識別面孔對於我們如何在復雜的社會中進行互動至關重要，並且通常被認為是一種需要大腦人類大腦復雜化的能力。
但是我們發表的新證據 心理學前沿 表明像蜜蜂這樣的昆蟲（蜜蜂）和歐洲黃蜂（黃蜂尋常型）使用與人類相似的視覺處理機制，可實現可靠的人臉識別。
儘管昆蟲的大腦很小。 與構成人腦的86,000百萬相比，它們含有不到一百萬個腦細胞。
了解大腦的大小可以使復雜的任務得到有效解決，這當然很有趣，但也具有實際意義。 它使我們能夠了解大腦是如何進化的，以及如何考慮設計可能反映生物大腦效率的人工智能（AI）。
輕鬆但複雜
我們非常擅長識別熟悉的面孔。 想想在火車站遇見一位朋友的情況，那裡有數百人經過，他們都向不同的方向前進。 突然間，遠處一瞥熟悉的面孔意味著我們找到了合適的人選。
這似乎毫不費力，但AI解決方案通常很難在復雜情況下識別面部。
我們在識別面部方面的專業知識主要基於“整體處理” - 將不同的面部特徵粘合在一起以提供卓越的識別。 這被認為是一種複雜的認知過程，隨著觀看面孔的經驗而發展。 一旦我們熟悉了一張臉，就會將不同的特徵 - 如眼睛，鼻子，嘴巴和耳朵 - 作為“格式塔”（包含所有元素的單元）一起處理，以便我們可靠地識別個體。
有趣的是，雖然整體處理最常用於識別面部，但當我們成為其他視覺任務的專家時 - 比如在狗展或收集經典汽車時 - 我們的大腦也採用整體處理來在這些領域實現卓越的識別能力。
因此，整體處理可以是識別重要對象的一般原則。 這更有用，因為它意味著整體處理對於開發改進的AI解決方案具有價值，例如快速準確地識別快速增長的入侵植物 AgTech行業.
我們有興趣知道整體處理原理在不同的動物中有多普遍，所以我和我的同事著手測試昆蟲如何解決面部識別任務。
帶上昆蟲
蜜蜂是一種非常容易理解的視覺處理動物。 可以訓練個體蜜蜂學習複雜問題，以獲得甜蜜的獎勵。 最近，我們以相同的方式開發了測試黃蜂的方法。
來自美國研究小組的其他證據顯示紙黃蜂（Polistes fuscatus）可以非常可靠地學習其他紙黃蜂的面部，並且似乎已經進化出專門的腦機制 黃蜂臉部處理.
缺少的是通過對個別面部特徵的簡單解釋，或者使用更複雜的“整體圖像”解釋 - 整體面部處理 - 來理解這是否發生在昆蟲中，就像在人類中發生的那樣。
我們決定測試蜜蜂和歐洲黃蜂的整體面部處理的可能性，使用經過訓練的人員完成受操縱面部的測試。
測試面部處理
已經存在兩個非常有用的測試來確定人類受試者使用整體面部處理：這些是 部分整體效應和 複合面效應.
部分整體效應 揭示當眼睛，鼻子或嘴巴等臉部特徵被孤立地感知時，與在全臉背景下觀看這些特徵時相比，識別臉部更難。
複合面效應 指的是正確的內部特徵（如眼睛，鼻子和嘴巴）在不正確的外部特徵的背景下觀察時性能準確性的大幅下降。
在熟悉的面部的人工處理中，不同的元素特徵被粘合在一起形成完形，以提高面部識別的準確性。
我知道那張臉
當我們使用這些原理來測試昆蟲時，蜜蜂和黃蜂都能夠學習人臉的消色差（黑白）圖像。
然後，蜜蜂和黃蜂都進行了四次額外的單獨測試。 結果表明，儘管這些昆蟲沒有處理人臉的進化理由，但它們的大腦通過創建複雜圖像的整體表示來學習可靠的識別。 他們將特徵結合在一起以識別特定的人臉。
我們現在知道昆蟲的小腦可以可靠地識別出至少有限數量的面孔。 這表明，在人類中，我們大腦的優勢可能是我們能夠記住的大量個體。
這些新信息有助於我們了解如何在人類和其他靈長類動物中進化非常複雜的面部處理專業知識。
不同動物對各種複雜視覺問題使用整體處理的證據表明，這可能是探索開發人工智能解決方案以獲得可靠識別的有用方法。
關於作者
Adrian Dyer，副教授， RMIT大學
相關書籍
at InnerSelf 市場和亞馬遜
