图注：美国哥伦比亚大学研究人员发现，一种用于过滤垃圾邮件的算法可以学习和识别水螅的行为。图中，水螅的神经元已被绿色荧光指示剂所标记。

生物学家对动物行为的认知大多来自细致的观察和辛勤的记录。现在，或许有一种更简单的方法供他们选择了。据近日刊载在《eLife》上的最新研究表明，哥伦比亚大学的研究人员发现，一种用于过滤垃圾邮件的算法可以从数小时的视频中识别水螅的行为。

水螅非常原始，它没有脊椎和大脑，但当它行进、觅食或者躲避捕食者时，似乎可以对它的行为方式进行预测并为电脑所识别。通过比较水螅的行为和其神经元响应情况，研究人员希望最终能了解水螅以及更高级的动物的神经系统。论文资深作者、哥大神经学家及哥大数据科学研究所成员Rafael Yuste说：“虽然科学家们已经利用机器学习算法分析了果蝇的飞行和蠕虫的爬行，但这是首次对动物行为进行系统性描述。既然我们已经能够实时观测水螅的整体行为，那么我们也能进一步观察它是否能学习，以及它的神经元如何反馈。”

在之前发表于《当代生物学》的论文中，Yuste及其同事实时记录了水螅的神经元响应情况，并发现了4种控制不同行为的神经回路。这为认识水螅的神经系统如何调节其行为奠定了基础。

图注：延时图展示了水螅通过“翻筋斗”行进的过程。

在最新研究中，Yuste等通过将水螅的整套行为进行分类而更进了一步。为了完成分类工作，Yuste等将“词袋模型”分类算法应用于水螅的行为分析。算法通过对水螅行为视频的循环分析，识别出了重复性行为。他们先对水螅10种之前已有记录的行为进行了识别，然后观测了其中6种行为在不同环境条件下的反馈。出乎研究人员意料，水螅的行为几乎从不改变。Yuste说：“不论投食与否，还是开关灯光，水螅总是像劲量兔那样一遍又一遍的重复其动作。”

研究人员认为水螅很可能进化出了适应其环境的方式。目前，他们正使用其他方式刺激水螅，以观察其是否会应激和学习。研究人员的终极目标是，建立模型破解水螅的神经代码，进而展示其神经网络如何产生行为。从水螅行为分析中习得的经验或许对于涉及机器稳定性和精确控制的工程学分支也有借鉴意义。

编译：雷鑫宇 审稿：阿淼 编辑：程建兰

来源：