Door de ontwikkeling van kleine en goedkope GPS-apparaten en videocamera's is het vastleggen van bewegingen van mensen en dieren (waaronder vogels en insecten) heel eenvoudig geworden. Echter, het is nog steeds moeilijk om af te leiden wat dergelijke bewegingen veroorzaakt (bijvoorbeeld externe prikkels en/of hun mentale processen) uit de gedragsregistraties.

In dit onderzoek, Shuhei Yamazaki en collega's hebben een technologie voor kunstmatige intelligentie (AI) ontwikkeld, eerst, om de gedragstoestand van een dier te schatten, zoals "rusten, " "voeden, " of "reizen, "zonder menselijke classificatie, en, De volgende, om de kenmerken van elke gedragstoestand te onderzoeken door reacties onder verschillende omstandigheden te vergelijken, zoals voor en na het ervaren van een bepaalde stimulus.

Deze methode, genaamd STEFTR (staatsschatting en kenmerkextractie van dierlijk gedrag), stelden de onderzoekers in staat om de gedragstoestanden van rondwormen en pinguïns te schatten die ongeveer 1 cm in 10 minuten in een petrischaaltje en enkele kilometers in 1 dag of meer in de Antarctische Oceaan bewegen, respectievelijk, door ze op precies dezelfde manier te analyseren. Opmerkelijk, ze bereikten> 90% nauwkeurigheid met slechts tientallen diertrajecten, hoewel onderzoekers van oudsher voorkennis van specialisten over de beweging van het dier en/of miljoenen videobeelden van diergedrag gebruikten om AI te trainen.

In de functie-extractie, Yamazaki et al. bleek ervaringsafhankelijk (d.w.z. leerafhankelijke) veranderingen in specifieke gedragsaspecten bij wormen en vleermuizen, en seksuele feromoon-afhankelijke veranderingen in fruitvliegen. Bovendien, ze onthulden veranderingen in zenuwactiviteit die verband houden met gedragsverandering bij wormen.

Tot slot, de STEFTR-methode kan het gemakkelijk maken om "belangrijke plaatsen" voor dierlijk gedrag af te leiden, zoals nesten en voederplaatsen die meestal moeilijk te vinden zijn, alleen baangegevens van wilde dieren gebruiken. In aanvulling, het kan helpen bij het ontdekken van belangrijke hersenactiviteiten die verband houden met dierlijk gedrag, daarmee bij te dragen aan de vooruitgang van de fundamentele hersenwetenschap.