AI interpreta o que os roedores estão dizendo

“DeepSqueak” permite que os pesquisadores entendam vocalizações de roedores.

Fonte: pixabay

A inteligência artificial (IA) melhorou muito nos últimos anos em grande parte devido aos avanços na aprendizagem profunda, um método de aprendizado baseado em máquina. O reconhecimento de padrões superior do aprendizado profundo gerou uma série de avanços na visão computacional, tradução, reconhecimento de fala e outros propósitos. Algoritmos de aprendizado profundo estão sendo aplicados em muitas indústrias para diversas finalidades. No mês passado, pesquisadores do departamento de Psiquiatria e Ciências Comportamentais da Escola de Medicina da Universidade de Washington anunciaram a criação do DeepSqueak, um sistema de aprendizagem profundo que pode detectar e analisar as vocalizações de roedores.

Por que bater papo com roedores?

• Eu sou neurótico, você é neurótico
• Por que as mulheres se opõem à legalização da maconha mais do que os homens
• Trinta segundos
• Os pais podem ser presos por causa da festa em casa dos seus filhos
• Nós podemos nos tornar felizes?

A ciência moderna depende de roedores de laboratório para servir como proxies de mamíferos para indivíduos de teste humanos. Pesquisas conduzidas in vitro com células cultivadas tendem a não ter a amplitude e a profundidade das informações que um estudo in vivo em um organismo vivo pode fornecer.

Isto é particularmente relevante para a neurociência, pois encontrar voluntários humanos para a pesquisa do cérebro é um pouco inaceitável. Quando os testes de neurociência são estudados in vivo em seres humanos, é com o consentimento daqueles que estão passando por uma cirurgia cerebral tipicamente para outras finalidades não relacionadas ao estudo. Por exemplo, estudos de pesquisas em neurociências foram feitos em pacientes com epilepsia que consentiram em cirurgia cerebral para remover áreas responsáveis ​​por convulsões. Esses tipos de oportunidades são esporádicos e escassos, em comparação com as vastas demandas dos cientistas pesquisadores em todo o mundo. Como resultado, roedores são freqüentemente usados ​​em pesquisas.

No entanto, ao contrário dos seres humanos, os roedores não conseguem se comunicar com os pesquisadores. Ter a capacidade de estudar as vocalizações de roedores de laboratório fornece insights adicionais que podem ser combinados como outro ponto de referência de dados com observações comportamentais. Isso é particularmente benéfico para estudos de comportamento neurocientífico para dependência, depressão, ansiedade, medo, sistema de recompensa, abuso de drogas, envelhecimento e doenças neurodegenerativas, de acordo com o artigo.

• Lidar com parceiros emocionalmente voláteis ou familiares
• Homens que crescem velhos
• Dilemas Éticos no Aconselhamento
• Um post sobre Coraline: ela é tão fofa quanto um botão
• Invertendo Doença com Alimentos

Qual é a ciência por trás do DeepSqueak?

O software para DeepSqueak foi projetado e codificado por Kevin Coffey e Russell Marx, dois cientistas do laboratório de John Neumaier, professor de psiquiatria e ciências comportamentais da Universidade de Washington School of Medicine. Neumaier, que também contribuiu para o estudo, é o diretor associado do Alcohol and Drug Abuse Institute e chefe da Divisão de Neurociências Psiquiátricas.

Os pesquisadores usaram o aprendizado profundo, especificamente redes neurais convolucionais regionais (Faster-RCNN), para detectar vocalizações de roedores, e publicaram suas pesquisas na edição de janeiro de 2019 da Neuropsychopharmacology .

De acordo com o estudo, ratos e camundongos vocalizam através de uma ampla gama de freqüências (20–115 kHz). Quando os ratos estão envolvidos em experiências positivas e felizes, como brincar, fazer cócegas e apreciar guloseimas, eles tendem a produzir sons de frequência mais alta na faixa de 50 kHz. Quando os ratos estão com medo ou estressados, eles fazem sons em uma frequência menor em torno de 22 kHz.

Quando as gravações de arquivos de áudio de vocalizações de roedores são inseridas no DeepSqueak, o sistema converte os arquivos de som em imagens (sonogramas). As gravações de entrada podem ser individuais ou um grande lote de arquivos de som. As gravações são convertidas em um formato de imagem para processamento por um algoritmo visual de aprendizagem profunda de última geração, a mesma tecnologia usada para carros autônomos chamada Faster-RCNN. A equipe inicialmente treinou o DeepSqueak com chamadas rotuladas manualmente. A rede neural distingue e isola as vocalizações de roedores do ruído ambiente.

Os pesquisadores descobriram que os roedores têm cerca de vinte tipos de vocalizações. Os roedores exibiam vocalizações no intervalo feliz quando estavam em jogo com outros roedores, ou esperando um tratamento como o açúcar. A equipe também descobriu que as vocalizações para camundongos machos se tornaram mais complexas se uma fêmea estivesse por perto. Quando dois ratos machos estão juntos, eles fazem o mesmo tipo de vocalizações menos complexas repetitivamente.

A equipe de pesquisa desenvolveu o DeepSqueak para que ele seja flexível e fácil de usar para pesquisadores, não apenas para especialistas em tecnologia. Eles disponibilizaram o DeepSqueak em um repositório aberto na esperança de ajudar outros cientistas em todo o mundo a melhorar suas pesquisas.

Copyright © 2019 Cami Rosso Todos os direitos reservados.

Referências

Coffey, Kevin R., Marx, Russel G., Neumaier, John F .. ”DeepSqueak: um profundo sistema de aprendizagem para detecção e análise de vocalizações ultra-sônicas.” Neuropsicofarmacologia . 4 de janeiro de 2019.