我們都看過好萊塢電影中的「動作捕捉」場景，透過貼滿感測器的全身套裝追蹤動作，電腦能夠將演員變成巨人或野獸，而在現實生活中，普林斯頓神經科學研究所（PNI）也已開發出一套 AI 工具，只需要幾分鐘的訓練，便能像演員穿戴感測器一樣，在現有影片中自動追蹤動物的動作細節，協助動物肢體語言的研究進行。
這項被稱為 LEAP 的工具只需要幾分鐘的訓練，不需添加任何物理標記或標籤，就能夠以，以高精準度自動追蹤影片中數百萬幀動物各個身體部位的姿態，分子生物學副教授 Mala Murthy 表示，「這個方法可廣泛用於動物模型系統，用來衡量有基因突變或藥物治療後動物的行為」。
儘管論文預計會發表在 2019 年 1 月出版的《自然-方法》（Nature Methods）期刊上，但因為 5 月已經發布開放版本，目前軟體已經被被許多相關實驗室採用。
論文第一作者、PNI 研究生 Talmo Pereira 表示，這個工具非常靈活，原則上可用於任何影像數據，「它的工作方式是在幾個影片中標記幾個點，接著神經網路會完成剩下的工作。我們提供了一個易於使用的界面，讓任何人無需任何預先的編程知識，都可以將 LEAP 應用到自己的影片中。」
當被問及 LEAP 是否在大型哺乳動物的效果和在受試的蒼蠅和老鼠一樣好時，Pereira 立即使用肯亞 Mpala 研究中心的行走的長頸鹿影片進行示範，花了不到 1 個小時在 30 幀中標記了點，而 LEAP 隨後便能立即追蹤剩餘影片中的長頸鹿動作姿態（大約 500 幀）。
過去類似的 AI 工具都仰賴大量的手動註釋數據訓練，使其能夠在各種不同背景、光線的數據上工作，而在 LEAP 上因為開發團隊建立的系統，使用者可以選擇適合用戶收集的數據類型的神經網路，而不會受到其他研究人員或公司進行項目的限制。
在未參與研究英國皇家獸醫學院（RVC）Monica Daley 看來，這項工作在神經科學之外也具有巨大的潛力。Daley 的多數研究都在了解動物如何在不同的地形環境下有效地移動，而這當中做大的挑戰便是從影片片段中提取有意義的訊息，LEAP 有望讓相關研究者的工作變得比以往更自動化，能夠專注於研究更多種類的動物運動行為。
當研究者將 LEAP 與其他定量工具相結合後，便能透過觀察動物身體運動模式來研究所謂的「肢體語言」，而團隊內的神經科學家也就可以與背後的神經過程建立相關聯繫。
過去五年中，神經科學在觀察和操縱大腦活動的技術上取得了巨大進步，而在 LEAP 的協助下，未來動物行為的自動分類也能夠更加自動化，研究作者之一的 Joshua Shaevitz 認為，這不僅能使研究人員更好地了解大腦如何產生行為，也能夠探索未來對於需求者的診斷和治療方法。 | 
