如何科学观象?生物学家建立大象行为库,参考上百篇文献,“翻译”500种大象行为

简介: 如何科学观象?生物学家建立大象行为库,参考上百篇文献,“翻译”500种大象行为

从今年4月中旬开始,15只亚洲象被发现离开了位于西双版纳的自然保护区,一路向北迁徙。

这群大象一路“逛吃”、“逛喝”,目前在玉溪市易门县十街乡活动,在整个北迁过程中,大象的一举一动受到了全国网友的关注。

前几天,象群在易门县十街乡附近山体小范围活动时,无人机拍到它们睡觉,一头小象睡觉时“蹬鼻子上脸”的动作萌翻了网友。

这次象群北迁事件让亚洲象走进了大众的视野,根据西双版纳国家级自然保护区管护局高级工程师沈庆仲介绍,亚洲象是有思维的动物,成年亚洲象的智商能达到人类四五岁孩子的水准。

作为一种“聪明”的生物,大象拥有非常丰富的交流技巧,包括数以百计的声音和姿势,这些声音和姿势可以传达特定的意思,并且可以根据具体情况而改变。

那么人类能不能读懂大象的行为呢?

事实上,全球有许多生物学家目前在从事着大象的研究工作,其中重要的一项就是研究大象各种行为背后的含义,但是由于大象的行为是如此复杂,分散的研究很难彻底将大象的行为搞清楚。

为了改变这一现状,一位研究濒危草原大象近50年的著名生物学家乔伊斯·普尔与他人合作开发了一个“大象行为库”(The Elephant Ethogram)——一个储存有关大象行为和交流的所有已知信息的库。

The Elephant Ethogram:
https://www.elephantvoices.org/elephant-ethogram.html

这个大象行为库还提供查字典功能!

目前,这个大象行为库记录了包括带与大象有关的500多种行为,这些行为通过近3000个带注释的视频、照片和音频文件来描述。

这些条目涵盖了大多数典型的大象行为,普尔从100多个参考文献中收集了这些数据,数据跨越了100多年,最早的记录可以追溯到1907年。

尽管这个行为库针对的是非洲草原象,但是这个库对于其他大象种群也有参考意义。

这个行为库有两种使用方式,一种是直接浏览行为列表(Ethogram Table)。

在行为表中,大象的500多种行为被分为23个行为系列,比如在“攻击性”(Aggressive)这一行为系列中,就有各种详细的代表性行为。

除了列表,大象行为库还提供了另一种更加方便的查询方式——查字典!

行为库提供了4种搜索方式,分别是组合下拉式搜索、两种文本搜索和字母顺序搜索。

其中最方便的还是自由文字搜索,例如,如果你在搜索名称/描述中搜索“musth”(雄象发情期狂暴),所有名称或描述中带有“musth”的行为都会返回。如果你知道一些特定大象的名字,比如Amboseli或 Gorongosa,你可以通过搜索视频标题找到描述它们的视频。

之前,云南北迁的亚洲象发生了幼象掉进水沟,成年象帮助其脱险的一幕。

文摘菌想看看非洲象有没有类似的行为,顺便检验一下这个库究竟有多强大,于是尝试在行为库搜索了一下“help”,果然没有让我失望!

在大象行为库里,一共收录了10条关于大象互相帮助的视频,上面还有对该视频的详细描述,非常具有参考意义。

第一个野生动物行为库

这个大象行为库主要是由乔伊斯·普尔等人建立,“库中描述的大部分大象行为我们都亲眼见过,”普尔指出。

她补充说,这个项目也才刚刚开始,因为它意味着一个不断更新的目录,科学家们可以积极将新的发现更新到其中。

“我们知道大象以复杂的方式行为和交流。但是到目前为止,我们仅仅触及到行为和交流是多么复杂的表面,”Lucy Bates说,她是英格兰萨塞克斯大学专门研究大象认知的访问研究员,并没有参与创建Ethogram。

“现在,我们有了这个基础(可以在公开免费获得) ,我们可以从中更全面地了解大象在做什么以及为什么这样做。”

动物行为库是动物活动和行为的汇编,无论是在一个特定的背景下,还是为整个物种。

研究人员使用这些方法来研究动物的行为,并在年龄、性别、家庭、人口或不同物种之间进行比较。

目前,人类拥有的动物行为库包括实验室里的老鼠,还有以书面形式发表了黑猩猩行为库,但是这个详尽的、数字化的大象行为库是第一个用于野生动物的数字库。

普尔补充说,这个项目以多媒体为基础的特性很重要,因为仅仅基于文字、音频文件或照片的描述,“很难显示运动中常常存在的细微差异,这些差异可以区分一种行为和另一种行为。”

是青春期“离家出走”还是离家“找媳妇”?

区别大象的行为对于更好的认识大象有着非常重要的意义。

比如最近云南北迁象群中一头年轻的公象与象群脱离,许多网友认为这就是大象离群,但是专家却表示这只是”青春期叛逆“。

6月6日,象群在昆明市晋宁区夕阳乡活动时,向西北迁移后转向南下,一头公象离群后移动至东北方向。随后的几天里,象群向西南进入玉溪市易门县十街乡,离群的公象依然停留在昆明晋宁区夕阳乡。

目前这头公象离群已9天了,距离象群约十几公里。

独象为什么会离群?对此,西双版纳国家级自然保护区管护局高级工程师沈庆仲认为,独象不是真正的离群,“可能像人的青春期一样,叛逆期到了。”

象宝宝刚出生几分钟之后就能站立,约两个小时后就能跟母象移动,有的一星期后就能随着母象下水洗澡,这时象群会教它一些生活的技能;大约到五六岁时,小公象就喜欢相互打斗玩闹,到六七岁时会出现不跟象群待在一起的情况,有时会离开单独去玩,再长大一点就会离开几天或者几月,但还是会跑回象群,“就像青春期和爸爸妈妈住一起时,想自己跑出去玩一段时间,这不是真正的离群。”

沈庆仲介绍,公象真正的离群大约是在12岁左右的时候,彼时它们开始性成熟,具有繁殖能力,需要离群去寻找配偶。

所以说,同样是离开象群,公象可能是青春期离家出走,也有可能是离群找配偶,这种行为的区分除了靠经验,如果能形成一个完整的记录和建立数据库,对于正确地认识象群也有重要的意义。

这次云南象群北迁事件,让亚洲象暴露在无数镜头下,尽管当前的首要任务是“劝返”它们,但是也给研究人员提供了史无前例的记录机会,文摘菌猜想,如果能够将这些亚洲象的行为整理出来,是不是也能初步形成一个亚洲象的行为库?

相关文章
|
6月前
|
编解码 自然语言处理 开发者
复刻Sora有多难?一张图带你读懂Sora的技术路径
OpenAI发布了视频生成模型Sora,最大的Sora模型能够生成一分钟的高保真视频。同时OpenAI称,可扩展的视频生成模型,是构建物理世界通用模拟器的一条可能的路径。
|
2月前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1652 17
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
3月前
|
机器学习/深度学习 人工智能 数据可视化
斯坦福博士图解AlphaFold 3:超多细节+可视化还原ML工程师眼中的AF3
【8月更文挑战第8天】AlphaFold 3作为AI领域的重大突破,革新了蛋白质结构预测。斯坦福博士通过图解详析了其内部机制,展示了多尺度建模与图神经网络技术如何提升预测精度。尽管存在数据依赖性和计算成本等挑战,AlphaFold 3仍极大地加速了生物学研究与药物开发进程。论文详情参见:https://www.nature.com/articles/s41586-024-07487-w
79 4
|
数据可视化 数据库
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
1461 0
|
数据可视化 数据挖掘 C++
RNAseq|WGCNA-组学数据黏合剂,代码实战-一(尽)文(力)解决文献中常见的可视化图
RNAseq|WGCNA-组学数据黏合剂,代码实战-一(尽)文(力)解决文献中常见的可视化图
275 0
|
机器学习/深度学习 自然语言处理 数据库
可阅读「通用生命语言」的深度学习模型,照亮了微生物组数据中的暗物质
可阅读「通用生命语言」的深度学习模型,照亮了微生物组数据中的暗物质
118 0
|
机器学习/深度学习 存储 传感器
《自然》:机器视觉行为理解与脑神经有内在关联?上交卢策吾团队构建映射模型
《自然》:机器视觉行为理解与脑神经有内在关联?上交卢策吾团队构建映射模型
281 0
|
传感器 编解码 算法
2022年中国研究生数学建模竞赛A题思路及参考代码-移动场景超分辨定位问题
2022年中国研究生数学建模竞赛A题思路及参考代码-移动场景超分辨定位问题
2022年中国研究生数学建模竞赛A题思路及参考代码-移动场景超分辨定位问题
|
机器学习/深度学习 数据采集 数据挖掘
开启机器学习懒人模式——AutoGluon小试某数据挖掘训练赛
近来在浏览DataCastle竞赛平台时,注意到了上面挂载的一些数据挖掘训练赛题目,因为是定位于训练赛,主要用于帮助初学者快速熟悉和练手机器学习技能,所以赛题难度相对基础,也没有提供实质性的竞赛奖励
781 0
开启机器学习懒人模式——AutoGluon小试某数据挖掘训练赛
|
机器学习/深度学习
ML与Information:机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略
ML与Information:机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略
ML与Information:机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略