Registrar los movimientos de personas y animales (incluidos pájaros e insectos) se ha vuelto muy fácil debido al desarrollo de cámaras de video y dispositivos GPS pequeños y económicos. Sin embargo, Todavía es difícil inferir qué desencadena tales movimientos (por ejemplo, estímulos externos y / o sus procesos mentales) de los registros de comportamiento.

En este estudio, Shuhei Yamazaki y sus colegas han desarrollado una tecnología de inteligencia artificial (IA), primero, para estimar el estado de comportamiento de un animal, como "descansando, " "alimentación, "o" viajando, "sin clasificación humana, y, Siguiente, explorar las características de cada estado de comportamiento comparando respuestas en diferentes condiciones, como antes y después de experimentar un cierto estímulo.

Este método, denominado STEFTR (estimación del estado y extracción de características del comportamiento animal), permitió a los investigadores estimar los estados de comportamiento de los gusanos redondos y los pingüinos que se mueven aproximadamente 1 cm en 10 min en una placa de Petri y varios kilómetros en 1 día o más en el Océano Antártico, respectivamente, analizándolos exactamente de la misma manera. Notablemente, lograron> 90% de precisión utilizando solo decenas de trayectorias de animales, aunque tradicionalmente los investigadores utilizaron conocimientos previos de especialistas sobre el movimiento del animal y / o millones de imágenes de video del comportamiento animal para entrenar a la IA.

En la extracción de características, Yamazaki y col. dependiente de la experiencia revelada (es decir, dependientes del aprendizaje) cambios en aspectos específicos del comportamiento en gusanos y murciélagos, y cambios sexuales dependientes de feromonas en moscas de la fruta. Es más, revelaron cambios en la actividad nerviosa que están relacionados con cambios de comportamiento en los gusanos.

En conclusión, el método STEFTR puede facilitar la inferencia de "lugares importantes" para el comportamiento animal, como nidos y lugares de alimentación que suelen ser difíciles de encontrar, utilizando solo datos de trayectoria de animales salvajes. Además, puede ayudar a descubrir importantes actividades cerebrales relacionadas con el comportamiento animal, contribuyendo así al progreso de la ciencia básica del cerebro.