Lo strumento di intelligenza artificiale migliora la ricerca biologica monitorando gli animali

Un nuovo strumento di apprendimento automatico dell’Imperial potrebbe aiutare i ricercatori a monitorare il comportamento degli animali e aprire la strada a un maggiore utilizzo dell’intelligenza artificiale nelle scienze biologiche.

I biologi spesso studiano un gran numero di animali per raccogliere dati sul comportamento individuale e di gruppo. Nuovi strumenti di apprendimento automatico promettono di aiutare gli scienziati a elaborare l’enorme quantità di dati che questo lavoro genera più rapidamente riducendo al contempo il carico di lavoro.

Ora, un nuovo strumento chiamato replicAnt semplifica e semplifica il modo in cui vengono generate le immagini di addestramento per questi strumenti di apprendimento automatico, rendendo più semplice e veloce la registrazione di osservazioni su molti animali contemporaneamente, a partire dagli insetti.

Banca dati degli animali

Gli strumenti esistenti basati sull’intelligenza artificiale per questo scopo richiedono agli utenti di fornire con attenzione centinaia di frame per fornire un database da cui il computer possa imparare. Per contrastare questo problema, ReplicAnt genera automaticamente migliaia di immagini annotate con un clic del mouse, incorporando perfettamente le differenze nelle specie e negli ambienti. In definitiva, questi dati generati dall’intelligenza artificiale potrebbero aumentare la velocità e la potenza dell’utilizzo degli strumenti di intelligenza artificiale nella ricerca sugli animali.

L’opera è pubblicata in Comunicazioni sulla natura.

L’autore principale Fabian Blom è un ricercatore PhD presso l’Imperial College di Londra Dipartimento di Bioingegneria“Ci vuole molto tempo per condurre studi su un gran numero di animali e imparare a utilizzare nuovi strumenti. Lo strumento di replica abbassa la barriera all’ingresso dei biologi nell’uso dell’apprendimento automatico per migliorare il loro lavoro”.

“Comprendere il comportamento degli animali, soprattutto in relazione al cambiamento climatico, è fondamentale. Ci auguriamo che il nostro strumento contribuisca a rendere più semplice e veloce il processo di raccolta di dati importanti e dispendiosi in termini di tempo.” Fabian Bloom è il primo autore e ricercatore PhD presso il Dipartimento di Bioingegneria dell’Imperial College

Lo strumento dipende dal gruppo di ricerca Strumento precedente, scAnt – Uno scanner 3D che immagina piccoli animali nei minimi dettagli per produrre modelli 3D ad alta risoluzione delle creature. I modelli 3D creati da scAnt all’interno della replica, che utilizza il software 3D Unreal Engine, sono stati utilizzati per produrre immagini di addestramento per rilevare e tracciare gli animali in laboratorio e in natura, risparmiando tempo ai ricercatori e semplificando il loro lavoro.

Per dimostrare l’utilità di ReplicAnt, i ricercatori hanno addestrato reti neurali – insiemi di algoritmi che riconoscono le relazioni di base nei dati – su queste immagini. Ciò ha consentito alle reti neurali di riconoscere gli individui e di tracciare i loro movimenti in diversi ambienti fuori dagli schemi. Per altri, la codifica manuale richiesta sulle immagini reali è stata notevolmente ridotta.

Fabian ha aggiunto: “Comprendere il comportamento degli animali, soprattutto in relazione ai cambiamenti climatici, è fondamentale. Ci auguriamo che il nostro strumento contribuisca a rendere più semplice e veloce il processo di raccolta di dati importanti e dispendiosi in termini di tempo”.

Ulteriori applicazioni possono includere l’utilizzo di dati di movimento in tempo reale per informare il movimento dei personaggi nei film e nei videogiochi.

Questo progetto è stato finanziato da una borsa di studio di dottorato dell’Empire President a Fabian e al Consiglio europeo della ricerca (CER) nell’ambito del programma di ricerca e innovazione Orizzonte 2020 dell’Unione europea per… Dottor David Labonte Nel Dipartimento di Bioingegneria.

“replicAnt: una pipeline per generare illustrazioni di animali in ambienti complessi utilizzando Unreal Engine“Di Bloom et al., pubblicato l’8 novembre 2023 su Nature Communications.