研究表明机器学习如何从野生狒狒的加速信号中识别社交修饰行为

来自斯旺西大学和开普敦大学的科学家使用项圈式加速度计跟踪了野生狒狒的社会梳理行为。

这项研究发表在《皇家学会开放科学》杂志上，是第一个使用这种方法成功计算美容预算的研究，这为未来的研究方向开辟了一条大道。

使用斯旺西大学制造的包含加速度计的项圈，该团队记录了南非开普敦狒狒的活动，识别和量化了一般活动，如休息、行走、觅食和跑步，以及梳理的给予和接受。

在与狒狒视频记录匹配的加速数据上训练了监督机器学习算法，并成功识别了给予和接受的修饰，具有较高的整体准确性。

然后，该团队将他们的机器学习模型应用于从12只狒狒收集的加速数据，以量化白天和夜间连续的梳理和其他行为。

苏黎世大学的主要作者Charlotte Christensen博士说：“我们不确定衣领上的传感器是否能够检测到涉及这种微妙运动的行为，但它已经奏效了。我们的研究结果对动物，特别是非人类灵长类动物的社会行为研究具有重要意义。

社会修饰是灵长类动物最重要的社会行为之一，自1950年代以来，已成为灵长类动物学研究的中心焦点。

以前，科学家们依靠直接观察来确定灵长类动物相互梳理的程度，虽然直接观察提供了系统数据，但它是稀疏且不连续的，增加了研究人员一次只能观察几只动物的限制。

像本研究中使用的技术正在彻底改变动物行为研究领域，并允许令人兴奋的新研究领域。

斯旺西大学的资深作者Ines Fürtbauer博士说：“这是我们团队多年来一直想做的事情。收集和分析野生种群连续梳理数据的能力将使研究人员能够重新审视长期存在的问题，并解决有关社会纽带的形成和维持以及支撑社会 - 健康 - 适应性关系的机制的新问题。