近日，韩国科学技术院团队在国际期刊《国际计算机视觉》发表论文，开发名为BehaVERT的人工智能模型。该模型创新性地将小鼠骨骼运动轨迹转化为类自然语言词元，基于Transformer架构与自监督学习框架，实现无需人工标注的行为语义深度解析。 测试显示，BehaVERT在社交互动、三维运动及自闭症评估等五项国际基准数据集中均取得最优性能。模型在未获任何生物学先验知识的情况下，独立识别出Shank3B基因敲除自闭症模型小鼠的口鼻接触行为缺陷，与既往神经生物学发现高度吻合。同时，模型内部表征空间成功将移动性、注意力与社交参与度归纳为结构化语义网络，证实动物行为具备类语言的底层逻辑与上下文关联。 本研究由生物学背景的首席作者申昇在博士主导，团队自主构建跨物种行为基础模型，并验证了从大鼠数据到小鼠分析的迁移可行性。项目发起人金大秀教授指出，BehaVERT突破了传统行为分类的技术局限，为神经科学、精神疾病机制研究、药物筛选及行为遗传学提供高可解释性的分析工具，有望加速生命科学与人工智能的深度交叉融合。