Nghiên cứu thần kinh học cá ngựa vằn luôn dựa vào quan sát hành vi. Chuyển động bơi của ấu trùng, tương tác xã hội ở cá trưởng thành, phản ứng giật mình và những thay đổi về kiểu bơi do thuốc gây ra đều là những cửa sổ để hiểu chức năng não. Vấn đề nằm ở chỗ quan sát bằng mắt người không thể mở rộng quy mô. Một thí nghiệm đơn lẻ có thể tạo ra hàng giờ video ghi lại hoạt động của hàng chục con cá. Việc chấm điểm thủ công thì chậm, mang tính chủ quan và dễ bị ảnh hưởng bởi mệt mỏi. Hai người quan sát được đào tạo kỹ càng xem cùng một đoạn video vẫn có thể bất đồng quan điểm về thời điểm bắt đầu một đợt bơi hoặc cách phân loại một cú rẽ. Những bất đồng này trở thành nhiễu trong dữ liệu, và nhiễu thì rất tốn kém khi hiệu ứng nền vốn đã nhỏ.
Các hệ thống phân tích hành vi do trí tuệ nhân tạo điều khiển thực tế đo lường những gì
Một hệ thống phân tích hành vi dựa trên trí tuệ nhân tạo không chỉ đếm số lần chuyển động. Hệ thống này xây dựng một biểu diễn số học về hành vi từ dữ liệu video thô hoặc dữ liệu theo dõi. Quy trình thường bắt đầu bằng ước lượng tư thế, trong đó một mô hình xác định các điểm mốc như đầu, đuôi và tâm trọng lượng của từng con cá. Từ đó, các đặc trưng được trích xuất: vận tốc, gia tốc, góc quay, khoảng cách giữa các con cá, thời gian đóng băng (freezing) và tần suất các đợt hoạt động (bout frequency). Một số hệ thống tiến xa hơn bằng cách phân loại hành vi thành các nhóm rời rạc, ví dụ như tiếp cận, tránh né hoặc tấn công. Đầu ra là một chuỗi thời gian có thể đồng bộ hóa với dữ liệu ghi điện não, việc tiêm thuốc hoặc biến đổi di truyền. Chính khả năng đồng bộ hóa này mới là yếu tố mang lại sức mạnh thực sự.
Việc sử dụng độ phân giải theo mili giây thay đổi cách thiết kế thí nghiệm như thế nào
Phương pháp chấm điểm truyền thống có thể xác định hành vi ở độ phân giải gần nhất là một giây, hoặc thậm chí thô hơn. Các hệ thống trí tuệ nhân tạo (AI) có thể theo dõi với tốc độ khung hình, thường từ 30 đến 100 khung hình mỗi giây. Độ phân giải này làm hiện rõ những sự kiện từng không thể quan sát được. Một phản ứng giật mình kéo dài 50 mili-giây, một khoảng dừng ngắn trước khi rẽ, hay một thay đổi tinh tế trong tần số vẫy đuôi đều trở nên có thể đo đạc được. Những thiết kế thí nghiệm từng đòi hỏi hàng nghìn con cá để phát hiện một hiệu ứng nhỏ nay đôi khi có thể thực hiện với ít động vật hơn, bởi đầu ra hành vi phong phú hơn và nhiễu ít hơn. Đây không chỉ là một cải tiến kỹ thuật. Nó còn thay đổi cả những câu hỏi có thể đặt ra. Ví dụ, các nhà nghiên cứu khảo sát các mô hình động kinh giờ đây có thể định lượng chính xác các đợt co giật tương tự ở cá zebrafish giai đoạn ấu trùng — điều mà cách đây một thập kỷ là không khả thi. Loại độ chính xác như vậy biến hành vi thành một đặc điểm hình thái định lượng, chứ không chỉ mang tính mô tả.
| Tính năng | Quan sát bằng tay | Phân tích hành vi do trí tuệ nhân tạo điều khiển |
|---|---|---|
| Phân giải thời gian | Thường là 1 giây hoặc thô hơn | Tốc độ khung hình, thường từ 30 đến 100 Hz |
| Độ Nhất | Thay đổi tùy theo người quan sát và mức độ mệt mỏi | Mô hình cố định, đầu ra giống nhau ở mọi lần chạy |
| Chiều kích tính năng | Một vài danh mục được chấm điểm thủ công | Hàng chục tính năng liên tục và rời rạc |
| Khả Năng Mở Rộng | Tuyến tính theo giờ lao động của con người | Gần như không đổi sau khi thiết lập |
| Độ nhạy với các hiệu ứng tinh tế | Hạn chế | Cao hơn, do giảm nhiễu |
Một trường hợp tại cơ sở nơi thuật toán phát hiện điều mà mắt thường bỏ sót
Một phòng thí nghiệm thần kinh học đang kiểm tra một hợp chất dự kiến làm giảm hành vi tương tự lo âu ở cá zebrafish trưởng thành. Các điểm số do con người đánh giá cho thấy một xu hướng, nhưng không đạt ý nghĩa thống kê. Nhóm nghiên cứu đã chạy lại cùng bộ video đó trên một hệ thống phân tích hành vi dựa trên trí tuệ nhân tạo. Hệ thống này không chỉ xác nhận xu hướng đó mà còn phát hiện ra rằng cá được điều trị dành nhiều thời gian hơn ở trung tâm bể, nhưng chỉ trong năm phút đầu tiên sau khi có sự thay đổi ánh sáng. Việc đánh giá thủ công đã tính trung bình trên toàn bộ phiên thử nghiệm, khiến hiệu ứng bị pha loãng. Hệ thống trí tuệ nhân tạo cung cấp cái nhìn phân giải theo thời gian, chỉ ra một cửa sổ tác động cụ thể. Phát hiện này dẫn đến một thí nghiệm bổ sung với khung thời gian thu hẹp hơn và kết quả rõ ràng hơn. Thuật toán không thay thế các nhà khoa học; nó giúp họ đặt ra một câu hỏi tốt hơn.
Tích hợp dữ liệu và khả năng tái lập: từ video đến thống kê
Một trong những lợi ích yên tĩnh hơn của phân tích hành vi do AI điều khiển là khả năng tái tạo kết quả. Khi một mô hình đã được huấn luyện và xác thực, nó sẽ tạo ra cùng một đầu ra đối với cùng một đầu vào. Sự nhất quán này giúp việc so sánh kết quả giữa các thí nghiệm, giữa các phòng thí nghiệm và thậm chí qua nhiều năm trở nên dễ dàng hơn. Hiện nay, nhiều hệ thống xuất dữ liệu ở các định dạng tiêu chuẩn, có thể kết nối trực tiếp với phần mềm thống kê hoặc các đường ống xử lý dữ liệu thần kinh. Một số nền tảng hỗ trợ xử lý dựa trên đám mây, cho phép nhiều phòng thí nghiệm phân tích dữ liệu bằng cùng một phiên bản mô hình. Đây là một bước chuyển đổi quan trọng. Trước đây, dữ liệu hành vi thường bị giam hãm trong các bảng tính riêng của từng phòng thí nghiệm, kèm theo các quy tắc chấm điểm tùy chỉnh. Ngày nay, dữ liệu đó có thể được chia sẻ, phân tích lại và phân tích tổng hợp.
Những hạn chế khiến AI chưa thể thay thế nhà thần kinh học
Việc coi phân tích hành vi do trí tuệ nhân tạo (AI) điều khiển như một ‘hộp đen’ có thể giải quyết mọi vấn đề là điều rất dễ hiểu. Nhưng thực tế không phải vậy. Hiệu suất của mô hình phụ thuộc rất nhiều vào chất lượng dữ liệu huấn luyện. Nếu tập dữ liệu huấn luyện không bao gồm chủng loại, độ tuổi hoặc điều kiện chiếu sáng của một thí nghiệm mới, mô hình có thể thất bại theo những cách tinh vi. Việc theo dõi có thể bị gián đoạn khi các con cá chồng lấp lên nhau hoặc khi các phản xạ gây nhiễu camera. Các sơ đồ phân loại hành vi không mang tính phổ quát. Một danh mục như ‘tính hung hăng’ có thể biểu hiện khác nhau trong các ngữ cảnh khác nhau. Hơn nữa, không có thuật toán nào có thể xác định được một con cá đang bị bệnh, bị thương hay chỉ đơn thuần phản ứng với sự thay đổi nhiệt độ. Quy trình làm việc hiệu quả nhất kết hợp phân tích AI với quan sát thường xuyên của con người. Thuật toán đảm nhiệm việc định lượng lặp đi lặp lại, còn con người đảm nhiệm việc diễn giải và kiểm tra phúc lợi động vật.
Tại sao độ ổn định của phần cứng quan trọng ngang bằng với mô hình
Phân tích hành vi dựa trên trí tuệ nhân tạo chỉ tốt bằng chất lượng video mà nó nhận được. Một mô hình được huấn luyện trên những đoạn phim sắc nét, chiếu sáng đều sẽ gặp khó khăn khi xử lý các khung hình mờ hoặc bị chiếu sáng không đồng đều. Điều này khiến việc lựa chọn camera, thiết kế hệ thống chiếu sáng và hình học bể nuôi trở thành một phần trong thiết lập thí nghiệm, chứ không phải là những yếu tố xem xét sau cùng. Độ rung từ máy bơm, hiện tượng ngưng tụ hơi nước trên ống kính và tốc độ khung hình không ổn định đều làm suy giảm chất lượng theo dõi. Đối với các phòng thí nghiệm tiến hành nghiên cứu dài hạn, độ tin cậy của thiết bị ghi hình thường quyết định liệu một tập dữ liệu có thể sử dụng được hay không sau hàng tháng trời thu thập. Hunter Lab hoạt động ở khâu sản xuất trong hệ sinh thái thiết bị này. Công ty tập trung vào việc gia công nhất quán, lựa chọn vật liệu phù hợp và đảm bảo tính ổn định của chuỗi cung ứng đối với các hệ thống thủy sinh quy mô phòng thí nghiệm. Kỷ luật sản xuất này đặc biệt quan trọng khi một dự án thần kinh học phụ thuộc vào chất lượng video ổn định trong nhiều tuần liên tiếp.