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、與眾不同？也許你不知道這些特徵，但你只是“看到它就知道”。但根據一項新研究，通過人們對圖片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，人們對美的感知和動物的保護需求之間有什麼關係？

根據法國蒙彼利埃大學的Nicolas Mouquet及其同事的機器學習研究，人們認為最美麗的珊瑚魚往往是保護支持的最低優先級。該研究於6月7日發表在開放獲取的《PLOS生物學》雜誌上。

研究人員在一項在線調查中要求1.3萬名公眾對481張珊瑚魚的照片的審美吸引力進行評分，並使用這些數據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。

將公眾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態特徵和進化歷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，其平均審美價值低於被歸類為”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係。

作者說，我們對形狀和顏色的先天偏好可能是人類大腦處理顏色和圖案的方式的結果，但審美價值、生態功能和滅絕脆弱性之間的不匹配可能意味著最需要公眾支持的物種最不可能得到支持。不吸引人的魚類的生態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態系統產生不成比例的影響。

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態和進化上最獨特的物種，也是那些被確認為受威脅的物種。我們的研究強調了潛在的公眾對保護的支持和最需要這種支持的物種之間可能存在的重要錯配。”