因為自然選擇塑造的人腦和你的生活過程的共同作用讓你產生了這種錯覺。
動物的骨骼·肌肉·皮膚·毛發等的生長和人一樣受到內外因素影響，同種動物的內骨骼·外骨骼·水骨骼的形狀·長短·粗細、肌肉發達程度·形狀·位置關系、感覺器官·口·附肢·肛門等部件的形態和相對位置、毛發·皮膚·外殼等的長度·顏色·花紋、在生活過程中留下的傷痕·歪曲變形等各有區別。
你辨識人臉和他人動作姿態的能力建立在過去幾百萬年裏我們這個物種演化出來的 神經生物學基礎 和你在嬰兒時期大量觀看的 他人面部、他人運動 的基礎上，是一套復雜的、可損壞的系統，一旦出故障就無法分辨他人的面部外貌特征和動作，正常執行的時候對不熟悉的人種也難以起作用，例如中國許多人覺得黑人長得都一樣，黑人·白人也經常覺得中國人長得都一樣。
電腦沒有人的這一套面部辨識系統，不帶類似的偏見，因此用電腦辨識動物的外貌特征就可以證明「其他動物的外貌特征其實差異化得很」。2019年發表的一項研究 [1] 顯示，對於14年間的影片記錄中的一千萬張野生黑猩猩面部數據，人工智能面部辨識達到了92.5%的個體辨識率、96.2%的性別辨識成功率。2020年發表的一項研究 [2] 顯示，基於65000張大熊貓面部影像的人工智能面部辨識達到了95%的個體辨識率。這表明面部影像可能是辨識哺乳動物個體的通用特征。
以下參照自【中國科學報】張行勇：
西安電子科技大學教授苗啟廣團隊與西北大學研究人員展開合作，透過設計具有多路關註機制的深度神經網絡模型，研發出一套較為完整的動物面部特征檢測、追蹤和辨識系統「Tri-AI」，實作了適用於多物種個體辨識的研究目標。近日，相關成果發表於【交叉科學】。
研究團隊在野外和動物園進行了動物面部數據采集，並建立了動物面部辨識數據庫。據論文作者之一的郭松濤介紹，Tri-AI系統對41個靈長類物種共計1040只個體的102399幅面部影像，以及4個非靈長類物種共計91只個體的6562幅面部影像進行了實驗驗證。結果顯示， Tri-AI系統對個體數量多於18的21個物種的個體辨識準確率為93.8%，遠超過人工辨識的準確率 。此外，該系統可相容夜視影像的分析，可實作基於夜視影像的個體身份辨識，進而可實作全天候的動物研究。
該系統驗證了基於多物種的自動個體辨識的理論假設的科學性， 滿足了「無觀察者幹擾」的行為學研究的理想條件要求 ，將研究者從對動物個體辨識與追蹤記錄的任務中解放出來，推動了動物行為學研究進展。
相關論文資訊 [3]
參考
- ^ DOI: 10.1126/sciadv.aaw0736
- ^https://doi.org/10.1016/j.biocon.2020.108414
- ^ https://doi.org/10.1016/j.isci.2020.101412
