近日据报道，科学家开发了一种灵活的人工智能技术来了解动物的行为特征，这种方法可以使人们更容易理解动物的运动以及它们潜在的大脑活动。

由于小型廉价的GPS设备和摄像机的发展，记录人和动物（包括鸟类和昆虫）的运动变得非常容易。然而，仍然很难从它们的行为记录中推断是什么触发了这种运动，例如外部刺激、心理过程等。

在这项研究中，Shuhei Yamazaki及其同事开发了一种人工智能（AI）技术。这种AI技术会在没有分类的情况下先去评估动物的行为状态，如“休息”、“觅食”或“游玩”。然后再通过比较不同条件下的反应，例如经历某种刺激前后的反应。

这种方法被称为STEFTR（动物行为的状态估计和特征提取），研究人员用这种方法使成功预估了培养皿中蠕虫和南极海洋中企鹅的行为特征。值得注意的是，尽管传统的研究人员利用目前已知的动物运动和动物行为的数百万个视频图像来完善人工智能，但Shuhei Yamazaki仅使用数十个动物运动轨迹就获得了90%以上的准确度。

在特征提取中，Yamazaki等人还揭示了蠕虫和蝙蝠特定行为方面的学习依赖性变化，以及果蝇性信息素依赖性变化。此外，他们还发现了与蠕虫行为变化相关的神经活动变化。

总之，STEFTR方法可以很容易地仅使用野生动物的轨迹数据来推断动物行为的“重要位置”，例如通常难以找到的巢穴和觅食处。此外，它还可能有助于发现与动物行为相关的重要脑活动，从而有助于基础脑科学的发展。