記者 吳昱賢／綜合報導
韓國科學技術院（KAIST）研究團隊開發出一款能像「讀語言」一樣解讀動物行為的人工智慧（AI）模型「BehaVERT」，並在未獲得任何生物學先備知識的情況下，自行辨識出自閉症模型鼠的核心社交行為缺陷，為神經科學開啟可解讀的新途徑。相關成果已刊登在電腦視覺領域頂尖期刊《國際電腦視覺期刊》（IJCV）。
綜合外媒報導，這項研究由腦認知科學系金大秀（Kim Dae-soo）教授團隊主導。團隊把老鼠的骨架動作轉換成類似自然語言「詞元」（token）的單位，再交由以AI為基礎的模型學習其行為意義。研究人員將老鼠鼻子、耳朵、脊椎、四肢與尾巴的位置化為「行為詞元」，讓模型像語言模型從詞序推敲語意一樣，逐步理解動作在時間軸上的脈絡。
成果顯示，BehaVERT並非只會替行為分類，而是能理解行為隨時間累積的意涵。模型在涵蓋社交互動、多隻動物行為、三維動作分析與自閉症行為評估的五個國際基準資料集上，表現都超越既有的頂尖模型。此外，它也具備可解讀性，能讓研究者看見AI在做判斷時，究竟聚焦於哪些行為線索。
在區分缺乏Shank3B基因（研究自閉症譜系障礙的核心基因）的自閉症鼠與健康對照鼠的實驗中，AI持續把注意力放在「口對口接觸」（oral-oral contact）行為上。這與過去生物學研究相符：自閉症模型鼠雖然仍會正常靠近同伴，社交互動卻出現缺陷。換句話說，AI僅憑行為觀察，就在沒有明確生物學指令的情況下，重新發現了一項關鍵生物特徵。
團隊進一步發現，模型內部把移動能力、注意力與社交參與等行為特徵整理成結構化區塊，暗示動物行為可能和語言一樣，具有底層的語意結構。研究也採用自監督式學習（self-supervised learning）架構，讓AI無須人工標註即可直接從行為資料中學習；一套以大鼠行為訓練的模型，還能成功轉用於分析小鼠行為，顯示跨物種「行為基礎模型」（behavioral foundation model）確實可行。
第一作者申承宰（Shin Seung-jae）博士表示：「這項研究始於一個簡單的問題：動物的動作，會不會藏著與語言類似的結構？」他與多數團隊成員原本主修生物學而非AI，是靠自學變換器架構與深度學習技術，才設計出專為行為分析量身打造的模型與訓練策略。
金大秀說明，BehaVERT超越了單純的行為分類，能進一步解讀行為的意義。他預期這套工具將成為藥物開發、精神疾病、行為遺傳學等生命科學領域探索新知的重要利器。金大秀實驗室長期投入AI行為分析，並據此成立新創公司Actnova。
近年全球掀起以AI解讀動物行為與溝通的熱潮。地球物種計畫（Earth Species Project）推出首個大型動物聲音語言模型NatureLM-audio，鯨魚計畫（Project CETI）則嘗試破譯抹香鯨的發聲結構，BehaVERT則把這股趨勢延伸到肢體動作領域。若從動物福利角度觀察，這類運算式行為分析工具未來是否有助於更精準、標準化地評估實驗動物的行為表型，減少研究過程中的主觀判讀，仍有待進一步驗證。
