“你正被监视着。”
与电视剧《疑犯追踪》中的情节相似，在美国，受到视频监控是一件真实存在的事情。摄像头无处不在，捕捉每一个动作，希望能发现最恶劣的行为并向当局提供信息。但现实与节目中的虚构之间存在差异。与节目中的“机器”不同，收集所有这些信息的计算机无法仅仅根据行为来预测一个人的本质。
计算出一个方程来提前确定一个人的本质和/或行为并非易事。每一个细微动作的所有可能选项的组合使得精确计算几乎不可能，尤其是在单次观察的情况下。已经取得了一些成功，特别是在 国际象棋 比赛中。通过检查眼球运动可以提供足够的信息来确定下一步棋。但这需要对几场比赛进行持续观察，并且还需要对玩家的经验有所了解。
在 2013 年，社交信号处理概念的提出为该技术带来了新的动力。这一系列原则不仅来自物理学，还来自社会学、情感学和心理学等科学分支，被用于编程软件以确定可能的下一步行动。该团队利用计算机视觉和模式识别技术，提出可以将从浪漫到威胁的人类互动进行预测。虽然这是一个伟大的理论，但尚未得到验证。
也许是去年，随着一个针对行人的视频智能系统的开发，人们才真正实现了通过行为来跟踪人的最先进形式。 去年 在这种情况下，根据个体过马路的速度来评估其行为。如果速度不够快，无法在规定时间内通过，计算机就能立即识别出该人可能无法通过，并有被撞的危险。虽然这是一个很大的进步，但行为预测是基于已知常数计算的，例如绿灯亮起的时间以及个体在固定距离内的已知速度。本质上，它是反应性的，而不是预测性的。
随着人类技术当前状态的不断发展，微生物技术似乎也取得了一定的进展。正如欧洲三位 研究人员 所展示的，视频监控有助于根据细菌的运动识别其物种。实时观测还可以帮助发现和收集行为模式，以识别微生物群体内的特定功能。
该团队使用了一个新的处理、分析和解释软件包，他们称之为 BEMOVI。该软件旨在从一系列实时视频图像中提取人口密度、形态和运动的组合信息。当与高分辨率相机一起使用时，可以检测和跟踪数万个单独的细菌。
BEMOVI 是使用开源、跨平台软件开发的，并专注于两个特定功能。第一个是定位和测量。另一个是在二维尺度上连接运动轨迹。一旦收集到这些信息，就会检查其阈值是否合适、与背景的比较以及最终形态的一致性。完成后，就可以使用一种名为 随机森林 的机器学习原理来分析信息，从而根据各种物理和行为特征预测物种。
实际实验是在模拟水生环境中进行的，该环境包含营养培养基和细菌，并使用了一批原生动物。在孵育一天以确保混合物中微生物生命足够密集后，BEMOVI 被投入测试。目标是仅通过收集到的图像准确识别原生动物的物种。
第一次测试是在实时环境中进行的。结果确实令人印象深刻。仅凭视觉进行物种分类的成功率为 84%。当将运动纳入其中时，准确率上升到 89%。唯一的缺点是，极近缘物种无法准确区分。下一个测试是观察培养物 28 天，并根据其行为预测物种。该团队能够准确地识别物种，即使在形态、密度和运动发生各种变化的情况下也是如此。这表明 BEMOVI 不仅可以监测群落生态，还可以深入了解实时发生的情况。
BEMOVI 研究的结果揭示了如何追踪和分析行为参数来识别特定物种。诚然，这项特定研究不能外推到人类及其行为。但其价值在于对少数参数进行的相对稳健的分析。这表明可预测性可能并不像我们想象的那么复杂。少量的特征，如运动、人口密度，甚至与当地环境的互动，可能就足以了解一个生物体是如何存在的。也许随着我们沿着进化阶梯向上攀升，并增加一些参数，我们就能在动物，甚至有一天在人类采取行动之前，就了解它们可能会如何行动。
