是什麼讓一條魚對人類來說是美麗的?它是否色彩鮮豔、對稱、與衆不同?也許你不知道這些特征,但你隻是“看到它就知道”。但根據一項新研究,通過人們對圖檔中的魚的吸引力進行評分,機器學習(人工智能的一種類型)神經網絡能夠了解人們發現哪些類型的魚更具有美感。
事實證明,人們喜歡色彩鮮豔、身體較圓的魚。但是,人們對美的感覺和動物的保護需求之間有什麼關系?
根據法國蒙彼利埃大學的Nicolas Mouquet及其同僚的機器學習研究,人們認為最美麗的珊瑚魚往往是保護支援的最低優先級。該研究于6月7日發表在開放擷取的《PLOS生物學》雜志上。
研究人員在一項線上調查中要求1.3萬名公衆對481張珊瑚魚的照片的審美吸引力進行評分,并使用這些資料來訓練一個卷積神經網絡。然後他們用訓練好的神經網絡對另外4400張照片進行預測,這些照片有2417種最常見的珊瑚魚物種。
将公衆的評分與神經網絡的預測相結合,他們發現,身體較圓的明亮、多彩的魚種往往被評為最美。然而,被評為更有吸引力的物種在其生态特征和進化曆史方面往往不太有特色。此外,被列入世界自然保護聯盟紅色名錄的"受威脅"或其保護狀況尚未評估的物種,其平均審美價值低于被歸類為"最不關注"的物種。不吸引人的物種也有更大的商業利益,而審美價值與一個物種對自給性漁業的重要性沒有關系。
作者說,我們對形狀和顔色的先天偏好可能是人類大腦處理顔色和圖案的方式的結果,但審美價值、生态功能和滅絕脆弱性之間的不比對可能意味着最需要公衆支援的物種最不可能得到支援。不吸引人的魚類的生态和進化的獨特性使它們對整個珊瑚礁的運作很重要,它們的損失可能對這些高生物多樣性的生态系統産生不成比例的影響。
Mouquet補充說:“我們的研究首次提供了2417種珊瑚礁魚類的審美價值。我們發現,不那麼漂亮的魚類是生态和進化上最獨特的物種,也是那些被确認為受威脅的物種。我們的研究強調了潛在的公衆對保護的支援和最需要這種支援的物種之間可能存在的重要錯配。”