动物在日常生活中展现出的复杂社交行为意味着什么？当鸟类群集并同步起飞时，它们是如何无声地传达信息的？为何鱼群在遭遇威胁时会改变其游泳模式？探究这些问题背后的神经机制和行为模式，有助于理解动物社交语言的深层含义。

人工智能技术的发展，不仅极大助力了科学家们解析和认识生物行为，更为神经科学研究提供了革命性的视角。

北京时间1月8日下午6点，中国科学院深圳先进技术研究院脑认知与脑疾病研究所、深圳理工大学（筹）蔚鹏飞团队的最新研究成果登上国际顶级学术期刊《自然—机器智能》。研究团队将人工智能技术运用到神经科学研究中，提出了一种研究社交行为的小样本学习计算框架模型——Social Behavior Atlas（简称“SBeA”），实现了自由社交动物模型的无标签、高精度三维姿态估计、零样本身份识别和精细化社交行为分类，解决了精确检测动物社交行为的多个重要难点，有望创新社交行为神经环路机制的研究范式。

人工智能助力神经疾病从实验室、自然环境到临床医疗的串联研究示意图 研究团队供图

“多动物行为量化是解读动物社交行为的关键，在神经科学和生态学中有着广泛的应用意义。”《自然—机器智能》期刊高级编辑Trenton Jerde对该研究给予了极高的评价。

AI赋能，零标注精准识别动物身份

自由社交状态下，不同疾病模型的动物往往存在不同的疾病状态，需要逐个定位相关的行为表型。然而，动物的外表被皮毛完全覆盖，即使是富有经验的专业实验人员也很难在社交场景中区分每一只动物的身份和状态。

近年来，人工智能技术在传统行为学研究领域的广泛应用促使了计算神经行为学这一新兴学科的蓬勃发展，DeepLabCut,、SLEAP、MoSeq等AI动物行为追踪技术正在成为神经科学家重要的研究工具。

然而，上述技术在分析多个动物目标、动物自由社交行为时，仍无法实现海量数据标注、连续追踪的身份准确性等问题。目前，在检测动物行为数据方面仍没有真正可用的有效工具，大部分动物社交行为研究仍停留在传统三箱行为实验阶段。

当前，人工智能识别图像的精度已经极大地超越了人眼。在该研究中，研究团队将人工智能技术运用到动物身份识别中，提出了双向迁移学习计算框架，实现了人工智能模型无需提前标注动物身份数据的零样本多动物社交身份识别，识别准确率超过90%，完全满足社交实验的精度需求。

“双向迁移学习的设计思路源自大脑工作机制的启发，在非社交场景中，区分每一只动物的身份非常简单，这些模型已经认识的动物身份信息可以迁移到多动物社交的场景，实现了不同模型之间的知识共享和‘脑补’，从而解决了人工智能模型需要人工标注大量数据才能实现多动物身份识别的问题。”论文通讯作者蔚鹏飞说。

跨物种普适应用，助力神经疾病研究

在此前的研究中，蔚鹏飞团队分别开发了单动物精细行为分析算法框架、微型化自由移动眼动追踪设备等，研究发表在《自然—通讯》和《分子精神病学》等期刊并得到国内外研究者的广泛应用。

“然而，这些方法仅能在单动物实验场景应用，限制了从实验室到临床医疗的研究拓展。”蔚鹏飞介绍。对此，研究团队自2020年底开始构思并尝试将无监督、层次化的动态行为分解策略拓展至社交行为场景，

经过三年的不懈努力，蔚鹏飞带领的学科交叉团队解决了大量的人工智能技术问题，并结合真实的实验需求场景优化算法框架，完成了多动物目标的精细行为分析研究，有望成为计算神经行为学研究领域的一块重要拼图。

蔚鹏飞团队合影 科研团队供图

解析动物行为语言，就像解析人类语言从字母、单词再到语句的层次化结构，研究团队开发的SBeA技术，实现了对动物社交行为进行并行、动态、层次的分解，对小鼠、大鼠、鸟、犬、非人灵长类等多种动物的社交行为特征进行自适应无监督聚类，获得了包括追逐、相互理毛、攻击等百余种精细社交行为模块。

该方法不需要提前定义社交行为类别，有利于发现新的、未定义的社交行为差异，能够鉴定三箱社交、分区域社交等经典社交实验范式难以获得的自由社交行为表型。

“在研究过程中，我们发现了一个有趣的现象，小鼠和人类一样，会主动‘关心其他小鼠，尤其是精神疾病模型小鼠。该系统发现正常小鼠对自闭症模型小鼠可能具有更高的偏好性。”论文第一作者、深圳先进院脑所在读博士生韩亚宁介绍，这为团队进一步解析动物社交行为更深层次含义提供了新思路。

除了小鼠外，该方法也适用于计算鸟类和家犬的精准的3D社交姿态、身份和精细社交模块，具有跨物种应用的潜力。其中，家犬部分的研究工作主要与中国科学院昆明动物研究所张亚平院士和王国栋研究员团队、公安部昆明警犬基地李静等合作，在科技创新2030“脑科学与类脑研究”重大项目支持下共同完成。

北京脑科学与类脑研究中心联合主任、清华大学教授罗敏敏对该成果评价道，Social Behavior Atlas可以视为行为研究领域的一个“放大镜”，它能帮助我们更精细地观察和理解动物间复杂的社交互动、行为模式和其神经基础。

“近年来，计算神经行为学的发展革新了经典的行为学范式，实现了从实验室环境到自然环境的行为观测。未来，人工智能赋能的神经科学研究将进一步加深从动物模型到临床医疗的大数据生理参数的理解，为实施更加精准、个体化的无创神经调控提供指导，有望帮助人类突破理解复杂精神疾病的‘牢笼’。”蔚鹏飞表示。

相关论文信息 ：https://www.nature.com/articles/s42256-023-00776-5