AR, XR und Gehirnschnittstellen

Gesichtsausdrücke von Mäusen mit künstlicher Intelligenz analysieren

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Laut Nature hat ein Team von Forschern kürzlich künstliche Intelligenz eingesetzt, um die Gesichtsausdrücke von Mäusen zu analysieren und zu interpretieren. Labor-Mäuse sind einige der am häufigsten verwendeten Labor-Tiere, aber wenig ist bekannt darüber, wie sie sich mit ihren Gesichtern ausdrücken. Die Forschung könnte auch dazu beitragen, dass Wissenschaftler verstehen, welche Neuronen bestimmte Gesichtsausdrücke bei Menschen beeinflussen.

Die Studie von Tierausdrücken ist eine alte Idee, aber eine relativ neue Disziplin. Darwin hat ursprünglich vermutet, dass Tiergesichtsausdrücke uns Einblicke in ihre Emotionen geben könnten, aber erst kürzlich haben Wissenschaft und Technologie Fortschritte gemacht, um es möglich zu machen, solche Ausdrücke und Emotionen zu studieren.

David Anderson, ein Neuroscientist am California Institute of Technology in Pasadena, erklärte, dass die Studie ein wichtiger Schritt war, um zu verstehen, wie das Gehirn bestimmte Emotionen manifestiert und wie diese Emotionen in Gesichtsmuskeln ausgedrückt werden. Nadine Gogolla, eine Neuroscientistin am Max-Planck-Institut für Neurobiologie in Deutschland, erklärte die Rationalität hinter der Studie. Gogolla leitete die Studie und wurde von einem 2014-Papier von Anderson und Kollegen inspiriert. In ihrem Papier vermuteten Anderson und Kollegen, dass Emotionen und andere Gehirnzustände bestimmte messbare Attribute aufweisen sollten, und vermuteten, dass die Stärke des Reizes die Schwere der Emotion beeinflussen sollte und dass Emotionen persistent sein sollten, auch nachdem der Reiz, der sie verursacht hat, beendet wurde.

Wie Inverse erklärte, filmten Gogolla und die anderen Forscher die Gesichter von Mäusen, während sie verschiedenen Reizen ausgesetzt wurden, sowohl angenehmen als auch unangenehmen. Zum Beispiel wurden ihnen bittere oder süße Flüssigkeiten gegeben. Die Forscher sagten, dass Mäuse ihre Ausdrücke durch Veränderung von Gesichtsstrukturen wie Nase, Augen, Ohren und Wangen ändern können. Es gab jedoch keine Methode, um verschiedene Gesichtsausdrücke leicht mit verschiedenen Emotionen zu verbinden. Das Forscherteam löste dieses Problem, indem es die Videos der Mäusegesichter in kurze Clips aufteilte, die dann in einen Machine-Learning-Algorithmus eingespeist wurden.

Camilla Bellone an der Universität Genf in der Schweiz sagt, dass die AI-gesteuerte Methode zur Untersuchung von Gesichtsausdrücken wertvoll ist, “weil sie die Vorurteile des Experimentators vermeidet”.

Der AI-Algorithmus konnte angeblich die verschiedenen Gesichtsausdrücke der Mäuse erkennen, da die Bewegung von verschiedenen Gesichtsmuskeln mit verschiedenen Emotionen korreliert ist. Eine Maus zeigt, dass sie Vergnügen erlebt, indem sie ihre Kiefer und Ohren nach vorne zieht und die Nasenspitze nach unten zum Mund zieht. Wenn die Forscher analysierten, wie die Ausdrücke auf Reize reagierten, fanden sie heraus, dass die Ausdrücke persistent und korreliert mit der Reizstärke waren, genau wie Anderson und Kollegen vermutet hatten.

Das Forscherteam verwendete dann eine Technik namens Optogenetik, um zu versuchen, welche Hirnzellen für diese Emotionen verantwortlich sind. Das Forscherteam untersuchte die individuellen neuralen Schaltkreise, die mit bestimmten Emotionen bei Tieren verbunden sind. Wenn diese Schaltkreise stimuliert wurden, machten die Mäuse die entsprechenden Gesichtsausdrücke.

Das Forscherteam verwendete auch eine Technik namens Zwei-Photonen-Kalzium-Bildgebung, die einzelne Neuronen verfolgen kann. Mit dieser Technik identifizierten sie Neuronen im Gehirn der Mäuse, die nur aktiviert wurden, wenn bestimmte Gesichtsausdrücke, und daher Emotionen, beobachtet wurden. Gogolla vermutete, dass diese Neuronen Teil eines Codierungsmechanismus für Emotionen im Gehirn sein könnten, einer Kodierung, die möglicherweise während der evolutionären Geschichte der Säugetiere konserviert wurde, und daher Mäuse und Menschen einige gemeinsame Merkmale in dieser Kodierung teilen könnten.

Blogger und Programmierer mit Spezialisierungen in Machine Learning und Deep Learning Themen. Daniel hofft, anderen zu helfen, die Macht von KI für das soziale Wohl zu nutzen.