圣安德鲁斯大学研究人员开发了一款人工智能工具，可从视频中读取动物运动并自动生成清晰、易读的行为描述，旨在降低动物行为分析的时间与成本，并提升研究的可扩展性。

该工具以插件形式推出，名为PoseR。研究团队表示，PoseR的开发目标是缓解神经科学、心理学和生物学研究中的一项关键瓶颈，使相关研究能够在更大规模上更快开展，并提高结果的可重复性。相关成果已发表在《开放生物学》（Open Biology）。

研究人员指出，动物行为常被用作观察大脑功能的窗口，在疾病状态下也可反映大脑功能异常。传统方法通常需要研究人员对视频进行长时间的人工评分以完成行为分析，一个项目往往耗时数周甚至数月。团队认为，若能加速这一流程，将对研究效率产生显著影响。

在技术路径上，PoseR采用“图神经网络”（graph neural network）方法处理数据。该类网络能够接收以图结构呈现的信息，并与动物不同形态相对应。研究人员称，该工具允许用户识别录像中主体的行为，并输出相应的行为类别，从而使分析过程更快且更一致。

PoseR由圣安德鲁斯大学心理学与神经科学学院Maarten Zwart博士团队开发。Zwart的研究聚焦大脑如何产生行为，尤其关注运动的生成机制。团队表示，新工具将有助于加快其相关分析工作。

Zwart表示，团队致力于研究大脑与脊髓如何协同产生人类及其他动物的多种运动。该工具最初在疫情封锁期间启动，由Pierce Mullen博士推动开发，研究技术员Holly Armstrong博士以及两位本科生研究员Beatrice Bowlby和Angus Gray参与完成。

研究团队称，随着这一瓶颈被缓解，PoseR有望推动更大规模、更快速且更具重复性的研究，并支持对动物疾病模型进行更快速的筛查，从而服务于基础发现以及神经疾病治疗方案的研发。