動物的每個動作包含了大量可被量化的細節，鼻尖的位置、四肢的角度、尾巴的擺動、身體重心的變化，還有每一次站立、奔跑、探索與停頓，都能成為理解神經系統、疾病、動物福利與生態適應的線索。過去若要從影片中精準追蹤動物的動作，研究者通常必須先挑選影像、手動標記動物身上的關鍵點，再訓練一個專門模型。DeepLabCut 這類開源工具已經大幅降低門檻，只需要數十到數百張標記影像，就能建立相當可靠的動物姿態估計模型。不過這套流程仍有一個限制，每個實驗室都可能研究相似的動物，卻反覆標記相似的身體部位，各家自己訓練相似的模型。更麻煩的是不同資料集即使都在標記小鼠的鼻子，命名上也可能使用 nose、snout、mouse1_nose 等不同名稱；有些資料集只標記 4 個點，有些標記 20 個點以上。這些不一致讓不同實驗室的資料難以整合，也限制模型跨實驗室、跨場景使用的能力。 DeepLabCut 動物行為追蹤技術 於是有人提出了 SuperAnimal 的技術，核心目標就是把動物姿態估計推向更通用的階段。研究團隊希望建立一種預訓練模型（pretrained...

人類在面對至親離世時，往往會表現出一系列情緒與行為變化，例如食慾下降、睡眠紊亂、焦慮增加，以及傾向減少社交互動等。這些變化往往同時影響生理與心理狀態，在短時間內難以維持原本的生活節奏，甚至對日常活動產生抗拒。從演化的角度來看，這些反應可能源自於高度社會化所帶來的情感投入，使得失去重要關係時，整個行為系統出現失常。相較之下，動物的悲悼行為研究仍屬新興領域，其中以母親在失去幼崽後是否出現可比擬於人類的反應，是最常拿來做行為研究的。母親與幼崽之間的關係通常被視為哺乳動物中最具代表性的社會連結，也被認為是觀察情緒反應最合適的對象。 這項研究在波多黎各的卡奧聖地亞哥島（Cayo Santiago）上進行。這座島嶼生活著許多普通獼猴（Macaca mulatta），又稱恆河猴，牠們原本自然分布於南亞至部分東亞地區，但歷史上曾經人為從印度引入這個美洲島嶼，使普通獼猴在該島上發展出多個野生族群，因此又被稱作「猴子島」。島上猴群有完整的社會階層、互動模式與繁殖行為，同時能長期在相對固定的空間內活動，使行為變化更容易被穩定追蹤。 在卡奧聖地亞哥島拍攝到的一隻普通獼猴

在野外觀察動物的一天，其實就像在閱讀一串接一串的行為片段。一隻狐獴（Suricata suricatta）清晨從地洞裡鑽出來，先在陽光下暖身，接著開始四處翻找獵物，途中可能停下來警戒四周；一隻白鼻浣熊（Nasua narica）大半天都在林下翻找食物，偶爾和同伴互動；而斑鬣狗（Crocuta crocuta）則可能在夜裡到處巡遊、覓食、或是伏地休息。這些一幕幕動作，看似單純，但組合起來就形成了每隻動物獨特的「行為序列」。研究行為學的人，正是希望透過這些序列，理解動物如何做決策、什麼因素影響牠們下一秒想做的事，以及其中是否隱藏著跨物種的共同規律。