فهم كيفية تفاعل الحيوانات مع بيئتها ومع بعضها البعض أمر حاسم في البحوث السلوكية. في حين يعد ترميز الفيديو طريقة مفضلة لجمع البيانات السلوكية المفصلة، إلا أن استخراج المعلومات يدوياً من لقطات الفيديو الواسعة تستغرق وقتاً طويلاً ويتطلب تدريباً كبيراً.
لحسن الحظ، ظهر التعلم الآلي كحل لاستخراج البيانات تلقائياً وتحسين الكفاءة مع الحفاظ على الموثوقية. لقد نجحت هذه التكنولوجيا في التعرف على الأنواع والأفراد والسلوكيات المحددة في الفيديوهات، مما يحول البحوث السلوكية من خلال تتبع الأنواع في لقطات الكاميرات الخفية وتحديد الحيوانات في الوقت الحقيقي.
ومع ذلك، لا تزال هناك تحديات في تتبع السلوك المعقد، خاصةً في بيئات البرية. في حين تتفوق أدوات التعلم الآلي الحالية في الظروف المتحكمة، تشير التقدم الأخير إلى إمكانيتها في التوسع لتشمل أنواع متنوعة وموائل معقدة. بالجمع بين طرق التعلم الآلي مثل طرق CNNs للحركة ونماذج تقدير الوضع، يمكن للباحثين الحصول على رؤية أكثر شمولية لسلوك الحيوان على مدار الزمن.
في دراسة حديثة نُشرت في مجلة علم الحيوان، استكشف الباحثون استخدام أداة التعلم الآلي DeepLabCut لتحليل البيانات السلوكية للحيوانات البرية، وخاصة القردة مثل شمبانزي وبونوبو. أبرزت الورقة التحديات التي تواجه ترميز واستخراج المعلومات السلوكية يدوياً من لقطات الفيديو، فضلاً عن إمكانية التعلم الآلي لتوتير هذه العملية وتقليل الوقت وتحسين الموثوقية.
قدمت الورقة تفاصيل مفصلة حول استخدام DeepLabCut، بما في ذلك التثبيت والاستخدام الأولي، ومتطلبات الأجهزة، ووظائف واجهة المستخدم الرسومية، والاعتبارات الأخلاقية لجمع البيانات. كما رسمت معايير اختيار الفيديو، وتطوير النموذج والتدريب، وتقييم الأداء.
باستخدام DeepLabCut، طور الباحثون نماذج لتتبع حركات الشمبانزي والبونوبو في البرية. تم تدريب نموذجين على لقطات الفيديو المختلفة وتم تقييم دقتهما في تتبع حركات القردة على لقطات الاختبار وأشرطة فيديو جديدة تمامًا.
أظهر التقييم أن كلا النموذجين يتمتعان بدقة محسنة في التعليم على النقاط الرئيسية في لقطات الفيديو مقارنةً بالمشفرين البشريين، مع تفوق نموذج 2 بشكل مستمر على نموذج 1. ومع ذلك، واجه النموذجان صعوبة في ربط النقاط المكتشفة بشكل فعال، مما أدى إلى مشكلات في تتبع الحركة في بعض الفيديوهات المحددة.
على الرغم من أن الدراسة أظهرت إمكانية DeepLabCut والتعلم الآلي في توتير تحليل سلوك القردة البرية، إلا أنها أشارت أيضًا إلى الحاجة إلى تدخل بشري في تصحيح الأخطاء والطابع الزمني الطويل لتطوير النموذج. على الرغم من هذه التحديات، تقدم التعلم الآلي إمكانيات تحويلية في البحوث السلوكية، مما يؤكد الحاجة المستمرة لتحسين أنظمة التتبع للسلوك المعقد في البيئات الطبيعية.
The source of the article is from the blog kunsthuisoaleer.nl