人工智能对动物奔跑、狩猎、梳理毛发和玩耍的微观测量正在释放大量新数据，科学家现在希望用这些数据来模拟动物并测试有关行为和大脑的理论。
为什么重要：大脑的一个主要功能是产生行为并帮助动物在世界上移动——但人们对它是如何发生的以及对医学和创造通用人工智能的努力的影响存在疑问。
索尔克生物科学研究所的研究员塔尔莫·佩雷拉利用机器学习来研究动物行为，他说：“身体为我们提供了大脑进化的目的和它在现实世界中如何运作之间缺失的联系。” “没有身体，你就无法思考。”
更好地了解参与不同行为的神经元回路可以帮助研究人员开发针对精神疾病和神经退行性疾病的治疗方法和药物，这些疾病的早期症状可能表现为行为的微妙变化。
正在发生的事情：人工智能方法越来越多地被用来帮助科学家测量动物的行为，这是一项艰巨的任务，通常需要研究人员观察动物并跟踪和注释它们的动作。
这些工具依赖于深度神经网络和称为姿势估计的计算机视觉技术，可 识别图像或视频中的身体关节并将其输出作为空间坐标。
姿势估计为微软的Xbox Kinect提供支持，它使用红外传感器的数据来跟踪玩家的动作，然后将他们的动作反馈给游戏中的角色。
它还被用于分析运动员的表现、跟踪奶牛的姿势以监测其健康状况以及其他应用。但也可能有更邪恶的用途：例如，根据人们的步态进行监视。
动物行为科学家或行为学家使用人工智能工具来跟踪单个动物的自然行为。这些信息可用于在实验室中重现行为，同时研究人员可以测量大脑中神经元的活动或使其沉默，并观察对行为的影响。
这些工具让我们深入了解狨猴如何捕捉飞虫、老鼠被欺负时表现出的不同行为的神经基础等等。
加州大学圣地亚哥分校的神经生物学家科里·米勒研究狨猴行为的神经机制，他说，人工智能工具“非常强大，因为你可以在大脑工作的范围内以毫秒的精度进行行为量化” 。
佩雷拉正在使用他开发的工具SLEAP 来量化博物馆参观者的肢体语言，尝试检测与ALS 相关的早期行为变化，并研究植物的基因变化如何影响其根系。
另一种名为MoSeq的工具可以发现运动的较小组成部分，该工具的开发者、哈佛大学神经生物学家鲍勃·达塔称之为“音节”。他的研究小组已经 识别出大约50个这样的短行为单位以及它们往往发生的顺序，以便识别和预测不同的行为。
他们最近使用MoSeq研究激素对实验室小鼠行为的影响。他们发现雌性小鼠的行为比雄性小鼠的行为更容易预测。雌性小鼠经常被排除在科学研究之外，因为有一种观点认为雌性激素的变化会影响它们的行为。
是的，但是：佩雷拉说，大脑不会输出坐标。“它不会考虑x、y、z 方向手腕位置的变化。”
佩雷拉说：“我们需要一种方法，将我们所看到的——这些运动痕迹——与真正产生它的系统——大脑联系起来。”
下一步：利用行为数据创建模拟身体或动物的早期阶段正在进行中。
佩雷拉说，这些“数字双胞胎”——具有完全建模的四肢、骨骼和 肌肉的小鼠、大鼠和苍蝇的双胞胎——可以放入视频游戏中并训练它们表现得像真正的动物一样。
这个想法是将基于大脑与身体关系模型的假老鼠的行为与真老鼠进行比较。根据差异，模型将被更新，直到假鼠标的行为 与真鼠标一样。
达塔说：“如果你可以通过计算生成行为，那么机器会让你深入了解大脑实际上是如何做到这一点的。”他补充说，这种可能性“非常令人兴奋”。
言外之意是：构建这些模拟动物可能需要结合用于跟踪的人工智能模型的不同方法，并开发新工具，达塔说。
总体情况：关于是否需要体现通用人工智能，存在着激烈的争论。
一个由著名人工智能研究人员组成的阵营最近主张进行“具体图灵测试”，将焦点从人工智能掌握游戏和语言转移到“与感觉运动世界交互”的模型上。
“身体一直在那里，充当大脑和世界之间的主要过滤器，”佩雷拉说。它的生物力学、生物物理学和生理学是“大脑实际想做的事情和世界上实际发生的事情之间的关键翻译”。
