5 maja 2015
Fagot & Paleressompoulle1 opublikowali urządzenie do automatycznego uczenia się (ALDM) przeznaczone do testowania indywidualnych zdolności poznawczych u małp żyjących na półwolnym wybiegu. Głównym celem naszego protokołu jest wykorzystanie sieci jednostek testowych ALDM do badania poznania społecznego u naczelnych innych niż ludzie.
Ogólnym celem tego artykułu jest wykorzystanie urządzenia do automatycznego uczenia się znanego jako A LDM do badania poznania społecznego u naczelnych innych niż ludzie. Osiąga się to za pomocą małpy wyposażonej w mikroczip RFID, który może swobodnie opuścić swoją obudowę, aby wejść do jednostek testujących LDM A. Czytnik mikroprocesorów RFID rejestruje numeryczną tożsamość małpy, gdy wchodzi ona do jednostki testowej LDM.
Program testowy wyświetla eksperymenty poznawcze i rejestruje, które zwierzę używa którego Test LDM i kiedy adaptowalne protokoły mogą informować eksperymentatora o wpływie nastroju społecznego i wydajności, wpływach społecznych podczas testów poznawczych i kulturowej ewolucji zachowania w łańcuchach transmisyjnych. Wyniki potwierdzają zastosowanie A LZM do badania poznania społecznego u naczelnych innych niż ludzie. Cieszymy się, że możemy zaprezentować nowy protokół i badać poznanie społeczne u naczelnych innych niż ludzie.
W tej metodzie wykorzystano urządzenie do automatycznego uczenia się dla małp, znane jako LDM. Aby rozpocząć przygotowanie komór testowych, wyposaż komorę testową w drzwi przesuwne z tyłu, które można otwierać lub zamykać. Otwórz tylne drzwiczki jednostki LDM, aby zapewnić dostęp do systemu testowego z obudowy.
Zamontuj przedni panel komory testowej z view o wymiarach 7.3 na siedem centymetrów view i dwa porty ręczne. Zainstaluj antenę podłączoną do czytnika mikroprocesorów wokół każdego portu ręcznego. Antena przechwyci tożsamość RFIG obiektu.
Zainstaluj 19-calowy pojemnościowy ekran dotykowy przed każdą komorą testową. Ekran dotykowy służy do prezentacji bodźców oraz do rejestrowania zmiennych związanych z reakcją, takich jak dokładność i czas reakcji. Podłącz komputer PC do każdej jednostki testowej, która będzie służyć do uruchomienia programu testowego.
Podłącz dozownik żywności do komputera PC za pomocą portu równoległego. Ten dozownik dostarcza ziarna suszonej pszenicy do obszaru małp A LDM. Kiedy małpa wchodzi do komory testowej i sięga przez port ręczny, komputer rozpoznaje osobę, rozpoczyna eksperyment i rejestruje odpowiedź.
Aby skonfigurować sieć, zainstaluj 10 jednostek LDM w środku, dwie przyczepy o wymiarach osiem na cztery metry podłączone do wybiegu dla małp z pięcioma jednostkami LDM A w każdej przyczepie. Podłącz każdą jednostkę testową LDM do unikalnego serwera sterującego dostępnego za pośrednictwem adresu IP. Program testowy powinien być zaprojektowany tak, aby przed każdym badaniem przesyłał informacje o każdej małpie z serwera, a także aktualizował plik tekstowy osoby badanej na serwerze po zakończeniu każdej próby.
Upewnij się, że jednostka A LDM synchronizuje zegar A LDM dwa razy dziennie. Po każdej próbie zapisz następujące dane jako plik tekstowy, datę i godzinę nazwę bieżącego programu testowego. Numer imienia małpy przypisany do jednostki testowej A LDM.
Poziom testu, szkolenie lub test wyniku, jeden dla poprawnej odpowiedzi behawioralnej lub dwa dla nieprawidłowej odpowiedzi. I wreszcie czas reakcji. Zwierzęta mają swobodny dostęp do systemu A LDM.
Paradygmat ten służy do oceny wpływu walencji stanów efektywnych na sprawność poznawczą zwierząt podczas skomputeryzowanych testów LDM. Aby rozpocząć, zainstaluj zadanie wyszukiwania wizualnego, kładąc nacisk na wybór docelowego bodźca wizualnego spośród kilku dystraktorów na każdym komputerze przez osiem dni. Obserwuj i ręcznie rejestruj zachowanie wykazywane przez każdą osobę w obudowie i rejestruj czas zachowania za pomocą timera zsynchronizowanego z kontrolującą grupą serwerów.
Zachowania prezentowane w pomieszczeniu w trzech grupach odpowiadających emocjonalnie pozytywnym zdarzeniom społecznym, takim jak uwodzenie, emocjonalnie negatywnym zdarzeniom społecznym, takim jak zagrożenie i emocjonalnie neutralnym zdarzeniom, takim jak manipulacja przedmiotami. Przeanalizuj czasy odpowiedzi zadania wyszukiwania wizualnego uzyskane w ciągu trzech minut po obserwacji behawioralnej w obudowie, zsynchronizuj obserwacje behawioralne i dane komputerowe oraz przeanalizuj ten protokół. Egzema to wnioskowanie o kontekście wyszukiwania i obecności innych osób na zdolności poznawcze zarejestrowane podczas skomputeryzowanych testów ILDM.
Tym razem zainstaluj zadanie, w którym po równoległoboku aplikacji pojawia się odpowiedź po lewej stronie ekranu lub po prawej stronie, aby wyświetlić kółko. Pozwól małpie korzystać z systemu testowego tak, jak chce. Kilka małp może zatem korzystać z sąsiednich systemów testowych.
Komputer rejestruje, która osoba korzysta z którego systemu. Upewnij się, że program testowy rejestruje wyniki każdej osoby, a także kontekst społeczny badania. Na przykład, jeśli jednocześnie używane są inne jednostki testowe LDM i przez którą małpę, gdy zbierane są wszystkie dane, przeanalizuj różnice w czasie odpowiedzi w zależności od kontekstu społecznego.
Możemy również wykorzystać ten paradygmat do badania ewolucji informacji przekazywanych społecznie. Najpierw przeszkol uczestników, aby rozwiązali proste zadanie pamięciowe, w którym po 400 milisekundach najpierw zobaczą cztery losowo wybrane czerwone kwadraty w siatce cztery na cztery, które w przeciwnym razie byłyby białe, a następnie zmienią wszystkie czerwone kwadraty na białe i nagrodzą uczestników, gdy dotkną kwadratów, które zostały wcześniej przeczytane. Po przeszkoleniu przetestuj małpy po kolei, przedstaw pierwszej małpie zestaw siatek losowo wygenerowanych przez komputer i użyj dotkniętych kwadratów do wytworzenia bodźców dla następnej osoby w łańcuchu i tak dalej.
Określ, jak skuteczne są małpy w wykonywaniu zadania w zależności od liczby zdarzeń transmisji. Ten rysunek pokazuje średni czas odpowiedzi w zadaniu wyszukiwania wizualnego bezpośrednio po zdarzeniach społecznych, pozytywnych, negatywnych lub neutralnych. Słupki błędów reprezentują odchylenie standardowe, jak pokazano poniżej.
Czas reakcji po zachowaniach negatywnie walentnych, takich jak groźby, był znacznie wolniejszy niż w przypadku neutralnych i pozytywnie wartościowych zachowań społecznych, takich jak uwodzenie. Badanie to pokazuje, że nastroje społeczne wpływają na wydajność podczas testów poznawczych. Ten rysunek pokazuje czasy reakcji memów i liczbę współplemieńców obecnych podczas każdej próby.
W sąsiednich jednostkach testowych LDM słupki błędów reprezentują błąd standardowy. Czas odpowiedzi skraca się wraz z liczbą osób obecnych w przyczepie, co wskazuje na efekt ułatwienia społecznego reakcji na ziemię studzienną. Ta ostatnia liczba wskazuje na wzrost wydajności podczas prób transmisji, jak pokazano na niebieskich kwadratach, ale nie w losowych warunkach kontrolnych, jak pokazano na pomarańczowych kółkach.
Awary reprezentują błąd standardowy. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak używać systemu testowego LDM do badania poznania społecznego u naczelnych innych niż ludzie. Zgodnie z tą procedurą, metody te mogą być wykorzystane do udzielenia odpowiedzi na dodatkowe pytania, takie jak na przykład wyszukiwarka lub sieć społecznościowa i wiele innych.
Niniejsze badanie przedstawia zautomatyzowane urządzenie do nauki (ALDM), zaprojektowane do oceny zdolności poznawczych u naczelnych innych niż ludzie. Protokół ma na celu zbadanie poznania społecznego poprzez wykorzystanie sieci jednostek ALDM, które umożliwiają małpom przechodzenie testów poznawczych przy jednoczesnej swobodnej interakcji z ich środowiskiem.
Niniejsza praca demonstruje, w jaki sposób sieci automatycznych urządzeń do uczenia (ALDM) umożliwiają ilościową ocenę funkcji poznawczych w zakresie sfery społecznej u naczelnych innych niż człowiek, oferując model translacyjny pozwalający na zmniejszenie ryzyka związanego z walidacją celów w procesie odkrywania leków neuropsychiatrycznych. Poprzez powiązanie zachowań etologicznych z metrykami wydajności poznawczej, podejście to wspiera mechanistyczną redukcję ryzyka w odniesieniu do celów w obrębie OUN dzięki odczytom społeczno-behawioralnym istotnym dla danej jednostki chorobowej. System ten zapewnia pewność prognostyczną we wczesnej fazie odkrywania leków poprzez modelowanie wpływu kontekstu społecznego na punkty końcowe funkcji poznawczych, które są istotne dla zaburzeń obejmujących dysfunkcje społeczne.
Sieć ALDM integruje kontinuum odkryć – od walidacji celu, poprzez identyfikację związku wiodącego, aż po ewaluację przedkliniczną – dostarczając mierzalnych, osadzonych w kontekście społecznym odczytów poznawczych, które stanowią podstawę do podejmowania decyzji o kontynuacji lub przerwaniu badań (go/no-go).