科学家用AI分析6亿帧视频，研究果蝇行为同脑回路间的关系

唐旭 编译自 Science 量子位 报道 | 公众号 QbitAI

现在有一段视频，时长16分钟。

视频内容是一些果蝇在爬行、振翅、求偶、摆pose。

你能想象看20000条这样的视频是什么感受吗？

幸运的是，现在你已经不必这么做了，科学家们设计了一种能把这件事迅速搞定、减轻痛苦的计算机程序——在人工智能的辅助下，研究者们已经通过观察40万只果蝇，完成了1000亿条关于它们行为的注释，这些注释展示了果蝇的某些特殊习惯是如何同其大脑区域相对应的。

专家们说，对于理解简单或复杂的行为如何同特定的脑回路相连，这项成果是一个巨大的进步。

“这项研究的规模是史无前例的。”布朗大学的计算机视觉专家、计算神经科学家Thomas Serre说。“对于这一领域而言，这将是非常巨大且有价值的工具。”

密苏里大学哥伦比亚校区的昆虫神经生物学家Bing Zhang补充说，“我确信接下来的研究会证明这项成果是一座宝库。”

果蝇的大脑只有10万个神经元，而人类有860亿个，因此前者更适合我们拿来做神经生物学上内部工作机制的研究。不过在此之前，科学家们还不能理解果蝇的每种行为。

△ Kristin Branson

为了进行这项全新的研究，弗吉尼亚州阿什本霍华德休斯医疗机构的计算机科学家Kristin Branson和同事收集了2204种不同的、基因改造过的果蝇。通过简单地提高温度来激活神经元，研究者们就可以对果蝇大脑不同的（但有时会重叠）子集进行控制。

这些果蝇会被放进“蝇碗”（Fly Bowl）——一个略微倾斜、密封、上方装了摄像头的容器。研究团队每次将雄性和雌性果蝇各10只放入“蝇碗”，以每16分钟为一个节点，捕捉3万帧视频。一个计算机软件将会追踪每一只果蝇的坐标和翅膀运动。

团队在每种果蝇身上将这些工作进行了8遍左右，记录下了超过2万条视频。“如果你看完全部这些视频，大概要花225天。”Branson说。

接着，团队选择了14种易于辨识的行为进行研究，比如后退、触碰或试图求偶。每位研究者大约需要对每种动作的9000帧视频进行手工标注，这些数据被用来训练一个能用于识别动作并进行自主标注的机器学习程序。

在收集到的数据中，科学家们推导出了203项描述这些行为的统计数值，比如果蝇移动的频率和它们的平均速度。在计算机视觉的帮助下，他们能够辨认出不同果蝇种类之间细微的不同，而这些差别用人的肉眼是难以分辨的，像什么时候果蝇将自己的移动速度提升了5%。

“当我们开始这项研究时，我们不知道自己要多长时间能看到这些差别。”谈到不同种类果蝇之间的差别时，Branson说。

但结果显示，98%不同种类的果蝇都在至少一种行为上有着显著的差别。而且这其中还有很多奇怪的现象：一些果蝇中的神经病会比正常果蝇爱跳100倍；某些雄性果蝇求偶的频率要比其他蝇多20倍；还有一些果蝇一直在移动，从来不停下，；另外一些果蝇死活就是不挪窝。

之后就是绘图。科学家们将果蝇的大脑分成7605个小区域，并将这些区域和他们观察到的果蝇行为相关联。最后的成品，叫“可浏览行为解剖图谱”（Browsable Atlas of Behavior-Anatomy Maps），它展示了一些常见的行为如爬行，是广泛地同大脑中的神经回路相联系的。

另一方面，那些极其不常见的行为，像雌性果蝇倒追雄性，同样可以在大脑中找到特定的区域，尽管研究没有证明任何区域对于这些行为来说是否是必要的。

Branson希望这些资源能够成为其他生物学家尝试控制部分大脑或研究特定行为的起点。例如，我们对雌性果蝇的攻击性并无太多了解，但这些图谱能够提供一些指引，以找到哪些大脑区域驱动了这些行为。

原文：http://www.sciencemag.org/news/2017/07/artificial-intelligence-helps-scientists-map-behavior-fruit-fly-brain