Un gruppo di ricerca del Korea Advanced Institute of Science and Technology ha sviluppato BehaVERT, un modello di intelligenza artificiale progettato per leggere e analizzare i movimenti degli animali come sequenze dotate di significato, applicando ai dati comportamentali un’impostazione simile a quella dei modelli linguistici. Il sistema non si limita a classificare un’azione osservata, ma cerca di ricostruire il contesto e il valore comportamentale dei movimenti nel tempo.
Il modello parte dalle coordinate scheletriche dell’animale, rilevate in punti come naso, orecchie, colonna vertebrale, arti e coda. Queste informazioni vengono trasformate in token, cioè unità discrete paragonabili alle parole utilizzate nell’elaborazione del linguaggio naturale. Le sequenze di token vengono poi elaborate da un’architettura Transformer basata su BERT, permettendo al sistema di apprendere relazioni temporali tra posture, spostamenti, contatti e variazioni dei movimenti.
L’approccio consente di trattare il comportamento come una sequenza strutturata e non come una raccolta di gesti isolati. In questo modo BehaVERT può individuare pattern che assumono rilevanza soltanto osservando l’evoluzione dell’azione nel tempo, riconoscendo differenze tra movimenti apparentemente simili ma inseriti in contesti sociali, ambientali o biologici differenti.
Uno dei risultati più rilevanti riguarda l’analisi di topi modello per l’autismo con delezione del gene ShankB. Senza ricevere indicazioni preliminari sui comportamenti da cercare, il modello ha individuato un deficit sociale concentrandosi sul contatto bocca a bocca tra gli animali. I topi con alterazione genetica risultavano capaci di avvicinarsi normalmente agli altri soggetti, ma mostravano una riduzione nelle interazioni sociali più dirette. Il comportamento identificato dal sistema è coerente con osservazioni già emerse nella ricerca neuroscientifica e comportamentale.
BehaVERT è stato inoltre valutato su cinque benchmark internazionali relativi all’analisi delle interazioni sociali, ai comportamenti di più animali, ai movimenti tridimensionali e allo studio dei modelli comportamentali legati all’autismo. Il sistema ha ottenuto risultati superiori alle prestazioni considerate di riferimento nei test utilizzati, mostrando la capacità di lavorare con dinamiche comportamentali complesse e con osservazioni che coinvolgono più soggetti nello stesso ambiente.
Un aspetto centrale del progetto è la spiegabilità del modello. BehaVERT può indicare quali movimenti, contatti o segmenti temporali hanno inciso maggiormente sulla classificazione o sulla valutazione effettuata. Questa caratteristica è importante perché rende possibile verificare se l’AI sta riconoscendo un segnale biologicamente significativo oppure se sta basando la previsione su elementi secondari presenti nei dati di addestramento.
La tecnologia può trovare applicazione nella ricerca sui disturbi neuropsichiatrici, nello sviluppo di nuovi farmaci, nella genetica comportamentale e nello studio delle interazioni sociali tra animali. Trasformando i movimenti corporei in una struttura analizzabile con modelli linguistici, BehaVERT propone un metodo per estrarre segnali comportamentali difficili da rilevare manualmente e per individuare nuovi indicatori utili alla ricerca biologica e biomedica.