为了更好地研究野生动物，科学家正在让它们通过 AI“刷脸”领香蕉。
哥斯达黎加西北部的塔博加森林保护区（Taboga Forest Reserve）里，生活着一群白面卷尾猴。多年来，埃默里大学（Emory University）的人类学教授玛尔塞拉·贝尼特斯（Marcela Benítez）都想找到一种好办法，在野外测试这些猴子的行为模式和认知水平。
2025 年，研究人员在野外布置了一台类似触屏电脑的机器，下方是个与自动贩卖机取货口相近的开口。没过多久，卷尾猴帕皮（Papi）走向这个新玩意，好奇地绕了几圈，嗅了嗅就径直走开了。
后来，帕皮又重新回到机器前，试图和屏幕互动，很快就掌握了这台机器的正确用法：把左手按在蓝色方块上，右手顺势放在下方的取食口，它低着头，准备接受一片干香蕉的“馈赠”。
这个令人和猴子乍一看都有些摸不到头脑的机器名为 CapuchinAI，由猴脸识别模型驱动，是马尔赛拉团队的新成果，他们希望借此改变学界研究野生灵长类心智的固有方式。
在野外收集实验室级别的数据
灵长类认知研究长期面临的困境是，科学家固然可在实验室里进行精细的变量控制和多次测量，但圈养动物往往已脱离它们大脑演化时所处的复杂环境；野外测试能揭示动物在真实情境中的行为，但状况往往超出掌控范围，很难获得可比较、可重复的量化数据。
近些年，智能设备的普及为研究动物的野外行为提供了机会。2023 年，洛桑大学（University of Lausanne）团队在南非部署过一套便携触屏系统，证明触屏仪器可在野外正常运作，灵长类动物也愿意与之互动，但实验流程仍需专人在现场手动切换任务，且无法确切统计哪些猴子分别参与了多少次测试。
在前人基础上，玛尔塞拉团队想用一套结合机器学习面部识别、触摸屏和自动奖励分配的野外系统，进一步缩小野外实验和室内测试的距离。
推进这项工作的最大障碍，是如何为野生灵长类个体做一套精准的野外“FaceID”。在人类社会中，稳定的光照、标准可控的姿态和海量训练数据保证了识别的精确性；而野生猴子生活在光线变化频繁的树冠层，更不可能遵循指令完成“猴脸采集”。
在野外灵长类面部识别领域，2019 年，牛津大学（Oxford University）联合京都大学开发出一套黑猩猩识别系统，利用包含 23 只黑猩猩、约 50 小时视频、约 1000 万张面部图像的数据集，训练出身份识别准确率达到 92.5%、性别识别准确率 96.2% 的模型。但这项工作的验证基于历史档案视频离线处理，也无法进一步实时驱动下游反馈。
经过考量，CapuchinAI 团队选择了实时目标检测算法 YOLOv7 的轻量版本，该模型专为检测高帧率视频流中的物体设计。他们利用过去几年记录下的 6 只卷尾猴视频，训练出猴脸识别模型 MultipleCapuchins v1.0，准确率最高可达 97.5%。把测试图像旋转、缩放、剪切、翻转、改变亮度后，模型的识别性能仍保持在 90% 左右。
识别静态图像只是第一步，为了让模型可在电池供电的小型计算机上运行、被独立放置于野外且驱动物理装置完成“识别-任务-奖励”的流程，研究人员用高性能单片机树莓派 5（Raspberry Pi 5）作为 CapuchinAI v1.0 的主控。
显示屏上搭载的红外触摸功能，可被手指、手掌、指甲、嘴巴甚至舌头触发，更符合野生动物的“操作习惯”。装置还包括一颗全高清网络摄像头和一个食物分配器。整套系统装在木框里，由两块旅行充电宝和一块 12 伏电池组供电，续航可达 8 小时以上。
不过，在本次发表的工作中，实际部署的是前述身份识别模型的降级版本，它只能分辨出现在镜头前的是不是一只卷尾猴。原因在于，原始模型是“闭集”分类器，只能分辨训练数据里的卷尾猴，遇到未被纳入训练的卷尾猴时就会出问题。
装置放置在野外后，摄像头会持续扫描，一旦检测到卷尾猴脸立即开始录像，直到视野中 10 秒没有再检测到脸再停止；屏幕上默认显示蓝色方块，只有在识别到卷尾猴脸的情况下，触屏事件才会触发分配器旋转、掉出一片干香蕉；触发结束，屏幕冷却 2 秒后恢复原状。
“先识别卷尾猴脸才可能发奖励”的双重条件在实际部署中避免了不少麻烦，测试平台附近偶尔有长鬃吼猴和白鼻浣熊出没，它们也会靠近装置。团队在实验室中用其他物种的图像测试过这套识别流程，均未触发反应，只是偶尔会把人脸认成卷尾猴。由于野外并没有“野人”，这不会影响系统运行。
让猴子玩游戏，顺带做个研究
2025 年 7 月至 8 月，团队把 CapuchinAI v1.0 搬进塔博加保护区，在 2 个已知卷尾猴群体的活动范围中进行为期两周、共计 6 次的测试。
结果显示，共计约 16 只卷尾猴与装置直接互动，另有 14 只在旁围观。参与互动的猴子中有 10 只学会了触屏获取奖励；其中 8 只被认为已形成 “完整关联”，它们不再随意摸索装置的各个部位，而是专注地按屏幕，还作出了转向出食口、伸手等待等预期性动作。其中 5 只在中断实验 1 周再恢复时依然能立刻出现这套行为，证明关联已经留在了它们的脑海中。
开头的帕皮是其中一个族群的首领，它在第 3 次测试中就建立了关联，到试验结束之时还保留着稳定使用装置的习惯。而在帕皮开始拿到食物时，跟它结伴出现的亚成年雄性个体皮贝（Pibe）还只是探索性地触摸和近距离观察，到第 4 次也形成了完整关联。
一些个体的经历还揭示，这种方法有助于识别动物群体中隐藏的社会学规律。
例如，幼年雄性个体普罗博西斯（Proboscis）从第 2 次就开始尝试触屏，但连续多次被帕皮和皮贝挤走，直到第 5 次终于形成关联。团队发现，最频繁使用装置的是成年和亚成年雄性；成年和幼年雌性都曾在试图参与互动时被排挤离开。这些案例表明，野外“自愿参与”采集的数据多样性也会受到社会层级的影响。
另外，成年雄性普鲁托（Pluto）在前 5 次测试中几乎没有直接互动，但在第 6 次“偷看”皮贝触屏并趁机偷走香蕉后，也迅速掌握了这套逻辑，这种行为极可能属于某种社会学习。当然，还有一些倒霉的个体在第 6 次测试中终于学会用这套设备，但食物恰好分完了，只能遗憾离场。
用上机器学习之后，人类学者也不能“偷懒”
研究者指出，CapuchinAI 目前还不是万能的研究工具。它最适合部署在猴群已经习惯研究者长期存在、频繁搭建固定测试平台的地点；另外，如果没有前期的了解和积累，直接把陌生的机器扔进丛林，很难收到有效反馈。
装置对物种的天性也有要求：卷尾猴属于对新事物警觉性低、探索欲强的物种，对新事物高度警觉的物种未必适用这一测试平台。
团队目前正在基于 v1.0 部署期间收集的互动个体视频，训练一个能真正区分 16 只参与交互个体的模型版本。
未来，他们对 v2.0 的完整设想是：一只卷尾猴走近装置，系统认出它的身份，从数据库中调出它的任务进度，并在屏幕上呈现后续题目；如果模型认为面前的是一只陌生个体，屏幕将退回蓝色方块模式，同时启动录像收集新数据；装置支持一次识别多只在场个体，可判断哪只离屏幕最近、为其分配对应任务；也可以设置规则，比如在某只“惯偷”猴子进入平台时暂停任务、待其离开后再恢复。
以往的野外实验大多使用一次性“谜题箱”（puzzle box，需要动物想办法打开才能获取其中食物的机关盒子），只能看出这个群体大致会做到什么程度，无法追踪“具体某只猴子在一段时间里的认知能力发生了哪些变化”。
如果进展顺利，这项工作将攻克野外认知研究中收集长期、个体化、跨认知维度纵向数据的难题。
这相当于把实验室里经过验证的经典范式搬进丛林，为猴群里的每只个体建立一份可持续更新的认知档案，让野生动物自愿参与，记录它们的终生信息。
而把机器学习引入田野灵长类学，能解放科学家的生产力吗？在玛尔塞拉看来，AI 再强大，研究人员和动物建立的深厚理解与信任依然是最不可替代的。
他们在论文中强调，机器学习的核心机制是通过降低复杂度来优化数据分类，本质上是一种为效率而生的技术。但从今西锦司（Kinji Imanishi）、珍·古道尔（Jane Goodall）再到弗兰斯·德瓦尔（Frans de Waal），灵长类学的传统优势恰恰建立在“厚描述”和沉浸式田野工作之上。
对具体个体、具体群体、具体生态背景的深入了解，没有捷径，只能在丛林里蹲守几年、数十年，甚至一生。
团队之所以放心地把 AI 装置送进保护区，正因为他们已经与森林里的 4 个猴群共处近 10 年，能看懂猴子们互动时的每一个细微反应，熟悉他们的社会关系和性格。
科学家提醒，如果为了“偷懒”而将机器学习带到野外，只会破坏学科发展的根基。技术走进了丛林，并不代表人就可以离场。
参考内容：
https://onlinelibrary.wiley.com/doi/full/10.1002/ajp.70194
https://www.science.org/doi/10.1126/sciadv.aaw0736
https://news.emory.edu/features/2026/07/ai-opens-new-era-cognitive-studies-wild-primates
https://github.com/fsanch4/capuchin-ai-touchscreen https://github.com/raks097/live_capuchin_detection
注：封面/首图由 AI 辅助生成
热门跟贴