"Diego explorait l'utilisation de réseaux de neurones profonds pour annoter des données comportementales animales via l'un de ses cours d'informatique à Princeton, et lors de discussions nocturnes au labo avec Talmo, il s'est rendu compte que ces méthodes pouvaient être puissamment appliquées à leurs propres données :vidéos de mouches des fruits interagissant lors de leur rituel de parade nuptiale, " a déclaré Murthy. " La collaboration a décollé de là, et c'était incroyablement amusant de travailler ensemble - Diego et Talmo ont montré à quel point ces méthodes d'IA peuvent être efficaces."

Le travail a également un grand potentiel en dehors des neurosciences, dit Monica Daley, maître de conférences au Structure and Motion Laboratory du Royal Veterinary College au Royaume-Uni, qui n'a pas participé à cette recherche.

"Une grande partie de mes recherches visent à comprendre comment les animaux se déplacent efficacement dans différents terrains et conditions environnementales, " Daley a déclaré. "L'un des plus grands défis en cours dans le domaine est de tirer des informations significatives sur le mouvement des animaux à partir de séquences vidéo. Soit nous traitons les vidéos manuellement, nécessitant de nombreuses heures de travail fastidieux, ou se concentrer sur une analyse très simpliste et limitée qui peut être automatisée. Les algorithmes présentés dans cet article ont le potentiel d'automatiser la partie à forte intensité de main-d'œuvre de notre travail plus que cela n'était possible auparavant, ce qui pourrait nous permettre d'étudier une plus grande variété de comportements locomoteurs animaux."

Une fois qu'ils ont une base de données de mouvements et de comportements, les neuroscientifiques de l'équipe peuvent établir des liens avec les processus neuronaux qui les sous-tendent. Cela permettra aux chercheurs « non seulement de mieux comprendre comment le cerveau produit des comportements, " dit Shaevitz, "mais aussi pour explorer les futurs diagnostics et thérapies qui reposent sur un ordinateur interprétant les actions de quelqu'un."

Un outil similaire a été partagé au cours de l'été par une équipe de chercheurs de Harvard, qui a utilisé l'architecture de réseau de neurones existante, alors que l'équipe de Princeton a créé le leur. "Notre méthode et la leur ont des avantages différents, " a déclaré Murthy. " C'est un domaine incroyablement passionnant en ce moment avec beaucoup d'activité dans le développement d'outils d'IA pour les études du comportement et de l'activité neuronale. "

"Nous utilisons une approche différente, où plus petit, les réseaux allégés peuvent atteindre une grande précision en se spécialisant rapidement sur de nouveaux ensembles de données, " a déclaré Pereira. " Plus important encore, nous montrons qu'il existe désormais des options faciles à utiliser pour le suivi des poses d'animaux via l'IA, et nous espérons que cela encourage le domaine à commencer à adopter des approches plus quantitatives et précises pour mesurer le comportement. »

« Au cours des cinq dernières années, les neurosciences ont fait d'énormes progrès dans la technologie d'observation et de manipulation de l'activité cérébrale, " a déclaré le co-auteur Samuel Wang, professeur de biologie moléculaire et PNI. "Maintenant, la classification automatique des comportements ajoute un complément essentiel à cette technologie. Princeton est en train de devenir une plaque tournante dans le domaine naissant de la neuroéthologie computationnelle. »