقطع. من خلال دراسة نشاط الخلايا العصبية ، كان بإمكان دوتا معرفة ما إذا كان مقطع مقطع معين جزءًا من تسلسل ثابت أو متغير. وقال: "على أعلى المستويات ، يشير هذا إلى أن المخطط لا يشفر فقط السلوك المرغوب". كما يوفر معلومات عن سياقها ".لقد أيد هذه الفرضية من خلال التحقق مما سيحدث عندما يتوقف المخطط عن العمل بشكل صحيح. بقيت المقاطع كما هي ، لكن قواعد اللغة كانت مكسورة ، وأصبح تسلسل الإجراءات أكثر عشوائية وأقل قدرة على التكيف.ينظر باحثون آخرون إلى ما يحدث في الدماغ لفترات زمنية أطول. جوردون بيرمانيستخدم عالم الفيزياء الحيوية بجامعة إموري Motion Mapper ، وهي تقنية لتحليل المعلمين ، لتصميم السلوك. يمكن لهذا النموذج ، الذي يحتوي على عناصر سلوك في تسلسل هرمي معين ، أن يتنبأ بالنشاط العصبي الهرمي للدماغ ، كما ظهر في ورقة نشرها فريق من الباحثين من جامعة فيينا. يقول بيرمان إن "الهدف الملهم" لهذه الدراسات هو يومًا ما استخدام Motion Mapper للتنبؤ بالتفاعل الاجتماعي للحيوانات.وهناك مورتي مع فريقها ، وسعيهم وراء الحالات الداخلية الخفية. لقد قاموا بالفعل بإنشاء نموذج يستخدم قياسات حركة الطيران للتنبؤ بكيفية ومتى سيبدأ ذبابة ذكور في الغناء. وجدوا أنه ، على سبيل المثال ، مع انخفاض المسافة بين الذكور والإناث ، زاد احتمال أن يقدم الذكر أغنية من نوع معين.في بحث حديث نشر في مجلة Nature Neuroscience ، قام العلماء بتوسيع هذا النموذج ليشمل الحالات الداخلية الخفية المحتملة لذباب الذكور التي يمكن أن تحسن جودة التنبؤات حول الأغاني التي سيقدمها الذكر. اكتشف الفريق ثلاثة شروط أطلقوا عليها "العلاقة الحميمة" و "الاضطهاد" و "اللامبالاة". من خلال تنشيط العديد من الخلايا العصبية ودراسة نتائج هذا بمساعدة نموذج ، وجدوا أن مجموعة الخلايا العصبية ، التي ، كما كان يعتقد سابقًا ، تتحكم في تسليم الأغاني ، تتحكم فعليًا في حالة الذبابة. وقال مورتي: "هذا تفسير مختلف لمهام الخلايا العصبية التي يؤدونها كجزء من التحكم في سلوك الذباب".الآن هم تطوير معارفهم مع SLEAP. وقال بيريرا: "سيكون من المثير للاهتمام للغاية معرفة الحالات الخفية التي سيساعد هذا النموذج على فتحها عندما ندرج فيها تتبع دقة أعلى في ذلك".يلاحظ العلماء بحذر أن هذه التقنيات يجب أن تعمل على تحسين واستكمال البحوث السلوكية التقليدية ، وليس استبدالها بالكامل. كما يتفقون على أنه يجب القيام بالكثير من العمل قبل أن يكتشفوا مبادئ السلوك العالمية الأساسية. على سبيل المثال ، ستكون هناك حاجة إلى نماذج إضافية للتعلم الآلي من أجل ربط بيانات السلوك بأنواع أخرى معقدة من المعلومات.وقال داتا "هذه هي الخطوة الأولى في بحث هذه المشكلة". ليس لديه شك في أن "شخص ما سوف يأتي بطريقة أفضل بكثير للقيام بذلك." ومع ذلك ، فإن "زائد هذا النهج هو أننا نبتعد عن ممارسة علماء الأخلاق ، عندما يتجادل الناس مع بعضهم البعض حتى يصرخون ، إلى بحة في الصوت ، حول وصف سلوكهم أفضل. الآن لدينا إجراء ".وقال مورتي: "لقد وصلنا إلى النقطة التي يمكن أن تواكبها أسئلتنا". "لقد فتحنا هذا الطريق". وإزالة جميع القيود. يمكن للناس أن يفعلوا ما يريدون ".