Понимание внутренних состояний животных давно является ключевой задачей в нейронауках и психологии. Эти состояния, включая внимание, мотивацию и уровень бодрствования, определяют не только поведение, но и функционирование мозга. Несмотря на важность, выявление и сравнительный анализ таких состояний у различных видов оставались сложной научной задачей. Новейшие исследования, объединяющие технологии виртуальной реальности и машинного обучения, позволяют сегодня беспрецедентно точно и непрерывно отслеживать и интерпретировать внутренние когнитивные и эмоциональные состояния как у мышей, так и у макак. Такой подход проливает свет на глубоко эволюционно сохранённые механизмы, формирующие поведение млекопитающих, и меняет наше понимание когнитивных процессов в животных.
Основу исследования составляет создание единой экспериментальной парадигмы, совместимой для грызунов и приматов. В специально разработанном виртуальном пространстве мыши и макаки выполняют схожие задачи визуального поиска и принятия решений. В этих условиях животные перемещаются по виртуальной среде, стараясь выбрать награждаемый объект среди конкурирующих стимулов. Такая единая среда позволяет минимизировать вариативность, связанную с особенностями разных видов, и фиксирует поведение в естественно приближенных условиях. Ключевой инновацией исследования стала методика автоматического анализа мимики, используя инструмент DeepLabCut — мощный фреймворк для безмаркерного отслеживания движения с помощью глубокого обучения.
Система анализирует видеозаписи лиц животных, расценивая изменения положения ушей, носа, век, усов, а также размеров зрачков, что в сумме формирует многомерный профиль выражений и микродвижений лица перед появлением визуальных стимулов. Это позволяет детектировать тонкие поведенческие маркеры, которые отражают внутренние процессы, формирующие реакцию на задачу. Далее полученные данные были введены в статистическую модель Маркова с переключаемой линейной регрессией (Markov-Switching Linear Regression, MSLR). Она позволяет выделять скрытые внутренние состояния, которые определяют степень влияния отдельных признаков мимики на скорость реакции животного. Модель работает с данными по отдельным испытаниям и выбирает из нескольких режимов, описывающих, как именно набор мимических параметров связан с реакцией.
Уникальность такого подхода в том, что он не требует предварительного навязывания понятий или дефиниций внутреннего состояния, а выявляет их непосредственно из данных в динамике. Результаты оказались поразительными. Модель выявила несколько (три у мышей и четыре у макак) четко разграниченных состояний, каждое из которых характеризуется собственным сочетанием мимических признаков и типичной поведенческой реакцией. Эти состояния не только стабильно повторяются, но и связаны с разным качеством выполнения задачи — от быстрой и точной реакции до нерешительности и промаха. Примечательно, что эти внутренние состояния практически совпадают между двумя столь далеко эволюционно разошедшимися видами, что говорит о сохранении базовых когнитивных механизмов через миллионы лет эволюции.
У макак, например, одно из выявленных состояний соответствует повышенной внимательности, где животное быстро и верно реагирует на целевые стимулы. В мышах аналогичное состояние сопровождается осмысленным использованием зрительной и тактильной информации, подтверждаемым изменениями в ширине зрачка и движениях усов. Другие состояния связаны с более импульсивными или, напротив, рассеянными реакциями. У макак выявлено дополнительно состояние полного отсутствия реакции — полного отвлечения и снижения активности, чего у мышей в столь отчетливом виде не наблюдалось. Фактически, таким образом открыт новый пласт понимания внутренних состояний с помощью анализа сложных лицевых выражений, выходящих далеко за рамки традиционного исследования отдельных признаков, таких как размер зрачка или амплитуда движения усов.
Комплексный анализ выражений всего лица позволяет уловить более тонкие переключения в когнитивном и эмоциональном фоне, которые переводятся в характерные поведенческие шаблоны. При этом модель продемонстрировала высокую обобщаемость: она стабильно предсказывала скорость реакции не только на тренировочных данных, но и для новых сессий и животных, что свидетельствует о надежности и универсальности выделенных внутренних состояний. Кроме того, оказалось, что модель не полагается исключительно на известные маркеры арousal (возбуждения), такие как зрачок, а учитывает множество других признаков, что существенно расширяет средства мониторинга внутреннего состояния. Анализ динамики состояний позволил обнаружить, что у макак внутренние состояния имеют тенденцию к более долгому сохранению, тогда как у мышей наблюдается более частая смена состояний. Это может отражать как биологические различия в когнитивных циклах, так и различия в обучении и поведении в экспериментальной среде.
Тем не менее, общая структура и функциональное распределение состояний остаются схожими, открывая окно для дальнейших исследований на тему эволюции когнитивной стабильности и гибкости. Эксперимент также выявил, что история предыдущих испытаний — то есть, успехи и поражения в прошлых выборах — не являются единственными факторами, объясняющими выражения на лице и скорость реакции. Даже с учетом такого контроля предиктивная сила мимических данных осталась высокой, что подчеркивает, что выражения лица более глубоки и отражают непосредственно текущие внутренние когнитивные и мотивационные процессы. Общее значение исследований в области использования мимики как окна во внутренние состояния выходит далеко за рамки базовой науки. Это обещает ценные приложения в областях изучения нейродегенеративных заболеваний, оценки стресса и боли у животных, а также улучшения методов кроссвидового понимания познавательных процессов.
Возможность непредвзятого, автоматизированного и непрерывного мониторинга внутреннего состояния стимулирует развитие более этичных и точных методик оценки поведенческого и когнитивного здоровья животных. Таким образом, интеграция передовых методов компьютерного зрения, математического моделирования и виртуальной реальности открывает новую эпоху в когнитивной и поведенческой науке. Сопряжение анализа комплексных лицевых выражений с задачами, адаптированными для разных видов, позволяет выявлять внутренние состояния, которые не только функционально сходны, но и эволюционно сохранены. Эти результаты меняют представления о когнитивных параллелях между разными видами и усиливают значимость мимики как универсального индикатора внутреннего мира — от мышей до приматов. Продвинутые подходы, такие как Markov-Switching Linear Regression, делают возможным переход от описательных к предсказательным моделям, позволяющим не только понимать, но и прогнозировать поведение на основе тонких признаков мимики.
В перспективе развитие подобных технологий может быть направлено на более детальную временную разбивку, сопоставление с нейронной активностью и внедрение в реальное время, что значительно расширит понимание нейро-поведенческих корреляций и откроет новые горизонты для межвидового сравнительного анализа во всех областях неврологии и психологии. В итоге, исследование метафорически напоминает, что на лице можно «прочесть мысли» даже самых маленьких и внешне непохожих существ. В этом кроется универсальность и красота природы — глубокие когнитивные процессы отражаются в самых простых, но значимых выражениях, сближая разные виды через призму общего внутреннего мира.
