George es un pez cebra. Junto con Tom y otros 98 compañeros, George nada libremente en un tanque de laboratorio en el Centro Champalimaud para lo Desconocido (CCU), en lisboa, Portugal. Una cámara graba desde arriba un video de todas las idas y venidas de los animales.

¿Es posible distinguir peces individuales de las imágenes de video en todo momento? Sí, dice Gonzalo de Polavieja, investigador principal del Laboratorio de Comportamiento Colectivo, OMS, con su equipo, ha desarrollado un programa llamado idtracker.ai que puede hacer el trabajo rápidamente y con extrema precisión. Sus resultados fueron publicados en la revista Métodos de la naturaleza .

"El objetivo final de nuestro equipo es comprender el comportamiento del grupo, "dice de Polavieja, cuyos nombres preferidos para los peces son George y Tom. Queremos entender cómo los animales de un grupo deciden juntos y aprenden juntos ". Los investigadores buscaron extraer datos de muy alta calidad de los videos, como la posición y la forma de cada uno de los animales, así como sus caminos individuales, sin errores.

Reconocer a cada individuo entre docenas de pares similares sería difícil para los humanos, o para esa materia, un programa de computadora convencional. "Nos volveríamos locos intentando, "dice de Polavieja. Para grandes multitudes, sin inteligencia artificial en la mezcla, incluso una computadora potente podría tener que ejecutar el programa durante años para obtener resultados. Y estos probablemente no serían muy precisos.

Ahí es donde entra idtracker.ai. El nuevo software, dice de Polavieja, proporciona los datos de calidad necesarios para una segunda fase que analiza las reglas que impulsan el comportamiento colectivo de los animales.

Hace cuatro años, antes de incorporarse a la CCU, de Polavieja publicó la primera versión del software en Métodos de la naturaleza , que no dependía de la inteligencia artificial. Los resultados fueron mucho más modestos. "Podíamos rastrear 10 animales en ese entonces, " él dice.

De Polavieja y sus coautores, Francisco Romero-Ferrero, Mattia Bergomi, Robert Hinz y Francisco Heras, ahora han probado la nueva versión de IA con grupos de hasta 100 peces cebra. "No probamos más de 100 porque nuestro tanque no es lo suficientemente grande para eso". Sin embargo, utilizando otro método para grabar las imágenes, demostraron que el software puede identificar hasta 150 peces individuales con muy poca pérdida de precisión. "No creí que pudiéramos alcanzar esos números; fue una sorpresa, "apunta de Polavieja." Pensé que no habría suficiente información en las imágenes ".

Aprendizaje profundo

Idtracker.ai se compone de dos redes neuronales de aprendizaje profundo y algunos algoritmos convencionales más. Una red neuronal de aprendizaje profundo es una simulación por computadora de redes reales de neuronas en el cerebro que son capaces de aprender de la experiencia.

Usando las imágenes de video del pez cebra en el tanque, la primera red de la cadena está entrenada para decir si cada mancha visible en las imágenes corresponde a un solo animal oa varios.

Con esta salida, Luego, la segunda red neuronal se entrena para asignar un nombre (o número) a cada gota que contiene solo un pez; en otras palabras, para identificar cada pez individual. El reconocimiento se basa en las características únicas de cada pez cebra. "La gente piensa que los peces cebra son todos iguales, pero esto prueba que lo son, De hecho, todos diferentes entre sí, "apunta de Polavieja.

Finalmente, el programa aplica dos algoritmos convencionales. "Uno es obtener cierta certeza sobre los pocos individuos cuyas identidades aún son algo inciertas, "dice de Polavieja." Y el otro determina qué animal es cuál cuando sus caminos se cruzan, es decir, cuando sus trayectorias aparecen superpuestas en el video.

Los resultados hablan por sí mismos:idtracker.ai tarda aproximadamente una hora en identificar todos y cada uno de los 100 peces cebra en el video en todo momento con una precisión de casi el 100 por ciento. "Si le muestra a la cadena una parte aleatoria del video que nunca ha visto antes y le pregunta:'¿quién es?", la red asignará correctamente el nombre (o el número) correcto a ese pez el 99,997 por ciento de las veces, "dice de Polavieja. Y si le preguntas dónde está George, o Tom, o cualquier otro pez cebra en un momento dado, lo encontrará entre la multitud casi sin sombra de duda.

El equipo también probó el software con moscas de la fruta, pescado medaka (pescado de arroz japonés), hormigas y ratones. También funciona, aunque con un menor número de individuos. El pez cebra es el mejor para estos estudios, dice de Polavieja. "Los ratones son más difíciles porque tienden a agruparse y deformarse".

"Esta es la primera vez que se obtienen datos de tan alta calidad para 100 peces, "dice de Polavieja. El equipo ahora ha utilizado idtracker.ai, que está disponible gratuitamente, para extraer un conjunto de reglas que expliquen el comportamiento del pez cebra en grupos. Describen sus resultados en otro artículo, que han publicado en bioarxiv.org y enviado para su publicación en una revista científica.

En cuanto a posibles aplicaciones, este software podría permitir el seguimiento de personas, o para identificar a una persona determinada en una multitud basándose en información sobre su apariencia física. "Ahora existe toda una industria para este tipo de software, ", dice de Polavieja." La gente está aplicando estas técnicas [AI] para desarrollar otras herramientas de seguimiento similares. Pero antes de que demostráramos que podíamos hacerlo en animales, era difícil de creer que fuera remotamente posible ".