Nature Methods：用于专家指导、行为发现的数据学习平台 A-SOiD

关键词：机器学习，主动学习，行为发现

论文题目：A-SOiD, an active-learning platform for expert-guided, data-efficient discovery of behavior

论文期刊：Nature Methods

论文链接：https://www.nature.com/articles/s41592-024-02200-1

在行为科学和神经科学的研究中，精确地识别和分类动物的行为模式对于理解其神经机制至关重要。随着技术的进步，特别是视频监控和计算机视觉技术，研究者们能够收集大量的行为数据。然而，从这些数据中提取有意义的行为信息仍然是一个挑战，因为这需要大量的手动标注工作，而且在处理大规模数据时尤其耗时耗力。

针对识别和提取自然行为的问题，近期发表在Nature Methods的一项研究，提出了一种新型计算平台A-SOiD（Active Supervision-optimized identification），旨在通过结合监督学习和非监督学习的元素，高效地发现和标注行为数据。该平台利用主动学习策略，只需少量的标注数据即可开始训练模型，然后系统会自动识别并请求用户标注那些最能帮助改善模型性能的数据点。通过这种方式，A-SOiD能够显著减少所需的训练数据量，同时保持高准确率。该研究在小鼠、猕猴和人类的数据集上进行了验证，展示了其在不同物种行为标注中的应用潜力。其中，在社交互动的小鼠中，A-SOiD 在所需训练数据减少85%的情况下，表现仍优于标准方法。

A-SOiD的开发不仅提高了行为数据标注的效率和准确性，还为行为科学研究提供了新的工具和方法。该平台的应用有助于加深我们对动物和人类行为背后复杂神经机制的理解，推动神经科学、心理学和认知科学等领域的研究进展。A-SOiD平台目前已经开源。