因为自然选择塑造的人脑和你的生活过程的共同作用让你产生了这种错觉。
动物的骨骼·肌肉·皮肤·毛发等的生长和人一样受到内外因素影响，同种动物的内骨骼·外骨骼·水骨骼的形状·长短·粗细、肌肉发达程度·形状·位置关系、感觉器官·口·附肢·肛门等部件的形态和相对位置、毛发·皮肤·外壳等的长度·颜色·花纹、在生活过程中留下的伤痕·歪曲变形等各有区别。
你识别人脸和他人动作姿态的能力建立在过去几百万年里我们这个物种演化出来的 神经生物学基础 和你在婴儿时期大量观看的 他人面部、他人运动 的基础上，是一套复杂的、可损坏的系统，一旦出故障就无法分辨他人的面部外貌特征和动作，正常运行的时候对不熟悉的人种也难以起作用，例如我国许多人觉得黑人长得都一样，黑人·白人也经常觉得中国人长得都一样。
计算机没有人的这一套面部识别系统，不带类似的偏见，因此用计算机识别动物的外貌特征就可以证明「其他动物的外貌特征其实差异化得很」。2019年发表的一项研究 [1] 显示，对于14年间的视频记录中的一千万张野生黑猩猩面部数据，人工智能面部识别达到了92.5%的个体识别率、96.2%的性别识别成功率。2020年发表的一项研究 [2] 显示，基于65000张大熊猫面部图像的人工智能面部识别达到了95%的个体识别率。这表明面部图像可能是识别哺乳动物个体的通用特征。
以下引用自【中国科学报】张行勇：
西安电子科技大学教授苗启广团队与西北大学研究人员展开合作，通过设计具有多路关注机制的深度神经网络模型，研发出一套较为完整的动物面部特征检测、追踪和识别系统「Tri-AI」，实现了适用于多物种个体识别的研究目标。近日，相关成果发表于【交叉科学】。
研究团队在野外和动物园进行了动物面部数据采集，并建立了动物面部识别数据库。据论文作者之一的郭松涛介绍，Tri-AI系统对41个灵长类物种共计1040只个体的102399幅面部图像，以及4个非灵长类物种共计91只个体的6562幅面部图像进行了实验验证。结果显示， Tri-AI系统对个体数量多于18的21个物种的个体识别准确率为93.8%，远超过人工识别的准确率 。此外，该系统可兼容夜视影像的分析，可实现基于夜视图像的个体身份识别，进而可实现全天候的动物研究。
该系统验证了基于多物种的自动个体识别的理论假设的科学性， 满足了「无观察者干扰」的行为学研究的理想条件要求 ，将研究者从对动物个体识别与追踪记录的任务中解放出来，推动了动物行为学研究进展。
相关论文信息 [3]
参考
- ^ DOI: 10.1126/sciadv.aaw0736
- ^https://doi.org/10.1016/j.biocon.2020.108414
- ^ https://doi.org/10.1016/j.isci.2020.101412
