«Изучение сигналов, которые виды используют для различения друг друга, часто представляет собой проблему для ученых», — объясняет Джеймс Хайэм, доцент антропологии Нью-Йоркского университета и один из авторов исследования, опубликованного в журнале Proceedings of the Royal Society. B. «Многие виды в настоящее время редки, и в случае с этими конкретными обезьянами они живут высоко в пологе тропического леса, поэтому до них очень трудно добраться».
«В основе нашего исследования лежала предпосылка о том, что если такая характеристика, как индивидуальная идентичность, может быть надежно классифицирована по внешнему виду или тому, что мы называем« визуальными сигналами », то эти сигналы могли частично развиваться с целью передачи этой характеристики», — говорит автор исследования Уильям Аллен, который выполнял эту работу в Нью-Йоркском университете, но в настоящее время является исследователем с докторской степенью в Университете Халла (Великобритания).«Мы стремились проверить способность компьютера делать что-то похожее на то, что сделал бы генон, смотрящий на лица других генонов», — добавляет Аллен. «Мы сделали это, измерив визуальные атрибуты на фотографиях лиц генонов и попросив компьютер попытаться разделить различные группы как можно точнее на основе этих измерений».Их исследование основывалось на более чем 500 фотографиях 12 видов генонов, собранных в различных условиях: в зоопарках США и Великобритании и в заповеднике дикой природы в Нигерии. Авторы отмечают, что геноны представляют собой особенно интересную и визуально поразительную группу для изучения со многими близкородственными видами, которые демонстрируют удивительное разнообразие красочных узорчатых лиц.
Анализ был сосредоточен на конкретных визуальных сигналах генона — лицевых моделях, описанных с использованием техники «собственного лица», метода, используемого в компьютерном зрении для распознавания лиц, а также на участках бровей и пятен на носу, сегментированных из изображений. Отсюда исследователи проверили, может ли алгоритм точно выполнить следующее: идентифицировать отдельных генонов, классифицировать их по видам из 12 в выборке и определить возраст и пол каждого человека.Их результаты показали, что компьютер может использовать как общий рисунок лица, так и пятна на бровях и пятна на носу, чтобы правильно классифицировать виды и идентифицировать людей, но не их возраст или пол.«Причина, по которой машинное обучение не может классифицировать возраст и пол, заключается в том, что модели лица не отличаются между мужчинами и женщинами и не меняются с возрастом», — отмечает Хайэм. «Это говорит о том, что передача этих характеристик другим не была важным фактором в эволюции внешнего вида генона».
«Напротив, тот факт, что виды и индивидуальная идентичность могут быть надежно классифицированы, предполагает, что способность указывать эти вещи другим была сильным фактором в эволюции лиц генонов», — добавляет он. «В более широком смысле, эти результаты демонстрируют, что лица очень надежны для классификации по видам и что визуальные подсказки сыграли важную роль в излучении этой группы на очень много разных видов».