George è un pesce zebra. Insieme a Tom e altri 98 compagni, George nuota liberamente in una vasca da laboratorio al Champalimaud Centre for the Unknown (CCU), a Lisbona, Portogallo. Una telecamera registra dall'alto un video di tutti gli andirivieni degli animali.

È possibile distinguere in ogni momento i singoli pesci dalle immagini video? Sì, dice Gonzalo de Polavieja, ricercatore principale del Collective Behavior Lab, chi, con la sua squadra, ha sviluppato un programma chiamato idtracker.ai che può svolgere il lavoro rapidamente e con estrema precisione. I loro risultati sono stati pubblicati sulla rivista Metodi della natura .

"L'obiettivo finale del nostro team è comprendere il comportamento del gruppo, "dice de Polavieja, i cui nomi preferiti per il pesce sono George e Tom. Vogliamo capire come gli animali in un gruppo decidono insieme e imparano insieme." I ricercatori hanno cercato di estrarre dai video dati di altissima qualità come la posizione e la forma di ciascuno degli animali, così come i loro percorsi individuali, senza errori.

Riconoscere ogni individuo tra dozzine di coetanei simili sarebbe difficile per gli umani o, per questo motivo, un normale programma per computer. "Vorremmo solo impazzire provando, " dice de Polavieja. Per grandi folle, senza intelligenza artificiale nel mix, anche un computer potente potrebbe dover eseguire il programma per anni per ottenere risultati. E questi probabilmente non sarebbero molto precisi.

È qui che entra in gioco idtracker.ai. Il nuovo software, dice de Polavija, fornisce i dati qualitativi necessari per una seconda fase che analizza le regole che guidano il comportamento collettivo degli animali.

Quattro anni fa, prima di entrare in CCU, de Polavieja ha pubblicato la prima versione del software in Metodi della natura , che non si basava sull'intelligenza artificiale. I risultati furono molto più modesti. "Potremmo rintracciare 10 animali allora, " lui dice.

De Polavieja e i suoi coautori, Francisco Romero Ferrero, Mattia Bergomi, Robert Hinz e Francisco Heras, hanno ora testato la nuova versione AI con gruppi fino a 100 zebrafish. "Non ne abbiamo testati più di 100 perché il nostro serbatoio non è abbastanza grande per questo." Ciò nonostante, utilizzando un altro approccio per registrare le immagini, hanno dimostrato che il software è in grado di identificare fino a 150 singoli pesci con una perdita di precisione minima. "Non credevo potessimo raggiungere quei numeri; è stata una sorpresa, " nota de Polavieja. "Pensavo che non ci sarebbero state abbastanza informazioni nelle immagini".

Apprendimento profondo

Idtracker.ai è composto da due cosiddette reti neurali di deep learning e alcuni algoritmi più convenzionali. Una rete neurale di deep learning è una simulazione al computer di reti reali di neuroni nel cervello in grado di apprendere dall'esperienza.

Utilizzando le immagini video del pesce zebra nella vasca, la prima rete della catena è addestrata a dire se ogni macchia visibile nelle immagini corrisponde a un singolo animale oa più.

Con questa uscita, la seconda rete neurale viene quindi addestrata ad assegnare un nome (o numero) a ciascun blob che contiene un solo pesce, in altre parole, identificare ogni singolo pesce. Il riconoscimento si basa sulle caratteristiche uniche di ogni zebrafish. "La gente pensa che i pesci zebra siano tutti uguali, ma questo prova che lo sono, infatti, tutti diversi tra loro, "note di Polavieja.

Infine, il programma applica due algoritmi convenzionali. "Uno è quello di acquisire una certa certezza sui pochi individui le cui identità sono ancora alquanto incerte, " dice de Polavieja. "E l'altro determina quale animale è quale quando le loro strade si incrociano, cioè, quando le loro traiettorie appaiono sovrapposte al video.

I risultati parlano da soli:idtracker.ai impiega circa un'ora per identificare ognuno dei 100 pesci zebra nel video in ogni momento con una precisione quasi del 100%. "Se mostri alla rete una parte casuale del video che non ha mai visto prima e gli chiedi:'chi è questo?", la rete assegnerà correttamente il nome o il numero corretto a quel pesce il 99,97% delle volte, " dice de Polavieja. E se gli chiedi dove George, o Tom, o qualsiasi altro pesce zebra è in un dato momento, lo troverà tra la folla quasi senza ombra di dubbio.

Il team ha anche testato il software con i moscerini della frutta, pesce medaka (riso giapponese), formiche e topi. Funziona anche, anche se con un numero minore di individui. I pesci zebra sono i migliori per questi studi, dice de Polavija. "I topi sono più difficili perché tendono a raggrupparsi e deformarsi".

"Questa è la prima volta che si ottengono dati così di alta qualità per 100 pesci, " dice de Polavieja. Il team ha ora utilizzato idtracker.ai, che è disponibile gratuitamente, per estrarre una serie di regole che spiegano il comportamento del pesce zebra nei gruppi. Descrivono i loro risultati in un altro documento, che hanno pubblicato su bioarxiv.org e presentato per la pubblicazione in una rivista scientifica.

Per quanto riguarda le possibili applicazioni, questo software potrebbe consentire il monitoraggio delle persone, o per identificare una determinata persona in mezzo alla folla sulla base di informazioni sul suo aspetto fisico. "Ora c'è un intero settore per questo tipo di software, " dice de Polavieja. "Le persone stanno applicando queste tecniche [AI] per sviluppare altri strumenti di tracciamento simili. Ma prima di dimostrare di poterlo fare negli animali, era difficile credere che fosse anche solo lontanamente possibile".