Eine aktuelle Untersuchung, veröffentlicht in der Fachzeitschrift eLife, zeigt, dass Rhesusaffen in der Lage sind, komplexe visuelle Kategorien zu erlernen und auf neue Bildbeispiele zu verallgemeinern – ein Befund, der bisher hauptsächlich Menschen zugeschrieben wurde.
Methodik
Die Forscher trainierten drei Affen in einem binären Entscheidungsparadigma über mehr als 315 000 Durchgänge. In rund zehn Aufgaben wurden jeweils zwei Bildkategorien gegenübergestellt, etwa lebendig versus leblos, indoor versus outdoor oder groß versus klein. Die Tiere erhielten sofortiges Feedback zu ihren Entscheidungen und wurden anschließend mit zuvor unbekannten Bildern geprüft.
Ergebnisse
Die Affen erlernten die jeweiligen Kategorien innerhalb von zwei bis drei Tagen und konnten die gelernten Regeln zuverlässig auf neue Objekte übertragen, sofern die Kategorien eine klare visuelle Struktur aufwiesen. Bei willkürlich zugewiesenen Kategorien oder kulturell geprägten Unterscheidungen (z. B. östliche versus westliche Objekte) war die Lerngeschwindigkeit geringer und die Generalisierung schlechter.
Vergleich mit Menschen und künstlicher Intelligenz
Durch den Vergleich des Verhaltens der Affen, von Menschen und verschiedener KI‑Modelle ergab sich, dass das Affenverhalten den Netzwerken am nächsten liegt, die ausschließlich Bilddaten ohne sprachliche Annotationen verarbeitet haben. Das menschliche Verhalten korrelierte stärker mit Modellen, die Bild‑ und Sprachinformationen gemeinsam lernten.
Bedeutung
Die Studie liefert den ersten umfassenden Nachweis, dass Affen hochgradige, nicht‑sprachliche Kategorisierungsfähigkeiten besitzen, die mit modernen Bild‑Only‑Netzwerken vergleichbar sind. Die umfangreichen Verhaltensdaten bieten ein anspruchsvolles Testfeld für zukünftige computationale Modelle der Primatenvision.
Offene Fragen
Ungeklärt bleibt, ob die Affen das Konzept von Lebendigkeit wirklich verstehen oder lediglich visuelle Muster nutzen. Weitere Forschung könnte untersuchen, ob ein stärker variierter Lebensraum die kulturelle Kategorisierung verbessert und ob prädiktive Modelle bereits vor Experimentbeginn die Lernschwierigkeiten einzelner Regeln prognostizieren können.
Dieser Bericht basiert auf Informationen von eLife, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung