Une méthode de suivi révolutionnaire débloque la puissance de l'IA pour surveiller le comportement animal
- Les scientifiques dévoilent GlowTrack, un système de suivi des mouvements par IA non invasif utilisant des marqueurs à colorant fluorescent.
- GlowTrack offre un suivi précis, des doigts de souris aux mains humaines, révolutionnant la biologie, la robotique et la médecine.
- Cette méthode surmonte les limites du marquage manuel, favorisant la reproductibilité et un potentiel d'application étendu.
Dans un développement révolutionnaire, des scientifiques ont présenté une méthode de suivi des mouvements non invasive de pointe appelée GlowTrack. Cette technique innovante utilise des marqueurs de colorants fluorescents pour entraîner des systèmes d'intelligence artificielle (IA) afin de capturer les intrications des mouvements, allant du doigt d'une seule souris à la complexité de la main humaine. Les implications de GlowTrack s'étendent à divers domaines, y compris la biologie, la robotique, la médecine et au-delà. Le mouvement sert de fenêtre pour comprendre comment le cerveau fonctionne et contrôle le corps, rendant cette technologie de percée inestimable.
L'évolution du suivi des mouvements
Le parcours du suivi des mouvements humains et animaux a considérablement évolué, passant des observations manuelles sur clipboard et stylo aux méthodes modernes basées sur l'IA. Les techniques actuelles de pointe exploitent l'intelligence artificielle pour surveiller automatiquement le mouvement de diverses parties du corps. Cependant, ces méthodes impliquent toujours des processus intensifs en temps, nécessitant que les chercheurs marquent manuellement chaque partie du corps des centaines, voire des milliers de fois.
Le professeur associé Eiman Azim et son équipe ont développé GlowTrack, une méthode de suivi des mouvements non invasive qui utilise des marqueurs de colorants fluorescents pour entraîner des systèmes d'IA. Ce qui distingue GlowTrack, c'est sa robustesse, son efficacité et ses capacités haute définition. Il peut suivre un seul doigt sur la patte d'une souris avec précision ou surveiller des centaines de repères sur une main humaine. Cette technique révolutionnaire, détaillée dans une publication récente dans Nature Communications (26 septembre 2023), a le potentiel de révolutionner de multiples domaines, de la biologie et la robotique à la médecine et plus encore.
Eiman Azim, auteur principal de l'étude et titulaire de la chaire de développement William Scandling, a déclaré : « Au cours des dernières années, il y a eu une révolution dans le suivi du comportement alors que des outils d'intelligence artificielle puissants ont été introduits dans le laboratoire. Notre approche rend ces outils plus polyvalents, améliorant les façons dont nous capturons les mouvements diversifiés en laboratoire. Une meilleure quantification du mouvement nous donne une meilleure compréhension de la façon dont le cerveau contrôle le comportement et pourrait aider à l'étude des troubles du mouvement comme la sclérose latérale amyotrophique (SLA) et la maladie de Parkinson. »
Surmonter les limites : La puissance des marqueurs de colorants fluorescents
Les méthodes conventionnelles de suivi des mouvements animaux impliquent un marquage manuel et répétitif des parties du corps sur un écran d'ordinateur, un processus chronophage sujet aux erreurs humaines et limité par les contraintes de temps. L'annotation humaine restreint ces méthodes à des environnements de test étroits, car les modèles d'IA se spécialisent en fonction des données d'entraînement limitées qu'ils reçoivent. Tout changement dans des facteurs tels que l'éclairage, l'orientation du corps, l'angle de la caméra ou d'autres variables rend le modèle incapable de reconnaître la partie du corps suivie.
Pour remédier à ces limites, les chercheurs se sont tournés vers des marqueurs de colorants fluorescents pour étiqueter des parties d'animaux ou de corps humains. Ces marqueurs « invisibles », lorsqu'ils sont employés, génèrent rapidement des données visuellement diverses, éliminant le besoin d'annotation humaine. Une fois nourris avec ces données robustes, les modèles d'IA peuvent suivre les mouvements dans une plus grande variété d'environnements et atteindre un niveau de résolution qui serait extrêmement difficile à obtenir par un étiquetage humain manuel.
Favoriser la collaboration et la reproductibilité
L'introduction de GlowTrack ouvre la voie à des comparaisons simplifiées des données de mouvement entre diverses études, car différents laboratoires peuvent utiliser les mêmes modèles pour suivre les mouvements du corps dans diverses situations. Eiman Azim a souligné l'importance de la comparaison et de la reproductibilité dans la découverte scientifique. « Les marqueurs de colorants fluorescents étaient la solution parfaite », a déclaré Daniel Butler, premier auteur de l'étude et analyste en bioinformatique au Salk. Il a comparé ces marqueurs à « de l'encre invisible sur un billet de dollar qui ne s'illumine que lorsque vous le souhaitez, nous permettant de générer une quantité massive de données d'entraînement. »
Possibilités futures et collaborations
À l'avenir, l'équipe de recherche envisage de soutenir une large gamme d'applications pour GlowTrack. Ils visent à combiner ses capacités avec d'autres outils de suivi qui peuvent reconstruire les mouvements en trois dimensions. De plus, ils prévoient d'explorer des approches analytiques pour découvrir des modèles au sein des vastes ensembles de données de mouvement générés par cette méthode révolutionnaire.
Eiman Azim a exprimé son enthousiasme quant à l'impact potentiel de leur approche, déclarant : « Notre approche peut bénéficier à une multitude de domaines qui ont besoin d'outils plus sensibles, fiables et complets pour capturer et quantifier le mouvement. Je suis impatient de voir comment d'autres scientifiques et non-scientifiques adoptent ces méthodes, et quelles applications uniques et imprévues pourraient surgir. »
Remerciements et soutien
La recherche a été rendue possible grâce au soutien de diverses entités, y compris le programme de formation CMG de l'UC San Diego, une bourse de la Fondation Jesse and Caryl Philips, les National Institutes of Health (R00NS088193, DP2NS105555, R01NS111479, RF1NS128898 et U19NS112959), le programme Searle Scholars, les Pew Charitable Trusts et la Fondation McKnight.
Avec l'émergence de GlowTrack, la communauté scientifique et au-delà attendent avec impatience le potentiel transformateur que cette technologie détient pour comprendre et exploiter la puissance du mouvement dans divers domaines.
Si vous lisez ceci, vous êtes déjà en avance. Restez ainsi grâce à notre newsletter.
Avertissement. Les informations fournies ne constituent pas des conseils en matière d'investissement. Cryptopolitan.com ne saurait être tenue responsable des investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement de mener vos propres recherches et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Editah Patrick
Editah est une analyste fintech polyvalente possédant une compréhension approfondie des domaines de la blockchain. Autant la technologie la fascine, autant elle trouve fascinante l'intersection entre la technologie et la finance. Son intérêt particulier pour les portefeuilles numériques et la blockchain aide son audience.
