帮助人工智能追踪动物的新工具可以促进生物学研究

生物学家经常研究大量动物以收集集体和个体行为的数据。新的机器学习工具有望帮助科学家更快地处理这项工作产生的大量数据，同时减少工作量。

现在，一种名为replicAnt的新工具简化了这些机器学习工具的训练图像的创建方式，使其能够更快、更轻松地同时记录对大量动物(从昆虫开始)的观察结果。

动物数据库

用于此目的的现有人工智能工具需要用户辛苦地手工注释数百个帧，以提供可供计算机学习的数据库。为了解决这个问题，replicAnt只需点击鼠标即可自动创建数千个带注释的图像，无缝地融合物种和环境的变化。最终，这些人工智能生成的数据可能会提高在动物研究中使用人工智能工具的速度和稳健性。

该工作发表在《自然通讯》上。

主要作者FabianPlum博士伦敦帝国理工学院生物工程系的研究员表示：“对大量动物进行研究并学习如何使用新工具需要花费大量时间。replicAnt降低了生物学家使用机器学习来优化其研究的准入门槛。”工作。”

该工具建立在研究团队之前的工具scAnt的基础上，scAnt是一种3D扫描仪，可以对小动物进行细致的拍摄，以生成高分辨率的3D动物模型。scAnt生成的3D模型在replicant中使用，它使用3D软件虚幻引擎生成训练图像，用于检测和跟踪实验室和自然界中的动物，从而节省研究人员的时间并简化他们的工作。

为了展示replicAnt的实用性，研究人员在这些图像上训练了神经网络(一组识别数据中潜在关系的算法)。这使得神经网络能够开箱即用地识别个体并跟踪他们在不同环境中的运动。对于其他人来说，所需的真实图像手动标记减少了一个数量级。

法比安说：“了解动物行为，尤其是在气候变化的情况下，至关重要。我们希望我们的工具能够帮助使收集关键数据的耗时过程变得更容易、更快。”

进一步的应用可能包括使用实时运动数据来告知电影和视频游戏中的角色运动。