本文來自AI新媒體量子位（QbitAI）
現在有一段視訊，時長16分鐘。
視訊内容是一些果蠅在爬行、振翅、求偶、擺pose。
你能想象看20000條這樣的視訊是什麼感受嗎？
幸運的是，現在你已經不必這麼做了，科學家們設計了一種能把這件事迅速搞定、減輕痛苦的計算機程式——在人工智能的輔助下，研究者們已經通過觀察40萬隻果蠅，完成了1000億條關于它們行為的注釋，這些注釋展示了果蠅的某些特殊習慣是如何同其大腦區域相對應的。
專家們說，對于了解簡單或複雜的行為如何同特定的腦回路相連，這項成果是一個巨大的進步。
“這項研究的規模是史無前例的。”布朗大學的計算機視覺專家、計算神經科學家Thomas Serre說。“對于這一領域而言，這将是非常巨大且有價值的工具。”
密蘇裡大學哥倫比亞校區的昆蟲神經生物學家Bing Zhang補充說，“我确信接下來的研究會證明這項成果是一座寶庫。”
果蠅的大腦隻有10萬個神經元，而人類有860億個，是以前者更适合我們拿來做神經生物學上内部工作機制的研究。不過在此之前，科學家們還不能了解果蠅的每種行為。
△ Kristin Branson
為了進行這項全新的研究，弗吉尼亞州阿什本霍華德休斯醫療機構的計算機科學家Kristin Branson和同僚收集了2204種不同的、基因改造過的果蠅。通過簡單地提高溫度來激活神經元，研究者們就可以對果蠅大腦不同的（但有時會重疊）子集進行控制。
這些果蠅會被放進“蠅碗”（Fly Bowl）——一個略微傾斜、密封、上方裝了攝像頭的容器。研究團隊每次将雄性和雌性果蠅各10隻放入“蠅碗”，以每16分鐘為一個節點，捕捉3萬幀視訊。一個計算機軟體将會追蹤每一隻果蠅的坐标和翅膀運動。
團隊在每種果蠅身上将這些工作進行了8遍左右，記錄下了超過2萬條視訊。“如果你看完全部這些視訊，大概要花225天。”Branson說。
接着，團隊選擇了14種易于辨識的行為進行研究，比如後退、觸碰或試圖求偶。每位研究者大約需要對每種動作的9000幀視訊進行手工标注，這些資料被用來訓練一個能用于識别動作并進行自主标注的機器學習程式。
在收集到的資料中，科學家們推導出了203項描述這些行為的統計數值，比如果蠅移動的頻率和它們的平均速度。在計算機視覺的幫助下，他們能夠辨認出不同果蠅種類之間細微的不同，而這些差别用人的肉眼是難以分辨的，像什麼時候果蠅将自己的移動速度提升了5%。
“當我們開始這項研究時，我們不知道自己要多長時間能看到這些差别。”談到不同種類果蠅之間的差别時，Branson說。
但結果顯示，98%不同種類的果蠅都在至少一種行為上有着顯著的差别。而且這其中還有很多奇怪的現象：一些果蠅中的神經病會比正常果蠅愛跳100倍；某些雄性果蠅求偶的頻率要比其他蠅多20倍；還有一些果蠅一直在移動，從來不停下，；另外一些果蠅死活就是不挪窩。
之後就是繪圖。科學家們将果蠅的大腦分成7605個小區域，并将這些區域和他們觀察到的果蠅行為相關聯。最後的成品，叫“可浏覽行為解剖圖譜”（Browsable Atlas of Behavior-Anatomy Maps），它展示了一些常見的行為如爬行，是廣泛地同大腦中的神經回路相聯系的。
另一方面，那些極其不常見的行為，像雌性果蠅倒追雄性，同樣可以在大腦中找到特定的區域，盡管研究沒有證明任何區域對于這些行為來說是否是必要的。
Branson希望這些資源能夠成為其他生物學家嘗試控制部分大腦或研究特定行為的起點。例如，我們對雌性果蠅的攻擊性并無太多了解，但這些圖譜能夠提供一些指引，以找到哪些大腦區域驅動了這些行為。
原文：http://www.sciencemag.org/news/2017/07/artificial-intelligence-helps-scientists-map-behavior-fruit-fly-brain
【完】
本文作者：唐旭
原文釋出時間：2017-07-14