Verborgene Algorithmen steuern das Verhalten von Tieren

MÜNCHEN (IT BOLTWISE) – In der Tierwelt, wo Raubtiere lauern und Beutetiere fliehen, zeigt sich eine faszinierende Vielfalt an Verhaltensweisen. Doch eine neue Studie legt nahe, dass es eine zugrunde liegende Struktur gibt, die die Bewegungen von Tieren ordnet, unabhängig von ihrer ökologischen Umgebung.

In der Tierwelt, wo Raubtiere lauern und Beutetiere fliehen, zeigt sich eine faszinierende Vielfalt an Verhaltensweisen. Doch eine neue Studie legt nahe, dass es eine zugrunde liegende Struktur gibt, die die Bewegungen von Tieren ordnet, unabhängig von ihrer ökologischen Umgebung. Forscher des Max-Planck-Instituts für Verhaltensbiologie haben herausgefunden, dass Tiere wie Erdmännchen, Coatis und Hyänen trotz ihrer unterschiedlichen Lebensräume und Verhaltensweisen ähnliche Muster in der Art und Weise zeigen, wie sie zwischen Aktivitäten wechseln.

Durch den Einsatz von Beschleunigungsmessern und maschinellem Lernen konnten die Wissenschaftler feststellen, dass die Wahrscheinlichkeit, dass ein Tier sein Verhalten ändert, mit der Dauer des aktuellen Verhaltens abnimmt. Dieses Phänomen, bekannt als “abnehmende Hazard-Funktion”, deutet darauf hin, dass ein verborgener Algorithmus die Verhaltenssequenzen von Tieren steuert. Diese Entdeckung wirft die Frage auf, warum solche Muster überhaupt auftreten.

Die Forscher schlagen zwei mögliche Erklärungen vor. Erstens könnte positives Feedback eine Rolle spielen: Je länger ein Tier in einem Zustand verweilt, desto wahrscheinlicher ist es, dass dieser Zustand belohnt wird, sei es durch Wärme, Sicherheit oder soziale Verstärkung. Zweitens könnte eine Entscheidungsfindung auf mehreren Zeitskalen beteiligt sein, bei der Tiere Signale aus verschiedenen Prozessen integrieren, wie Hunger, Bedrohungen oder soziale Kontexte.

Die Studie, die in der Fachzeitschrift PNAS veröffentlicht wurde, zeigt, dass diese Muster nicht nur bei den untersuchten sozialen Säugetieren auftreten, sondern möglicherweise auch bei anderen Arten zu finden sind. Dies könnte darauf hindeuten, dass es fundamentale Eigenschaften der Verhaltensdynamik gibt, die solche konvergenten Muster antreiben.

Die Entdeckung dieser gemeinsamen Verhaltensmuster könnte weitreichende Implikationen für das Verständnis der Entscheidungsprozesse von Tieren haben. Sie könnte auch neue Perspektiven für die Erforschung von Verhaltensweisen in anderen Tiergruppen eröffnen, einschließlich nicht-sozialer Arten oder solcher, die unter unterschiedlichen ökologischen Bedingungen leben.

Die Forscher hoffen, dass zukünftige Studien diese Muster weiter untersuchen und möglicherweise auf andere Tierarten ausweiten werden. Dies könnte nicht nur unser Verständnis der Tierwelt vertiefen, sondern auch neue Ansätze für den Schutz und das Management von Wildtierpopulationen bieten.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!