Allan V. Kalueff stanął na czele zespołu badawczego, którego celem było fenotypowanie reakcji ryby znanej jako danio pręgowany na środki psychoaktywne. Ostrożnie udało się sprawić, że sztuczna inteligencja umożliwiła określanie, jakie substancje zostały wykorzystane opierając się wyłączenia na reakcjach ryb.
Czytaj też: Ryby używają dźwięku do komunikacji. Ta jest bardziej zaawansowana niż mogło się wydawać
Naukowcy szczegółowo opisali swoje dokonania w Progress in Neuro-Psychopharmacology and Biological Psychiatry. Ryby ze wspomnianego gatunku dzielą z nami 70% genów. Są też stosunkowo łatwe w hodowli i posiadają nieskomplikowane układy nerwowe, co sprawia, iż stanowią drugie najpopularniejsze (po myszach) zwierzęta laboratoryjne.
Zdaniem Kalueffa algorytmy sztucznej inteligencji oparte na sieciach neuronowych mogą stanowić obiecujące, niezawodne i skuteczne narzędzia badawcze. Dzięki ich bezstronnym i obiektywnym analizom danych naukowcy są w stanie wykrywać niewidziane wcześniej wzorce, rewolucjonizując nauki biologiczne czy medyczne.
Sztuczna inteligencja przewidywała jakie substancje przyjęły ryby wyłącznie na podstawie ich zachowania
W tym przypadku takie algorytmy zostały po raz pierwszy użyte do analizy ścieżek lokomotorycznych danio pręgowanego. Autorzy badań porównali wcześniej zebrane dane, pochodzące z eksperymentów in vivo z nowymi obserwacjami, dotyczącymi ryb poddanych działaniu leków neurotropowych oraz substancji z grupy kontrolnej.
Zwierzęta zostały wystawione na działanie między innymi nikotyny, etanolu czy kofeiny. Substancje te miały wpływ na ośrodkowy układ nerwowy i ich wzorce lokomotoryczne. Zaobserwowane różnice w reakcjach organizmów ryb wykorzystano następnie do szkolenia algorytmów na nagraniach powstałych podczas poprzednich eksperymentów.
Czytaj też: Kolorowe nagrania mimo całkowitej ciemności. Wszystko dzięki sztucznej inteligencji
Model sieci CNN (Convolution Neural Network), który został użyty, wyodrębnia proste cechy obrazu, takie jak gradienty lub linie. Następnie łączy je w kolejnej warstwie, tworząc bogatszą i bardziej złożoną reprezentację obrazu. Każda taka warstwa zwiększa złożoność przetwarzanych danych, pomagając w ten sposób wyszczególnić wzorce lokomocji zwierząt, charakterystyczne dla poszczególnych leków. Okazało się na przykład, że etanol w charakterystyczny sposób początkowo pobudzał ryby, by później prowadzić do ich uspokojenia.
Zdaniem autorów funkcjonalność ich narzędzia może zostać zwiększona poprzez udoskonalanie i dostosowywanie modeli sieci neuronowych. Pomoże również zwiększenie ilości danych umożliwiających szkolenie sztucznej inteligencji.