AI interprète ce que disent les rongeurs

«DeepSqueak» permet aux chercheurs de comprendre les vocalisations des rongeurs.

Source: pixabay

L’intelligence artificielle (IA) s’est considérablement améliorée ces dernières années, en grande partie grâce aux progrès de l’apprentissage en profondeur, une méthode d’apprentissage par la machine. La reconnaissance de formes supérieure de Deep Learning a engendré de nombreux progrès dans les domaines de la vision par ordinateur, de la traduction, de la reconnaissance vocale et autres. Les algorithmes d’apprentissage en profondeur sont appliqués dans de nombreux secteurs à diverses fins. Le mois dernier, des chercheurs du département de psychiatrie et de sciences du comportement de la faculté de médecine de l’Université de Washington ont annoncé la création de «DeepSqueak», un système d’apprentissage en profondeur capable de détecter et d’analyser les vocalisations des rongeurs.

Pourquoi bavarder avec les rongeurs?

• 9 signes que vous pouvez être un avare cognitif
• 7 façons dont les narcissiques manipulent les relations
• 5 carrefour de relations: savoir quand les choses se compliquent
• Comment CBN peut améliorer votre sommeil, votre humeur et votre santé
• Pouvez-vous reconnaître les signes avant-coureurs de la dépendance au jeu vidéo?

La science moderne dépend des rongeurs de laboratoire pour servir de substituts des mammifères aux sujets de test humains. Les études de recherche menées in vitro avec des cellules en culture ont tendance à manquer de la profondeur et de la profondeur des informations qu’une étude in vivo sur un organisme vivant peut fournir.

Ceci est particulièrement pertinent pour les neurosciences, car trouver des volontaires humains pour la recherche sur le cerveau est un peu un non-débutant. Lorsque des tests neuroscientifiques sont étudiés in vivo sur des humains, c’est avec le consentement de ceux qui subissent une intervention chirurgicale au cerveau, généralement à d’autres fins non liées à l’étude. Par exemple, des études de recherche en neurosciences ont été menées sur des patients épileptiques consentants subissant une chirurgie du cerveau pour éliminer les zones responsables de crises. Ces types d’opportunités sont sporadiques et rares, comparés aux vastes demandes des chercheurs scientifiques du monde entier. En conséquence, les rongeurs sont fréquemment utilisés dans la recherche.

Cependant, contrairement aux sujets humains, les rongeurs ne sont pas en mesure de communiquer avec les chercheurs. Avoir la possibilité d’étudier les vocalisations de rongeurs de laboratoire fournit des informations supplémentaires qui peuvent être combinées en tant que point de référence de données avec des observations comportementales. Ceci est particulièrement bénéfique pour les études de neuroscience du comportement pour la dépendance, la dépression, l’anxiété, la peur, le système de récompense, la toxicomanie, le vieillissement et les maladies neurodégénératives, selon le document.

• Rage flottante
• Fournir une approche du cerveau entier pour traiter l’automutilation
• Pourquoi certains pauvres votent-ils contre leurs intérêts?
• Étrangement n’est pas juste entre les parents et les enfants adultes
• Pouvez-vous vivre sans votre smartphone?

Quelle est la science derrière DeepSqueak?

Le logiciel de DeepSqueak a été conçu et codé par Kevin Coffey et Russell Marx, deux scientifiques du laboratoire de John Neumaier, professeur de psychiatrie et de sciences du comportement à la faculté de médecine de l’Université de Washington. Neumaier, qui a également contribué à l’étude de recherche, est directeur associé de l’Institut sur l’abus d’alcool et de drogues et chef de la division des neurosciences psychiatriques.

Les chercheurs ont utilisé l’apprentissage en profondeur, en particulier les réseaux de neurones convolutifs régionaux (Faster-RCNN), pour détecter les vocalisations de rongeurs, et ont publié leur recherche dans le numéro de janvier 2019 de Neuropsychopharmacology .

Selon le document de recherche, les rats et les souris vocalisent sur une large plage de fréquences (20–115 kHz). Lorsque les rats sont engagés dans des expériences positives et heureuses telles que jouer, chatouiller et savourer des friandises, ils ont tendance à émettre des sons de fréquence plus élevée dans la plage des 50 khz. Lorsque les rats ont peur ou sont stressés, ils émettent des sons à une fréquence inférieure autour de 22 khz.

Lorsque des enregistrements audio de vocalisations de rongeurs sont entrés dans DeepSqueak, le système convertit les fichiers son en images (sonogrammes). Les enregistrements d’entrée peuvent être individuels ou constitués d’un grand nombre de fichiers son. Les enregistrements sont convertis en un format d’image pour traitement par un algorithme visuel d’apprentissage en profondeur, la même technologie que celle utilisée pour les voitures autonomes, appelée Faster-RCNN. L’équipe a initialement formé DeepSqueak avec des appels étiquetés manuellement. Le réseau neuronal distingue et isole les vocalisations des rongeurs du bruit ambiant.

Les chercheurs ont découvert que les rongeurs avaient une vingtaine de types de vocalisations. Les rongeurs exprimaient des vocalises heureuses lorsqu’ils jouaient avec d’autres rongeurs ou attendaient une gâterie comme du sucre. L’équipe a également constaté que les vocalisations des souris mâles devenaient plus complexes si une souris femelle était à proximité. Lorsque deux souris mâles sont ensemble, elles font le même type de vocalisations moins complexes de manière répétitive.

L’équipe de recherche a développé DeepSqueak pour qu’il soit flexible et facile à utiliser pour les chercheurs, et pas seulement pour les férus de technologie. DeepSqueak est disponible dans un référentiel ouvert dans l’espoir d’aider d’autres scientifiques du monde entier à améliorer leurs recherches.

Copyright © 2019 Cami Rosso Tous droits réservés.

Références

Coffey, Kevin R., Marx, Russell G., Neumaier, John F .. ”DeepSqueak: un système basé sur l’apprentissage en profondeur pour la détection et l’analyse des vocalisations ultrasonores.” Neuropsychopharmacology . 4 janvier 2019.