人工智能与动物群体行为

博客文章

通过将认知策略、神经机制、运动统计和人工智能 (AI) 联系起来，一个跨学科研究团队正试图更好地理解动物群体行为。

发表于 2024 年 12 月 23 日

作者：尼克·费蒂
数字内容经理

期刊上的一篇新研究论文科学报告探索人工智能 (AI) 分析甚至预测动物行为的方法。

纸，标题为“将群体觅食行为中的认知策略、神经机制和运动统计联系起来”作者：拉法尔·乌尔巴尼亚克和艾米莉·麦凯维修斯，均来自基础研究所， 和谢玛乔丽，纽约科学院第一批成员 –人工智能与社会奖学金计划。

对于这个项目，该团队开发了一个新颖的框架来分析动物的群体觅食行为。该框架融合了认知神经科学、认知科学和统计学的见解，并使用模拟数据和现实世界数据集进行了测试，包括对鸟类在混合物种群体中觅食的观察。

“通过认知、神经和统计视角之间的转换，这项研究旨在了解动物如何在社会背景下做出觅食决策，整合内部偏好、社会线索和环境因素，”Mackevicius 说。

跨学科方法

该论文的三位合著者都为该项目带来了自己的专业知识。Mackevicius 是基础研究所的联合创始人兼所长，拥有麻省理工学院的神经科学博士学位，她的论文研究了鸟类如何学习唱歌。她为该项目提供建议，收集鸟类群体的数据，并协助分析工作。她的贡献建立在她在哥伦比亚大学理论神经科学中心阿罗诺夫实验室研究记忆专家鸟类的博士后工作基础上。

谢拥有哥伦比亚大学神经生物学和行为学博士学位，她带来了计算建模、神经科学和动物行为方面的专业知识。谢以鸟类大脑记忆和规划的神经生物学模型为基础，与 Mackevicius 合作设计了一个模拟鸟类沟通策略的认知模型。

“认知模型描述了特定鸟类根据它们在一定视野半径内的环境中看重的特征来选择移动的位置，”在 Basis 攻读博士学位期间实习的谢说。“与与其他鸟类近距离接触以及其他鸟类传达的信息相比，鸟类在多大程度上重视食物？”

贝叶斯方法和因果概率规划

乌尔巴尼亚克带来了他在贝叶斯方法和因果概率规划方面的专业知识。在这篇论文中，他构建了所有统计模型，并应用统计推理工具来执行模型识别。

– 在建模方面，对我来说最令人兴奋的挑战是将有关动物运动和动机的模糊定性理论转变为精确的定量模型。这些模型需要捕捉一系列可能的机制，包括动物间的交流，从而使我们能够使用相对简单的动物运动数据和贝叶斯推理来阐明它们，”拥有博士学位的乌尔巴尼亚克说。拥有加拿大卡尔加里大学逻辑和数学哲学博士学位，并曾在爱尔兰都柏林三一学院和英国布里斯托大学担任过职务。

在这个项目中，研究人员在中央公园安装了摄像机来分析鸟类的运动，然后用它来研究行为。在论文中，研究人员指出，鸟类是研究协作群体中动物认知的一个有吸引力的课题。

研究人员在论文的引言中写道：“鸟类非常聪明，善于交流，通常以多智能体甚至多物种群体的形式活动，并且占据着全球范围内极其多样化的生态系统。”

这篇论文建立在该领域之前的工作基础上，研究人员写道，“[这项工作证明]多智能体觅食行为的抽象认知描述可以如何映射到生物学上合理的神经网络实现和统计模型。”¤

扩大他们的研究

对于 Mackevicius 和 Xie 来说，这个项目使他们能够将研究范围从研究个体鸟类扩展到研究鸟类群体。他们认为这是一个“扩大规模”之前工作的机会，以更好地了解群体背景下的认知差异。自 9 月发表该论文以来，Mackevicius 应用了类似的方法来研究纽约市臭名昭著的老鼠，她认为进一步扩展这项工作的潜力。

“这项研究不仅对神经科学和动物认知具有广泛的影响，而且对人工智能等领域也有广泛的影响，在这些领域，多智能体决策是一个核心挑战，”Mackevicius 为 Springer Nature 博客撰文。– 从观察到的行为（尤其是在群体环境中）推断认知策略的能力，是设计更复杂的人工智能系统的关键一步。 –

谢说，她在整个项目中“当场学到了很多技能”，包括强化学习（一种人工智能框架）和统计推断。对她来说，观察所有这些小片段如何塑造更大的图景尤其有意义。

“这项工作启发我思考如何应用这些工具来推理群体环境中的人类行为，例如团队运动、公共场所的人群以及城市环境中的交通，”谢说。– 在人群中，人类可能会抛开个人的主观能动性，并根据启发式进行操作，例如跟随人群的流动或走向无人居住的空间。追求个人需求和与他人合作之间的平衡是一个我们尚未理解的令人着迷的现象。”

人工智能与社会奖学金是与亚利桑那州立大学合作的社会创新未来学校。欲了解更多信息，点击这里。

Basis AI 目前正在寻找 2025 年研究实习生。欲了解更多信息，点击这里。