La registrazione dei movimenti di persone e animali (compresi uccelli e insetti) è diventata molto semplice grazie allo sviluppo di dispositivi GPS e videocamere piccoli ed economici. Però, è ancora difficile inferire cosa scateni tali movimenti (ad esempio, stimoli esterni e/o i loro processi mentali) dalle registrazioni comportamentali.

In questo studio, Shuhei Yamazaki e colleghi hanno sviluppato una tecnologia di intelligenza artificiale (AI), primo, stimare lo stato comportamentale di un animale, come "riposare, " "alimentazione, " o "in viaggio, "senza classificazione umana, e, prossimo, esplorare le caratteristiche di ogni stato comportamentale confrontando le risposte in condizioni diverse, come prima e dopo aver sperimentato un certo stimolo.

Questo metodo, denominato STEFTR (stima dello stato ed estrazione delle caratteristiche del comportamento animale), ha permesso ai ricercatori di stimare gli stati comportamentali di nematodi e pinguini che si muovono di circa 1 cm in 10 minuti in una capsula di Petri e diversi chilometri in 1 giorno o più nell'Oceano Antartico, rispettivamente, analizzandoli esattamente allo stesso modo. In particolare, hanno ottenuto> 90% di precisione utilizzando solo decine di traiettorie di animali, sebbene tradizionalmente i ricercatori utilizzassero le conoscenze pregresse di specialisti sul movimento dell'animale e/o milioni di immagini video del comportamento animale per addestrare l'IA.

Nell'estrazione delle caratteristiche, Yamazaki et al. rivelato dipendente dall'esperienza (cioè, dipendenti dall'apprendimento) cambiamenti in aspetti comportamentali specifici in vermi e pipistrelli, e cambiamenti sessuali feromone-dipendenti nei moscerini della frutta. Inoltre, hanno rivelato cambiamenti nell'attività nervosa che è collegata al cambiamento comportamentale nei vermi.

In conclusione, il metodo STEFTR può rendere facile dedurre "luoghi importanti" per il comportamento degli animali, come nidi e luoghi di alimentazione che di solito sono difficili da trovare, utilizzando solo dati di traiettoria di animali selvatici. Inoltre, può aiutare a scoprire importanti attività cerebrali legate al comportamento animale, contribuendo così al progresso della scienza del cervello di base.