深度学习算法准确追踪动物运动

根据英国杂志《自然神经科学》(Nature Neuroscience)21日在线发表的一项研究，美国的哈佛团队已经成功地使用一种新的深度学习算法跟踪了动物的运动和行为，精确度达到了人工水平，并且不使用跟踪标记或耗时的人工分析。专家认为，这一成就为海量数据资源打开了大门。

在行为发生过程中准确跟踪身体运动部位是运动科学的重要组成部分。然而，如果使用视频记录来跟踪运动，研究人员要么需要花费时间和精力标记每一帧，要么需要在受试者身体的预定点放置标记。然而，标记可能会干扰研究目标的行为，通常只适用于有限类型的运动。

这一次，哈佛的科学家团队开发了一个开源的运动跟踪工具，叫做“深度实验室切割”，使用机器学习，不受上述限制。该研究小组使用一个大型目标识别图像数据库来预训练“深度实验室切割”。之后，“深度实验室切割”只需要对人类标记图像(大约200张)进行小规模训练，就可以完成一项新的追踪任务，从而方便神经科学家研究动物行为。

研究人员演示了这种算法，它可以在没有标记的情况下跟踪老鼠和苍蝇在各种行为中的任何身体部位的运动，精确度可以达到人工水平。“深度切割”可以追踪细微的动作，比如苍蝇产卵、接吻，以及老鼠伸出爪子时每个手指的轨迹。

在相应的新闻和评论文章中，中国北京大学的魏坤琳和美国宾夕法尼亚大学的康拉德·科丁说，“深度剪辑”理论上适用于任何视频，从而为体育科学开辟了一个巨大的数据源。他们预计，未来“运动捕捉将从实验室里一项困难而昂贵的任务转变为每个人在日常生活中都能完成的一项小任务”。

总编辑圈

不久前，一位诺贝尔奖获得者说人工智能就是统计。我们都知道统计过去的记录可以推断未来。然而，人工智能的预测能力仍然出乎意料。准确猜测动物的行为和方向不需要太多的数据。也许在未来，在机器的帮助下，网站上无聊的视频将成为有趣的科学研究来源。