Понимание коллективного поведения животных может быть доступно компьютеру

Человеческий мозг лучше любой машины распознает паттерны в природе. Чтобы увидеть порядок в стае птиц, косяке рыб или колонне муравьев, ему нужны секунды. Однако компьютерный анализ коллективного поведения животных ограничен необходимостью постоянного отслеживания и сбора данных по каждой особи, поэтому механика социального взаимодействия животных до конца не изучена.

Международная группа исследователей под руководством Маурицио Порфири, доцента кафедры машиностроения и аэрокосмической техники NYU Polytechnic School of Engineering, представила новый подход к изучению социального поведения видов, включая человека. Их работа впервые успешно применила машинное обучение для понимания коллективного поведения животных на основе необработанных данных (видео, изображений, звука) без отслеживания отдельных особей. Эти результаты могут значительно повлиять на область этологии и оказаться столь же значимыми, как прорывы, позволившие роботам научиться распознавать препятствия. Статья опубликована в Scientific Reports.

Исходя из предпосылки, что люди обладают врожденной способностью почти подсознательно распознавать поведенческие паттерны, исследователи создали метод применения этого интуитивного понимания в машинном обучении. Алгоритмы машинного обучения широко используются в биометрических системах и анализе погодных данных, позволяя исследователям понимать и сравнивать сложные наборы данных через простые визуальные представления.

Человек, наблюдающий за стаей птиц, видит и скоординированное поведение, и форму построения (например, линию), не измеряя координаты каждой птицы. В эксперименте исследователи использовали существующий метод машинного обучения — изометрическое отображение (ISOMAP) — чтобы проверить, сможет ли алгоритм проанализировать видео стаи, зафиксировать согласованное движение и отобразить информацию на многообразии низкой размерности для визуализации свойств группового поведения. Таким образом, высокоразмерный количественный набор данных был представлен в одном измерении — линии, — что отражает человеческое наблюдение и указывает на высокую степень организации в группе.

Команда сняла на видео пять социальных видов — муравьев, рыб, лягушек, кур и людей — в трех условиях: естественное движение, наличие одного и двух стимулов. Необработанное видео было проанализировано с помощью ISOMAP, что дало многообразия, представляющие поведение групп. Затем группе наблюдателей предложили просмотреть видео и оценить степень коллективного поведения для каждой группы в каждом случае. Человеческие оценки были масштабированы для визуального сравнения с многообразиями ISOMAP.

Сходство между человеческой и машинной классификацией оказалось поразительным. ISOMAP не только точно определил степень коллективного взаимодействия, совпадающую с наблюдениями людей, но и смог различать виды. И люди, и алгоритм присвоили наивысшую степень взаимодействия муравьям, а наименьшую — лягушкам, что соответствует известным качествам этих видов. Оба метода также смогли различить изменения в коллективном поведении животных при наличии различных стимулов.

Исследователи полагают, что этот прорыв — начало совершенно нового способа понимания и сравнения поведения социальных животных. Будущие эксперименты будут сосредоточены на применении техники к более тонким аспектам коллективного поведения, например, стрекотанию сверчков или синхронному миганию светлячков.