Zebrafish нейробилымының зерттеулері әрқашан әрекетке сүйенеді. Ларвалардың жылжуы, ересектердің әлеуметтік өзара әрекеті, қорқытуға байланысты реакциялар және жүзудің дәрілермен өзгерген үлгілері — бұлар барлығы ми қызметіне көз жеткізуге мүмкіндік береді. Проблема солда, адамдардың бақылауы масштабталмайды. Бір эксперимент бірнеше балық бойынша сағаттарға созылатын бейнелерді өндіре алады. Қолмен бағалау баяу, субъективті және шаршағыштыққа ұшырайды. Екі дайындалған бақылаушы бірдей бейне фрагментін қарағанда, қозғалыс басталған уақытты немесе бұрылу түрін қалай жіктеу керектігінде келіспеуі мүмкін. Осы келіспеулер деректерге шу енгізеді, ал шу — негізгі әсері аз болған кезде қымбатқа түседі.
AI-негізделген әрекеттік талдау жүйелері шынында не өлшейді
Жасанды интеллектке негізделген әрекеттерді талдау жүйесі тек қозғалыстарды санаудан асады. Ол бастапқы бейне немесе іздеу деректерінен әрекеттердің сандық көрінісін құрады. Бұл процестің негізгі кезеңі — поза бағалауы, яғни модель әрбір балықтың басы, құйрығы және орталығы сияқты негізгі нүктелерін анықтайды. Содан кейін әртүрлі сипаттамалар шығарылады: жылдамдық, үдеу, бұрылу бұрышы, балықтар арасындағы қашықтық, қозғалмай қалу уақыты және әрекет циклдарының жиілігі. Кейбір жүйелер одан әрі барып, әрекеттерді «жақындайтын», «қашатын» немесе «шабуылдайтын» сияқты нақты санаттарға жіктейді. Нәтижесінде уақыт бойынша қатар пайда болады, оны нейрондық жазбалармен, дәрілерді енгізумен немесе генетикалық өзгерістермен салыстыруға болады. Дәл осы салыстыру мүмкіндігінде осы жүйенің нағыз күші жасырылған.
Миллисекундтық дәлдік эксперименттік жобалауды қалай өзгертеді
Дәстүрлі бағалау әдетте әрекетті ең жақын секундқа дейін анықтайды, егер ол мүмкін болса. Жасанды интеллект жүйелері кадр жиілігімен бақылай алады, әдетте 30-дан 100-ге дейін кадр секундына. Осы дәлдік бұрын көрінбейтін оқиғаларды ашады. 50 миллисекундқа созылатын қорқу реакциясы, бұрылу алдындағы қысқа тоқтап қалу немесе құйрық соғысы жиілігіндегі субтильді өзгеріс — барлығы өлшеуге жатады. Бірде-бір тәжірибеде аз әсерді анықтау үшін мыңдаған балық қажет болған, ал қазір әрекеттердің байытылған және азырақ шулы көрсеткіштері арқасында кейде аз сандағы жануарлармен жұмыс істеуге болады. Бұл тек техникалық жақсылану емес. Бұл қойылатын сұрақтарды өзгертеді. Мысалы, эпилепсия моделдерін зерттейтін ғалымдар қазір он жыл бұрын мүмкін болмаған дәлдікпен личинкалық зебрафиште судорогаға ұқсас импульстерді сандық түрде анықтай алады. Осындай дәлдік әрекетті сипаттаушы фенотип емес, сандық фенотипке айналдырады.
| Ерекшелік | Қолмен шешу | Жасанды интеллектке негізделген әрекеттік талдау |
|---|---|---|
| Уақыттық жиілік | Әдетте 1 секунд немесе грубір | Кадр жиілігі, әдетте 30-дан 100 Гц-ке дейін |
| Сапалық | Блюдатель мен шаршағыштық деңгейіне байланысты өзгереді | Тұрақты модель, әрбір орындауда бірдей нәтиже |
| Сипаттаманың өлшемділігі | Бірнеше қолмен бағаланған санаттар | Ондаған үздіксіз және дискретті сипаттамалар |
| Масштабталу | Адам сағаттарына сызықтық тәуелділік | Орнатылғаннан кейін шамамен тұрақты |
| Жедел әсерлерге сезімталдық | Шектеулі | Шу деңгейінің төмендеуіне байланысты жоғары |
Алгоритм көзбен көрінбеген нәрсені көрген жағдай
Нейробиология зертханасында ересек зебрафиштерде тревожностьқа ұқсас мінез-құлықты азайтуға тиісті қосылыс сынақтан өткізілді. Қолмен бағалау нәтижелерінде белгілі бір бағыт көрсетілді, бірақ ол статистикалық тұрғыдан маңызды емес болды. Топ осы бейнелерді өзінше мінез-құлықты талдау жүйесі арқылы қайта өткізді. Бұл жүйе тек бағытты растамады. Ол дәріленген балықтардың жарық өзгерген соңғы бес минут ішінде аквариумның орталығында көп уақыт өткізетінін анықтады. Қолмен бағалау барлық сессия бойынша орташа көрсеткішті есептегендіктен, әсер жоғалып кетті. Жасанды интеллект жүйесі әсердің нақты уақыт аралығын көрсететін уақытқа байланысты көрініс берді. Бұл табыс кейінгі экспериментке әкелді — уақыт шеңбері тарылтылды және нәтиже анығырақ болды. Алгоритм ғалымдардың орнын алмады. Ол ғалымдарға жақсы сұрақ қойды.
Деректерді интеграциялау және қайталанғыштық: бейнеден статистикаға
AI-ға негізделген әрекеттерді талдаудың бірден көрінбейтін, бірақ маңызды артықшылықтарының бірі — қайталанушылық. Бір рет оқытылған және расталған модель әрқашан бірдей кіріс үшін бірдей шығыс береді. Осы тұрақтылық эксперименттер, зертханалар және тіпті жылдар бойынша нәтижелерді салыстыруды жеңілдетеді. Көптеген жүйелер қазір деректерді статистикалық бағдарламаларға немесе нейрондық деректерді өңдеу құбырларына тікелей қосылатын стандартты пішімдерде экспорттайды. Кейбір платформалар бұлттық өңдеуді қолдайды, ол бірнеше зертхананың бірдей модель нұсқасын қолданып деректерді талдауына мүмкіндік береді. Бұл — маңызды өзгеріс. Өткенде әрекеттерге қатысты деректер жиі зертханалық нақты электрондық кестелерде, өзіндік бағалау ережелерімен қамтылып тұрды. Қазір олар бөлісілуге, қайта талдануға және мета-талдануға болады.
Нейробилімдік мамандарды AI-мен алмастырудың алдын алатын шектеулер
AI-ға негізделген әрекеттерді талдауды барлығын шешетін қара қорап ретінде қарастыру қызығушылық туғызады. Бірақ олай емес. Модельдің жұмыс істеу сапасы оның оқыту деректерінің сапасына көп тәуелді. Егер оқыту жиыны жаңа эксперименттегі штамм, жас немесе жарықтандыру жағдайларын қамтымаса, модель субтильді тәсілдермен сәтсіздікке ұшырай алады. Балықтар бір-біріне үстіне келгенде немесе шағылысулар камераға қателік бергенде бақылау бұзылуы мүмкін. Әрекеттерді классификациялау жүйелері универсалды емес. Мысалы, «агрессия» деген санат әртүрлі контекстілерде әртүрлі болуы мүмкін. Сонымен қатар, ешқандай алгоритм балық аурулы ма, жараланған ба немесе температураның өзгеруіне тек қана реакция беріп тұр ма, соны анықтай алмайды. Ең тиімді жұмыс құрылымдарында AI-талдау мен күнделікті адамдық бақылау қосылады. Алгоритм қайталанатын сандық бағалауды орындайды. Адам интерпретацияны және жануарлардың жағдайын бақылауды жүзеге асырады.
Неге аппараттық тұрақтылық модельге қарағанда да маңызды
AI-ға негізделген мінез-құлықты талдау тек қана оған түсетін бейнеге ғана тәуелді. Сынық, жарықсыз кадрларда үйренген модель анық, жақсы жарықталған бейнеде үйренген моделге қарағанда нашар жұмыс істейді. Сондықтан камераны таңдау, жарықтандыру дизайны және аквариумның геометриясы — бұл эксперименттік орнатудың бөлігі, ал ескерілмеген факторлар емес. Сорғылардан туындайтын тербеліс, объективтерде пайда болатын шық және кадр жиілігінің тұрақсыздығы барлығы да объектілердің қозғалысын бақылауды нашарлатады. Ұзақ мерзімді зерттеулер жүргізетін зертханалар үшін көрініс құрылғыларының сенімділігі көп айлық жинақталған деректер жиынының пайдаланылуына немесе пайдаланылмауына әсер етеді. Hunter Lab бұл жабдықтар экожүйесінің өндіріс саласында жұмыс істейді. Компания зертханалық деңгейдегі сулы жүйелер үшін тұрақты өндіріс, материалдарды таңдау және жабдықтаушы тізбегінің сенімділігіне назар аударады. Нейробилогиялық жоба апталар бойы тұрақты бейне қажет еткен кезде осы өндірістік дисциплина маңызды болып табылады.