AI yang Dilatih dalam Penyaringan Spam Menguraikan Respons Neural Hydra secara Real Time
- Para peneliti menggunakan algoritme pembelajaran mesin (awalnya dikembangkan untuk pemfilteran spam) untuk menganalisis perilaku Hydra.
- Ia dapat menganalisis perilaku secara real-time dan menunjukkan bagaimana neuron Hydra merespons berbagai lingkungan.
- Untuk melakukan hal ini, mereka menerapkan model klasifikasi sekumpulan kata pada video yang berisi semua aktivitas Hydra.
Kami telah mempelajari perilaku hewan selama berabad-abad. Ini melibatkan banyak observasi mendetail dan perhatian yang sungguh-sungguh. Namun ada beberapa teknik efisien yang dapat mengotomatiskan proses identifikasi dan klasifikasi.
Baru-baru ini, para ilmuwan di Universitas Columbia mendemonstrasikan bagaimana algoritma penyaringan spam dapat digunakan untuk menganalisis perilaku hewan. Mereka membuat pipeline analisis perilaku otomatis yang mempelajari cara memilih (dari video) seluruh repertoar perilaku Hydra.
Hydra adalah organisme air tawar dengan kemampuan regeneratif – mereka tidak mati karena usia tua. Mereka tidak punya otak, tapi ratusan neuron berjalan di sepanjang tubuh tembus pandang mereka untuk mengoordinasikan berbagai perilaku.
Mereka berperilaku dengan cara yang dapat diprediksi dan dengan membandingkan perilaku mereka dengan pelepasan neuron, para ilmuwan dapat memahami bagaimana sistem saraf hewan kompleks berfungsi.
Kecerdasan Buatan telah digunakan untuk mempelajari sebagian cara cacing merayap, cara beberapa lalat terbang, namun ini adalah pertama kalinya para peneliti menggunakan pembelajaran mesin untuk mendeskripsikan perilaku hewan.
Algoritma Pembelajaran Mesin
Algoritme ini dapat menganalisis perilaku secara real-time – membantu peneliti mengamati apakah Hydra dapat mempelajari sesuatu, dan jika mereka melakukannya, bagaimana neuron mereka merespons.
Pada tahun 2017, peneliti menemukan 4 jenis sirkuit saraf yang bertanggung jawab untuk mengendalikan 4 perilaku pembengkokan dan pemanjangan yang berbeda. Hal ini membantu mereka memahami bagaimana sistem saraf Hydra mengontrol perilakunya.
Kini mereka telah melangkah lebih jauh:mereka telah membuat katalog serangkaian lengkap perilaku Hydra.
Tim menerapkan model sekantong kata yang terkenal ke video yang berisi semua aktivitas Hydra. Model ini menyederhanakan representasi yang digunakan dalam pengambilan informasi dan pemrosesan bahasa alami. Selain itu, peneliti mengidentifikasi metode tanpa pengawasan dan perilaku yang tidak diberi catatan.
Neuron Hydra ditampilkan sebagai indikator fluoresensi hijau | Kredit:Universitas Columbia
Referensi:eLifeSciences | doi:10.7554/eLife.32605.001 | Universitas Kolumbia
Model bag-of-words menganggap video dan gambar sebagai “kantong” kata-kata visual, seperti potongan kecil pada gambar, atau bentuk dan fitur video yang diambil dari potongan kecil tersebut. Dibandingkan dengan metode lain, metode ini lebih tangguh dalam menghadapi tantangan seperti orientasi, oklusi, dan perubahan sudut pandang.
Agar lebih efisien, peneliti mengintegrasikan model ini dengan metode komputasi lain, termasuk lintasan padat (mengkodekan statistik bentuk dan gerak), segmentasi bagian tubuh (mendeskripsikan informasi spasial) dan vektor Fisher (mewakili kata-kata visual dalam cara statistik).
Algoritme ini memutar video selama berjam-jam dan mendeteksi gerakan berulang, seperti halnya memeriksa berapa kali kata muncul di badan teks untuk memilih topik/subjek dan menandai email.
Kredit:Yuste Lab / Universitas Columbia
10 dari perilaku yang dilaporkan sebelumnya berhasil diidentifikasi oleh algoritma. Faktanya, penelitian ini mengevaluasi 6 perilaku yang merespons berbagai skenario di sekitarnya. Hasilnya cukup menarik, perilaku Hydra hampir tidak berubah. Apakah Anda mematikan atau menyalakan lampu, memberinya makan atau tidak, hal yang sama berulang beberapa kali.
Apa Selanjutnya?
Para peneliti berencana bereksperimen dengan rangsangan untuk mengamati perubahan perilaku Hydra. Tujuan utamanya adalah mengungkap kode saraf yang mengungkapkan bagaimana jaringan saraf Hydra menghasilkan perilaku. Di masa depan, teknik ini juga dapat dipadukan dengan organisme lain yang telah berevolusi selama ribuan abad.
Baca:Model Pembelajaran Mesin Baru Dapat Mencegah Infeksi Mematikan
Hal-hal yang dipelajari dari studi ini dapat bermanfaat bagi cabang teknik lain yang berkaitan dengan pemeliharaan kontrol dan stabilitas yang akurat pada mesin seperti pesawat terbang dan kapal laut, yang melakukan navigasi di lingkungan yang keras.
