Нам сложно понять, что чувствуют животные. Часто они не показывают, что им больно, пока ситуация не становится критической. И в этом кроется серьезная проблема ― не получится быстро среагировать, обратиться к ветеринару и решить проблему на ранней стадии. Но ученые стараются использовать современные наработки, чтобы справиться с ситуацией. И кроме искусственного интеллекта им помогает устройство, которое в геймерском мире давно предали забвению ― Xbox Kinect.
Истоки проблемы
Несмотря на все современные разработки, мы все еще не научились понимать животных. Мы не можем точно сказать, что именно чувствует лабораторная крыса или обезьяна, не можем понять, где болит у домашнего кота.
Кроме проблем в ветеринарной области, когда игнорирование тревожных признаков приводит к тому, что болезнь постоянно прогрессирует, это создает риски и в научной среде. Как узнать, что новый обезболивающий препарат подействовал на подопытное существо? Как распознать изменения его состояния?
Именно на этой стадии ученые стали уделять больше внимания «языку тела» животных. К примеру, крысы в разном состоянии могут приподниматься на задние лапы по-разному. Также меняется их манера поворачивать голову и даже уровень нахождения тушки над уровнем пола. И здесь на помощь как раз пришел упомянутый выше Xbox Kinect.
Игровые разработки на службе науки
Когда-то Xbox Kinect позиционировался корпорацией Microsoft как инновационное устройство, призванное полностью изменить представление людей о том, как можно управлять играми. Устройство оснащалось специальной камерой, которая умела распознавать положение тела человека в пространстве.
Отличие от аналогичных технологий конкурентов заключалось в том, что для управления происходящим на экране не нужно было использовать контроллер. Простое перемещение рук могло распознаваться устройством как определенное действие ― ловля предмета, его перемещение или отталкивание.
Хотя вариантов применения технологии было много, несмотря на все усилия Microsoft, успехов она не принесла. Компания отказалась от обязательной продажи Kinect вместе со своей консолью Xbox One. Как результат ― приборы стали быстро пропадать с рынка.
Но их быстро заметили ученые. Преимущество Kinect заключается в очень хорошем распознавании движения. При этом на объект не нужно вешать какие-либо датчики, что может нарушить чистоту наблюдения, внести в него корректировки из-за дискомфорта, который испытывает подопытный.
Как Kinect помогает ученым в исследовании животных
По словам ученых, Kinect сильно отличается от классических камер благодаря «глубине» съемки изображения. Он позволяет точно определять положение животного в пространстве, улавливать даже небольшие изменения. Это пригодится, к примеру, чтобы понять, как поменялась походка кошки, не начала ли она прихрамывать. Подобные изменения могут указывать на развитие проблем с суставами или микротравмы, которые не так просто заметить ветеринарам в обычном положении.
При этом важно понимать, что используемый сегодня в научной работе Kinect ― это уже измененная учеными версия. Microsoft прекратила выпуск аппаратов еще в 2017 году и не обновляет для него программное обеспечение. Потому весь нужный софт приходится писать силами лабораторий, дорабатывать самостоятельно.
Одним из результатов таких разработок стала система компьютерного зрения MoSeq. Она разбивает каждое движение на последовательность составных частей, измеряет, как быстро они переходят друг в друга. Чтобы понять, как это работает, попробуйте подумать, как вы двигаете рукой или поворачиваете голову. Если сосредоточиться, можно понять, что это всегда результат последовательной работы разных мышц.
Ученые предполагают, что если вывести какой-то общий паттерн движения, замерить длительность каждого такого «слога», можно определить задержки на определенном этапе. Это покажет, есть ли проблемы с мышцами, суставами или связками.
Еще одна характерная черта ― изменение в паттернах движений. К примеру, когда у нас болит нога или в обувь просто что-то попадает, организм немного смещает центр тяжести, чтобы унять боль и дискомфорт. То же самое происходит и с животными, а само изменение поведения может о многом рассказать.
Как здесь поможет искусственный интеллект
Многие годы исследования в этой области шли довольно медленно по довольно простой причине ― ученым приходилось анализировать очень большой объем информации фактически вручную. В такой ситуации очень сложно установить какие-то закономерности, понять, какое изменение паттерна движения или положения тела можно считать признаком боли.
С развитием ИИ сбор и анализ данных значительно ускорился. Более того, в научном мире образовалось два лагеря. Одни ученые говорят о том, что лучше использовать «контролируемые» наблюдения, а другие ― «неконтролируемые».
Первый подход предполагает, что искусственному интеллекту дается поручение искать уже установленные паттерны движений. Это помогает уменьшить вероятность ошибочной интерпретации результатов, но и ограничивает круг поиска.
Второй подход передает отслеживание изменений в поведении животного полностью ИИ. В перспективе это позволит выявить заметно более тонкие отличия в движениях вплоть до плохо заметных человеку сокращений мышц. Но и объем обрабатываемой информации значительно увеличивается.
Искусственный интеллект поможет проанализировать информацию о поведении лабораторных животных, создать модель, которая могла бы сформировать «карту боли». Это поможет установить, как именно разные виды реагируют на дискомфорт, как меняется их поведение или движение.
Перспективы разработок
Хотя сейчас ученые рассматривают в основном мышей, но в будущем созданные модели можно будет распространить и на других животных. Как это может помочь? Одна из областей использования ― ветеринария. Можно по двигательному портрету конкретного питомца не только ставить диагноз, но и заниматься профилактикой болезней на ранней стадии.
Еще одна область использования ― тестирование болеутоляющих препаратов и анестезии. Можно будет понять, насколько хорошо разные средства действуют на организм животных.
Разработки потенциально применимы и к человеку. Они также позволяют уловить мелкие изменения в двигательных паттернах разных людей. К примеру, пациентов из группы риска по развитию остеохондроза или артрита.
Сегодня модели активно развиваются и дорабатываются. К примеру, кроме уже упомянутой MoSeq есть и другие наработки. Так, в Федеральной политехнической школе Лозанны ученые работают над алгоритмом машинного зрения DeepLabCut, а в Университете Карнеги-Меллона схожая разработка носит название B-SOiD.
