AI는 설치류가 말하고있는 것을 해석합니다.

“DeepSqueak”은 연구원이 설치류의 발성을 이해할 수있게합니다.

출처 : pixabay

인공 지능 (AI)은 최근 몇 년 동안 기계 학습의 방법 인 심층 학습의 발전으로 크게 향상되었습니다. 심층 학습의 우수한 패턴 인식은 컴퓨터 비전, 번역, 음성 인식 및 기타 목적에서 많은 진보를 불러 왔습니다. 딥 학습 알고리즘은 다양한 산업 분야에서 다양한 목적으로 사용되고 있습니다. 지난달 워싱턴 대학 (University of Washington)의 정신과 및 행동 과학부 연구원은 설치류의 발성을 탐지하고 분석 할 수있는 심층적 인 학습 시스템 인 “DeepSqueak”의 제작을 발표했습니다.

왜 설치류 채팅?

• 실제로 어떤 생각입니까? 정보는 어떻게 물리적 인 것입니까?
• 사람이 안에 살 수있는 가장 큰 치어 리더
• 자기애 주의적 파트너가 항상 당신을 비난합니까?
• 난민에 관한 일반적인 통념
• 당신은 친밀한 관계에서 종종 “주는 사람”입니까?

현대 과학은 인간 실험 대상에 포유 동물 프록시로 사용되는 실험실 설치류에 달려 있습니다. 배양 된 세포 로 체외에서 수행 된 연구 연구 는 생체 내에서 생체 내 연구가 제공 할 수있는 폭과 깊이의 정보가 부족한 경향이 있습니다.

뇌 연구를위한 인적 자원 봉사자를 찾는 것이 약간의 비 초보자이기 때문에 이것은 특히 신경 과학과 관련이 있습니다. 신경 과학 시험이 인간의 생체 내 에서 연구 될 때, 일반적으로 연구와 관련이없는 다른 목적을 위해 뇌 수술을받는 사람들의 동의를 얻습니다. 예를 들어 신경 과학 연구는 간질을 일으키는 부위를 제거하기 위해 뇌 수술을받는 간질 환자의 동의에 따라 수행되었습니다. 이러한 유형의 기회는 전세계 연구 과학자들의 광대 한 요구에 비해 산발적이며 부족합니다. 결과적으로, 설치류는 연구에 자주 사용됩니다.

그러나 인간 시험 대상과 달리 설치류는 연구자와 의사 소통을 할 수 없다. 실험실 설치류의 발성을 연구하는 능력을 가짐으로써 행동 관찰과 관련하여 또 다른 데이터 포인트로 결합 될 수있는 추가적인 통찰력을 제공합니다. 이것은 종이에 따라 중독, 우울증, 불안, 공포, 보상 시스템, 약물 남용, 노화 및 신경 퇴행성 질환에 대한 행동 신경 과학 연구에 특히 유용합니다.

• 탄력성 역설 : 왜 우리는 종종 회복력이 잘못되었는지
• 나는 공황 발작이 있었다고 생각한다 : 다음에 나는 무엇을해야 하는가?
• 연결 경로로서의 정서적 취약점
• 고용주에게 ADHD 진단을 공개하는 딜레마
• 정서적, 성적 및 신체적 학대의 비밀 역 동성

DeepSqueak의 과학은 무엇입니까?

DeepSqueak의 소프트웨어는 University of Washington School of Medicine의 정신과 및 행동 과학 교수 John Neumaier의 두 과학자 인 Kevin Coffey와 Russell Marx가 디자인하고 코딩했습니다. 이 연구에 또한 공헌 한 Neumaier는 Alcohol and Drug Abuse Institute의 부국장이며 정신 신경 과학부의 책임자입니다.

연구진은 설치류 발성을 탐지하기 위해 특히 지역 회부 신경 네트워크 (Faster-RCNN)와 같은 깊은 학습을 사용하여 Neuropsychopharmacology의 2019 년 1 월호에 연구를 발표했습니다.

연구 보고서에 따르면 쥐와 생쥐는 광범위한 주파수 (20-115 kHz)에서 발성합니다. 쥐가 놀고, 간질이고, 치료를 즐기는 것과 같은 긍정적이고 행복한 경험에 참여할 때 그들은 50khz 범위에서 더 높은 주파수의 소리를내는 경향이 있습니다. 쥐가 두려워하거나 압박감을 느낄 때, 그들은 22khz의 주위에 더 낮은 주파수에있는 소리를 낸다.

설치류 발성의 오디오 파일 녹음이 DeepSqueak에 입력되면 시스템은 사운드 파일을 이미지 (초음파 영상)로 변환합니다. 입력 녹음은 개별 또는 대량의 사운드 파일 일 수 있습니다. 녹음은 최첨단의 심층 학습 시각적 알고리즘 (Faster-RCNN이라고하는자가 운전용 자동차에 사용 된 것과 동일한 기술)으로 처리하기 위해 이미지 형식으로 변환됩니다. 팀은 초기에 수동으로 레이블이 지정된 호출로 DeepSqueak을 교육했습니다. 뉴럴 네트워크는 설치류의 발성과 주변 소음을 구별하고 분리합니다.

연구자들은 설치류가 20 가지 유형의 발성을 가지고 있다는 것을 발견했다. 설치류는 다른 설치류와 놀 때, 또는 설탕과 같은 치료를 기대할 때 행복한 범위에서 발성을 보였습니다. 연구진은 또한 수컷 쥐가 근처에 있으면 수컷 쥐의 발성이 더욱 복잡 해지는 것을 발견했다. 두 마리의 수컷 쥐가 함께있을 때, 덜 복잡한 발성의 같은 유형을 반복적으로 만듭니다.

연구팀은 DeepSqueak을 개발하여 기술에 정통한 사람뿐만 아니라 연구원에게도 유연하고 사용하기 쉽도록했습니다. DeepSqueak은 전 세계의 다른 과학자들이 연구를 개선 할 수 있도록 오픈 리포지토리에서 사용할 수 있습니다.

Copyright © 2019 Cami Rosso 모든 권리 보유.

참고 문헌

Coffey, Kevin R., Marx, Russell G., Neumaier, John F .. “DeepSqueak : 초음파 발성의 탐지 및 분석을위한 심층 학습 기반 시스템” Neuropsychopharmacology . 2019 년 1 월 4 일