Внутренние когнитивные состояния – такие как внимание, мотивация, усталость и возбуждение – играют ключевую роль в формировании поведения животных. Однако выявить эти состояния непосредственно сложно, ведь они не всегда очевидны и часто скрыты за внешними проявлениями. Современная наука стремится найти непрямые, но объективные маркёры таких состояний, и одним из самых перспективных подходов является анализ лицевых выражений и мимики животных. В недавних исследованиях с помощью виртуальной реальности и продвинутых алгоритмов машинного обучения удалось проследить внутренние состояния мышей и обезьян, сопоставить их и выявить общие закономерности. Эти исследования крайне важны, так как помогают построить мост между разными видами, выявить эволюционно консервативные механизмы когнитивного функционирования и вывести методы диагностики и наблюдения за состояниями животных на качественно новый уровень.
Сравнительный подход в изучении когнитивных процессов всегда сталкивался с трудностями из-за различий в используемых экспериментальных методах для животных разных видов. Традиционные задачи были слишком специализированы и часто ограничены — например, приматам задавались тесты с фиксацией взгляда и отслеживанием внимания при помощи кнопок, а грызунам – 5-позиционная тестовая панель, требующая быстрой реакции на световой стимул. Эти существенные различия в подходах затрудняли сравнение данных и понимание, насколько внутренние состояния схожи между разными видами животного мира. Проект, объединивший эксперименты с мышами и макаками, кардинально изменил эту ситуацию, применив одинаковую, естественную и интуитивно понятную задачу для обоих видов — виртуальную визуальную задачу на поиск и выбор среди объектов. Животные находились в окружении сферы с виртуальной проекцией окружающей среды, в рамках которой они управляли своим движением: мыши – через специальный беговой шар, обезьяны – при помощи трекбола.
Это позволило свести к минимуму технические и поведенческие различия и наблюдать за реакциями двух видов в максимально сопоставимых условиях. Главной инновацией стало использование видеозаписей лиц животных во время выполнения задачи, из которых с помощью глубоких нейросетей автоматически выделялись ключевые точки, отражающие движения бровей, ресниц, носа, ушей, глаз и других частей лица. Эти данные позволили построить сложные модели, связывающие конкретные выражения лица с последующей реакцией животных в разы более информативные, чем традиционные показатели, такие как только размер зрачка или общий уровень движения. Применение Марковского переключающегося линейного регрессионного (MSLR) анализа позволило на основе лицевых экспрессий предсказывать реакционное время для каждого отдельного испытания. При этом модель выявила три (у мышей) и четыре (у обезьян) скрытых внутренне когнитивных состояния, которые отражают различные уровни внимания, мотивации и вовлеченности в задачу.
Что важно, для обеих видов эти состояния имели довольно сравнимую структуру и схожие паттерны мимики. Одним из самых интересных открытий стало то, что внутренние состояния, выделенные с помощью MSLR, не являлись устойчивыми во времени, а переключались достаточно динамично. Тем не менее обезьяны демонстрировали более устойчивые состояния, в то время как у мышей менялись они быстрее и чаще, что может быть связано с разницей в когнитивных стратегиях и уровнем тренированности. Это открывает новые вопросы относительно степени стабильности когнитивных состояний в зависимости от вида животного и уровня опыта. Предсказание реакционного времени и, что ещё более удивительно, исхода задачи (правильный или неправильный выбор, промах) на основе только мимических данных подчеркивает высокую степень информативности лицевых выражений.
Такие показатели повышения точности прогнозирования возникают при анализе не отдельных характеристик (например, только зрачка), а всего набора лицевых параметров, что говорит о сложном, многоаспектном характере выражений, несущих когнитивную информацию. Поскольку модель обучалась исключительно на данных реакционных времён и не имела прямого доступа к исходам испытаний, успешное прогнозирование результатов говорит о том, что внутренние состояния глубоко связаны с когнитивной эффективностью животного. Более того, состояние, характеризующееся быстрыми и точными реакциями, однозначно связано с высокой вовлеченностью и вниманием, тогда как медленные и неудачные реакции присущи состояниям снижения концентрации и мотивации. Не менее важно и то, что исследование показало взаимосвязь между различными сенсорными каналами и проявлениями когнитивных состояний. Например, у мышей в состояниях высокой производительности значительной роли играют такие признаки, как движение усов и размер зрачка, что может указывать на важность ольфакторного и визуального восприятия.
В отличие от них, у обезьян доминирует визуальная информация – движения глаз и бровей более показательны для оценки вовлеченности. Установлено также, что некоторые выражения лица, связанные с конкретными состояниями, эволюционно сохранены между мышами и обезьянами, что свидетельствует о фундаментальной роли мимики в коммуникации внутреннего состояния у млекопитающих. Это открывает перспективы создания универсальных моделей для оценки психофизиологии разных видов, а также проливает свет на процессы возникновения и эволюции эмоций и когнитивных состояний. Полученные результаты имеют далеко идущие последствия для неврологических и поведенческих исследований. Они демонстрируют, что лица животных являются богатым источником информации о их внутреннем мире и поведении.
Новые методы, объединяющие машинное обучение, высокоточные видеозаписи и виртуальную реальность, позволяют брать качественно новые данные неинвазивными методами, что особенно важно для изучения животных в условиях, максимально приближенных к естественным. Кроме того, выявленные показатели и методы могут быть перспективными и для прикладных целей – например, в разработке систем мониторинга благосостояния животных в лабораториях или зоопарках, позволяя автоматически фиксировать изменения в когнитивном или эмоциональном состоянии и своевременно реагировать на них. В будущем интеграция подобных исследований с нейрофизиологическими данными позволит понять на клеточном и системном уровне, как когнитивные состояния формируются, поддерживаются и переходят друг в друга. Также интересна перспектива применения подходов для оценки сходства и различий в когнитивных процессах человека и других животных, что откроет новые горизонты в сравнительной психологии и эволюционной нейронауке. Таким образом, использование анализа сложных лицевых выражений, объединённое с продвинутыми статистическими и машинно-обучающими методами, является мощным инструментом для раскрытия внутреннего мира животных.
Оно способствует устранению барьеров, существовавших между видами в когнитивных исследованиях, и стимулирует развитие более универсальных и естественных методов изучения поведения и психики животных.
