知識星球（點選上方公眾號，可快速關註）
來源：科技日報
根據英國《自然·神經科學》雜誌 21 日線上發表的一項研究，美國哈佛大學團隊運用一種新型深度學習演演算法，成功追蹤動物運動及行為，其準確度可達到人工水平，而且無需採用追蹤標記物或進行費時的手動分析。專家認為，這一成果開啟了海量的資料來源之門。
準確追蹤行為發生期間的身體運動部位是運動科學的一項重要內容。但是，如果採用影片記錄方式來追蹤運動，研究人員要麼需要費時費力地標記每一幀，要麼需要在研究物件身體的預定點上放置標記物。而標記物可能幹擾研究標的的行為，而且一般只適合有限型別的運動。
此次，哈佛大學科學家團隊利用機器學習開發了一款開源運動追蹤工具，名為“DeepLabCut”，它不受以上限制。研究團隊先採用一個大型標的識別影象資料庫對“DeepLabCut”進行了預訓練。之後，“DeepLabCut”只需要接受小規模的人類標記影象（約 200 張）訓練，即可完成一項新的追蹤任務，從而方便神經科學家研究動物行為。
研究人員演示了這種演演算法，其可以在無需標記物的情況下，追蹤小鼠和蒼蠅在各種行為期間的任意身體部位運動，而且準確度可達到人工水平。“DeepLabCut”可以追蹤精細的動作，如果蠅產卵、伸吻，以及小鼠伸爪時每一個指的軌跡。
在相應的新聞與觀點文章中，中國北京大學魏坤琳與美國賓夕法尼亞大學康拉德·考丁表示，“DeepLabCut”在理論上適用於任何影片，從而為運動科學開啟了巨大的資料來源之門。他們預計，未來“運動捕捉將從實驗室內的一項艱難而又耗資不菲的任務，變成一項每個人在日常生活中就能完成的小事情”。
總編輯圈點
不久前，一位諾獎得主說，人工智慧就是統計學。我們都知道統計過去記錄可以推斷將來。但人工智慧預測能力之強，仍超預料。它不需要太多資料，就可準確地猜出動物的行為和走向。或許今後在機器輔助下，網站上的無聊小影片，會成為有趣的科研原始資料。
【關於投稿】
如果大家有原創好文投稿，請直接給公號傳送留言。
① 留言格式：
【投稿】+《 文章標題》+ 文章連結
② 示例：
【投稿】《不要自稱是程式員，我十多年的 IT 職場總結》：
http://blog.jobbole.com/94148/
③ 最後請附上您的個人簡介哈~
覺得本文有幫助？請分享給更多人
關註「演演算法愛好者」，修煉程式設計內功
