محققانی که درگیر مطالعات رفتار حیوانات هستند، اغلب به ساعت‌ها فیلم ویدئویی که به صورت دستی تجزیه و تحلیل می‌کنند، تکیه می‌کنند. معمولاً، این امر مستلزم آن است که محققان راه خود را از طریق ضبط‌های چند هفته یا چند ماهه بررسی کنند و مشاهدات روی رفتار حیوانات را به سختی یادداشت کنند. اکنون محققان ETH زوریخ و دانشگاه زوریخ روشی خودکار برای تجزیه و تحلیل این نوع ضبط‌ها ارائه کرده‌اند. الگوریتم تحلیل تصویری که آنها توسعه داده اند از بینایی کامپیوتر و یادگیری ماشین استفاده می کند. این می تواند حیوانات را متمایز کند و رفتارهای خاصی را شناسایی کند، مانند رفتارهایی که نشانه کنجکاوی، ترس یا تعاملات اجتماعی هماهنگ با سایر اعضای گونه آنهاست.
این فناوری اساساً راه حلی با یک کلیک برای تجزیه و تحلیل خودکار فیلم‌های ویدئویی، هر چقدر که ضبط‌های طولانی یا دقیق باشند، به دانشمندان ارائه می‌دهد. مزیت دیگر روش جدید تکرارپذیری آن است: اگر گروه های مختلف محققان از الگوریتم یکسانی برای تجزیه و تحلیل داده های ویدئویی خود استفاده کنند، مقایسه نتایج آسان تر است زیرا همه چیز بر اساس استانداردهای یکسان است. علاوه بر این، الگوریتم جدید آنقدر حساس است که حتی می‌تواند تغییرات رفتاری ظریفی را که به تدریج در دوره‌های زمانی طولانی ایجاد می‌شوند، شناسایی کند.
محققان الگوریتم یادگیری ماشینی را با فیلم های ویدئویی از موش ها و ماکاک ها در اسارت آموزش دادند. با این حال، آنها تاکید می کنند که این روش می تواند برای همه گونه های جانوری اعمال شود.محققان ETH این الگوریتم را در یک پلتفرم عمومی در دسترس سایر محققان قرار داده‌اند و بسیاری از همکارانشان در سراسر جهان از آن استفاده می‌کنند. مارکس می‌گوید: «علاقه به‌ویژه در میان محققان نخستی‌سانان زیاد بوده است، و فناوری ما در حال حاضر توسط گروهی که در حال تحقیق بر روی شامپانزه‌های وحشی در اوگاندا هستند، استفاده می‌شود.
این احتمالاً به این دلیل است که این روش همچنین می تواند برای تجزیه و تحلیل تعاملات اجتماعی پیچیده در جوامع حیوانی مورد استفاده قرار گیرد.
مارکس می‌گوید: «روش ما مزایای عمده‌ای نسبت به الگوریتم‌های قبلی تحلیل رفتار مبتنی بر یادگیری ماشینی ارائه می‌دهد، به‌ویژه وقتی صحبت از تجزیه و تحلیل رفتار اجتماعی در تنظیمات پیچیده می‌شود.»
روش جدید همچنین می تواند برای بهبود دامداری مورد استفاده قرار گیرد و نظارت شبانه روزی را قادر می سازد تا به طور خودکار رفتارهای غیرعادی را شناسایی کند. با تشخیص تعاملات اجتماعی نامطلوب یا شروع زودهنگام بیماری، نگهبانان می توانند به سرعت برای بهبود شرایط برای حیوانات تحت مراقبت خود واکنش نشان دهند.
در نهایت، این روش در تحقیقات بنیادی در زمینه های زیست شناسی، نوروبیولوژی و پزشکی استفاده می شود.
