> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI leert de lichaamstaal van muizen te lezen
- URL: https://ontraadseld.nl/ai-leert-de-lichaamstaal-van-muizen-te-lezen/
- Published: 2026-11-08T21:59:26.000Z
- Updated: 2026-11-10T09:00:51.000Z
- Author: Ontraadseld
- Tags: Biologie & Evolutie

Twee muizen snuffelen aan elkaar. Is dat een vriendelijke begroeting, het begin van een gevecht, of baltsgedrag? Voor onderzoekers is dat verschil lastig te zien, en al helemaal om het bij duizenden uren video automatisch te herkennen. Een nieuw AI-model doet dat nu wel, en kijkt daarbij speciaal naar hoe muizen op elkaar reageren.

Wetenschappers bestuderen muizengedrag om te begrijpen hoe hersenen werken, hoe medicijnen werken, en hoe dieren zich voelen. Dat doen ze vaak door de bewegingen van een muis te volgen via zogeheten keypoints: digitale "stipjes" op bijvoorbeeld de neus, poten en staart, die samen een soort skelet vormen. Een computer kan dan uit die bewegende stipjes afleiden wat een muis doet.

Het probleem is dat veel belangrijk gedrag niet door één muis alleen gebeurt. Vechten, baltsen, elkaar bestijgen of verzorgen, het zijn allemaal dingen die je pas begrijpt als je naar twee of meer dieren tegelijk kijkt. Bestaande computermodellen keken juist vooral naar één muis tegelijk, en misten daardoor precies het sociale signaal dat ertoe doet. Ze waren bovendien vaak gebouwd voor een vast aantal dieren, en getraind op maar één dataset per keer.

## Een model dat meekijkt naar de groep

Een onderzoeksteam ontwikkelde daarom MICE, wat staat voor Multi-animal Interaction Context Encoder. Dit model combineert twee onderdelen. Het eerste onderdeel kijkt naar de bewegingen van één muis, op verschillende tijdschalen: van een snelle poot-beweging tot een langere reeks acties. Het tweede onderdeel, de "sociale encoder", kijkt juist naar hoe dieren op elkaar reageren.

Een slimme truc in dit tweede onderdeel zorgt ervoor dat het model werkt met groepen van wisselende grootte, van één tot vier muizen. Normaal gesproken moet je een model opnieuw trainen als het aantal dieren verandert. MICE gebruikt in plaats daarvan een soort geheugenbibliotheek van geleerde patronen, waardoor één en hetzelfde model geschikt is voor elke groepsgrootte, zonder opnieuw trainen.

Het team trainde MICE op zes verschillende datasets met muizenbewegingen, met tussen de 7 en 27 gevolgde lichaamspunten per muis. Daarna testten ze het model op vier verschillende manieren, verdeeld over zes datasets. MICE presteerde daarbij minstens zo goed als, en vaak beter dan, bestaande methodes die ook met keypoints werken. Verder bleek dat het sociale onderdeel van het model echt iets toevoegt: het onderscheidt gedragingen beter dan wanneer je alleen naar individuele bewegingen kijkt.

**Wat betekent dit (nog) niet:** Dit is één onderzoek van één team, nog niet herhaald of bevestigd door anderen. Het model is getest op muizen in laboratoriumomstandigheden, niet op andere diersoorten of in het wild. Het is bovendien een hulpmiddel om gedrag te herkennen en te classificeren, geen doorbraak in het begrijpen waaróm muizen zich zo gedragen. De code en data zijn wel openbaar gemaakt, wat het makkelijker maakt voor andere onderzoekers om het model te testen en te verbeteren.

Voor de neurowetenschap en gedragsbiologie is dit soort gereedschap waardevol. Hoe beter je subtiel sociaal gedrag automatisch kunt herkennen, hoe makkelijker je kunt bestuderen hoe hersenen, genen of medicijnen dat gedrag beïnvloeden. Het is geen wondermiddel, maar wel een stap richting nauwkeuriger en efficiënter diergedragsonderzoek.

Bron: [MICE: Multi-animal Interaction Context Encoder - A Hierarchical Foundation Model for Mouse Behavior](http://arxiv.org/abs/2611.11644v1?ref=ontraadseld.nl)