是什么让一条鱼对人类来说是美丽的?它是否色彩鲜艳、对称、与众不同?也许你不知道这些特征,但你只是“看到它就知道”。但根据一项新研究,通过人们对图片中的鱼的吸引力进行评分,机器学习(人工智能的一种类型)神经网络能够了解人们发现哪些类型的鱼更具有美感。
事实证明,人们喜欢色彩鲜艳、身体较圆的鱼。但是,人们对美的感知和动物的保护需求之间有什么关系?
根据法国蒙彼利埃大学的Nicolas Mouquet及其同事的机器学习研究,人们认为最美丽的珊瑚鱼往往是保护支持的最低优先级。该研究于6月7日发表在开放获取的《PLOS生物学》杂志上。
研究人员在一项在线调查中要求1.3万名公众对481张珊瑚鱼的照片的审美吸引力进行评分,并使用这些数据来训练一个卷积神经网络。然后他们用训练好的神经网络对另外4400张照片进行预测,这些照片有2417种最常见的珊瑚鱼物种。
将公众的评分与神经网络的预测相结合,他们发现,身体较圆的明亮、多彩的鱼种往往被评为最美。然而,被评为更有吸引力的物种在其生态特征和进化历史方面往往不太有特色。此外,被列入世界自然保护联盟红色名录的"受威胁"或其保护状况尚未评估的物种,其平均审美价值低于被归类为"最不关注"的物种。不吸引人的物种也有更大的商业利益,而审美价值与一个物种对自给性渔业的重要性没有关系。
作者说,我们对形状和颜色的先天偏好可能是人类大脑处理颜色和图案的方式的结果,但审美价值、生态功能和灭绝脆弱性之间的不匹配可能意味着最需要公众支持的物种最不可能得到支持。不吸引人的鱼类的生态和进化的独特性使它们对整个珊瑚礁的运作很重要,它们的损失可能对这些高生物多样性的生态系统产生不成比例的影响。
Mouquet补充说:“我们的研究首次提供了2417种珊瑚礁鱼类的审美价值。我们发现,不那么漂亮的鱼类是生态和进化上最独特的物种,也是那些被确认为受威胁的物种。我们的研究强调了潜在的公众对保护的支持和最需要这种支持的物种之间可能存在的重要错配。”