Gezichtsuitdrukkingen van muizen analyseren met kunstmatige intelligentie

Volgens Nature, heeft een team van onderzoekers onlangs kunstmatige intelligentie gebruikt om de gezichtsuitdrukkingen van muizen te analyseren en te interpreteren. Laboratoriummuizen zijn een van de meest gebruikte laboratoriumdieren, maar er is weinig bekend over hoe ze zich met hun gezicht uitdrukken. Het onderzoek kan ook helpen om te begrijpen welke neuronen een specifieke invloed hebben op bepaalde gezichtsuitdrukkingen bij mensen.

De studie van dierlijke uitdrukkingen is een oud idee, maar een relatief nieuwe discipline. Darwin hypotheerde aanvankelijk dat dierlijke gezichtsuitdrukkingen ons inzicht kunnen geven in hun emoties, maar pas recentelijk is de wetenschap en technologie zo ver gevorderd dat het mogelijk is om dergelijke uitdrukkingen en emoties te bestuderen.

David Anderson, een neuroloog aan het California Institute of Technology in Pasadena, legde uit dat de studie een belangrijke stap is in het ontrafelen van hoe de hersenen bepaalde emoties manifesteren en hoe die emoties mogelijk worden uitgedrukt in gezichtsspieren. Ondertussen legde Nadine Gogalla, een neuroloog aan het Max Planck Institute of Neurobiology in Duitsland, de reden achter de studie uit. Gogalla leidde de studie en werd geïnspireerd door een artikel uit 2014 geschreven door Anderson en collega’s. In hun artikel hypotheerde Anderson en collega’s dat emoties en andere hersenstaten bepaalde meetbare kenmerken zouden moeten vertonen, en stelden ze dat de sterkte van de stimulus de ernst van de emotie zou moeten beïnvloeden en dat emoties persistent zouden moeten zijn, zelfs nadat de stimulus die ze veroorzaakte was geëindigd.

Zo legde Inverse uit, filmde Gogolla en de andere onderzoekers de gezichten van muizen terwijl ze werden blootgesteld aan verschillende stimuli, zowel aangenaam als onaangenaam. Ze kregen bijvoorbeeld bittere of zoete vloeistoffen. De onderzoekers stelden dat muizen hun uitdrukkingen kunnen veranderen door gezichtsstructuren zoals de neus, ogen, oren en wangen te veranderen. Echter, er was geen methode om gemakkelijk verschillende gezichtsuitdrukkingen te koppelen aan verschillende emoties. Het onderzoeksteam loste dit probleem op door de video’s van de muizengezichten te nemen en ze op te splitsen in korte clips, die vervolgens werden gevoerd aan een machine learning-algoritme.

Camilla Bellone aan de Universiteit van Genève in Zwitserland, zegt dat de AI-gedreven methode voor het onderzoeken van gezichtsuitdrukkingen waardevol is “omdat het elke vooroordeel van de onderzoeker vermijdt”.

Het AI-algoritme kon de verschillende gezichtsuitdrukkingen van de muizen herkennen, aangezien de beweging van verschillende gezichtsspieren correleert met verschillende emoties. Een muis toont dat hij plezier ervaart door zijn kaak en oren naar voren te trekken en de punt van de neus naar beneden te trekken naar de mond. Bovendien, toen het onderzoeksteam analyseerde hoe de uitdrukkingen zich manifesteerden in reactie op stimuli, vonden ze dat de uitdrukkingen zowel persistent als gecorreleerd waren met de sterkte van de stimulus, net zoals Anderson en collega’s hadden gehypotheerd.

Het onderzoeksteam gebruikte vervolgens een techniek genaamd optogenetica om te proberen te bepalen welke hersencellen verantwoordelijk zijn voor deze emoties. Het onderzoeksteam onderzocht de individuele neurale circuits die geassocieerd zijn met bepaalde emoties bij dieren. Toen deze circuits werden gestimuleerd, maakten de muizen de overeenkomstige gezichtsuitdrukkingen.

Het onderzoeksteam gebruikte ook een techniek genaamd two-photon calcium imaging, die individuele neuronen kan volgen. Met deze techniek identificeerden ze neuronen in de hersenen van de muizen die alleen werden geactiveerd wanneer bepaalde gezichtsuitdrukkingen, en dus emoties, werden waargenomen. Gogolla hypotheerde dat deze neuronen mogelijk deel uitmaken van een codering voor emoties in de hersenen, een codering die mogelijk bewaard is gebleven in de evolutionaire geschiedenis van zoogdieren, en dat muizen en mensen mogelijk enkele gemeenschappelijke kenmerken delen in deze codering.