Frugtfluer er en stærk modelorganisme til at studere menneskelig genetik, fordi de er relativt nemme at opdrætte og vedligeholde i laboratoriet, og de har en kort generationstid. Det betyder, at forskere hurtigt og nemt kan studere forskellige geners effekt på flueadfærd. Derudover deler frugtfluer mange af de samme gener og biologiske veje som mennesker, hvilket betyder, at fund fra frugtflueundersøgelser ofte kan oversættes til mennesker.
En af udfordringerne ved at studere frugtflueadfærd er, at det kan være meget komplekst. Frugtfluer udviser en bred vifte af adfærd, herunder at gå, flyve, fodre, parre sig og lægge æg. Denne kompleksitet gør det vanskeligt for forskere manuelt at observere og registrere al en frugtflues adfærd.
Det nye AI-system kan afkode frugtfluers adfærd ved at analysere videoer af deres bevægelser. Systemet bruger maskinlæring til at identificere og spore de forskellige kropsdele af en frugtflue, og det bruger derefter denne information til at udlede fluens adfærd. Systemet er i stand til at afkode en bred vifte af adfærd, herunder at gå, flyve, fodre, parre sig og lægge æg.
Evnen til at afkode frugtflueadfærd kan have stor indflydelse på fremtidens menneskelige genetikforskning. Ved at forstå, hvordan gener påvirker frugtflueadfærd, kan forskere muligvis få indsigt i, hvordan gener påvirker menneskelig adfærd. Disse oplysninger kan føre til udviklingen af nye behandlinger for en række menneskelige genetiske lidelser, såsom autisme, skizofreni og Alzheimers sygdom.
Ud over dets potentielle anvendelser til menneskelig genetikforskning, kan det nye AI-system også bruges til at studere dyrs adfærd generelt. Systemet kunne bruges til at studere adfærden hos ethvert dyr, der kan fanges på video, hvilket kunne give ny indsigt i forskellige arters evolution og økologi.