A battery of image classification challenges reveals shared and distinct object categorization behavior across monkeys, humans, and deep networks

Deze studie toont aan dat apen, net als mensen en diepe neurale netwerken, objecten kunnen categoriseren op basis van abstracte regels zonder taal, waarbij hun prestaties het sterkst correleren met die van taal-onafhankelijke visuele netwerken.

De kern

De Grote Dieren- en Machine-Test: Wie herkent wat het beste?

Stel je voor dat je een enorme fotoalbum hebt met duizenden afbeeldingen: een hond, een stoel, een appel, een auto, een vuurwerk, een Chinese lantaarn. Nu stel ik je een raadsel: "Welke van deze dingen zijn levend?" of "Welke zijn gemaakt door mensen?"

Mensen vinden dit makkelijk. We weten het direct, vaak zonder na te denken. Maar wat denken apen hierover? En wat denken de slimste computerprogramma's van vandaag (kunstmatige intelligentie) hierover?

Dit wetenschappelijke artikel vertelt het verhaal van een gigantisch experiment waarbij onderzoekers drie apen, een groep mensen en verschillende computermodellen op een reeks van deze "visuele raadsels" hebben getest. Hier is wat ze ontdekten, vertaald in een simpel verhaal.

1. De "Sleep-en-Plaats" Game

De onderzoekers bedachten een slimme manier om de apen te testen. In plaats van ze te laten kijken en op een knop te drukken, kregen ze een touchscreen.

• De spelregels: Een beeld verschijnt (bijvoorbeeld een hond). Er zijn twee vakjes: één voor "Levend" en één voor "Niet-levend". De aap moet het plaatje vastpakken en sleepen naar het juiste vakje.
• Het resultaat: De apen waren verrassend snel! Ze leerden binnen een paar dagen wat "levend" versus "dood" betekent. Ze leerden ook andere regels, zoals "natuurlijk" (een boom) versus "gemaakt door mensen" (een auto), en "groot" versus "klein". Ze konden deze regels zelfs toepassen op nieuwe plaatjes die ze nog nooit hadden gezien.

2. De Apen zijn geen "Kopieerapparaatjes"

Een belangrijke vraag was: Leren de apen gewoon uit het hoofd welke foto bij welk vakje hoort?

• De test: De onderzoekers gaven de apen plaatjes die ze nooit eerder hadden gezien, of plaatjes zonder details (alleen silhouetten of tekenfilms).
• De ontdekking: De apen faalden niet. Ze begrepen het concept. Ze wisten dat een silhouet van een hond nog steeds "hond" is, ook zonder vacht of kleur. Ze waren dus geen simpele memoriseerders; ze zochten naar de echte eigenschappen van de objecten.

3. De Drie Kampioenen: Aap, Mens en Computer

Nu komt het interessante deel. De onderzoekers vergeleken hoe goed de drie groepen waren:

• De Mensen: De mensen waren de absolute kampioenen. Ze konden alles categoriseren, zelfs heel abstracte dingen zoals "Dingen die met vuur te maken hebben" (zoals een aansteker) versus "Dingen met water" (zoals een kraan). Ze gebruikten hun kennis en taal om dit te doen.
• De Apen: De apen waren heel goed in dingen die je kunt zien. Ze konden goed onderscheiden tussen groot en klein, of binnen en buiten. Maar bij de abstracte dingen (vuur vs. water, of Oosters vs. Westers) faalden ze. Ze zagen de plaatjes, maar misten de "betekenis" die we mensen hebben.
• De Computers (AI): Hier werd het fascinerend.
  • De "ouderwetse" computers (die alleen kijken naar kleuren en vormen, zonder taal) gedroegen zich precies als de apen. Ze waren goed in visuele patronen, maar faalden bij de abstracte regels.
  • De "slimme" computers (die zijn getraind met tekst en taal, zoals ChatGPT's broertjes) gedroegen zich precies als de mensen. Ze konden de abstracte regels begrijpen.

De Grootste Les: Taal is de Superkracht

Het belangrijkste verhaal van dit onderzoek is dit:

Zonder taal is het heel moeilijk om abstracte concepten te begrijpen, zelfs voor een heel slim brein.

De apen en de "visuele" computers waren als twee handen die zonder woorden proberen te communiceren: ze konden zien dat een hond op een wolf lijkt, maar ze snapten niet waarom een "vuurwerk" en een "aansteker" in dezelfde categorie vallen (beide hebben met vuur te maken), tenzij je het hen uitlegt.

De mensen (en de computers met taal) hebben die extra "superkracht" van taal. Taal helpt ons om de wereld niet alleen te zien, maar ook te benoemen en te verbinden.

Kortom:
De apen zijn uitstekende visuele detectives. Ze kunnen een foto van een boom van een foto van een auto onderscheiden. Maar om te begrijpen dat een "Chinese lantaarn" en een "Easter-egg" beide culturele symbolen zijn, heb je een taal nodig. En dat is precies wat de onderzoekers hebben laten zien: onze menselijke manier van denken is diep verweven met onze taal, terwijl apen en pure beeld-computers het doen met puur visueel inzicht.

Technische samenvatting

Probleemstelling

Mensen kunnen objecten op verschillende niveaus van abstractie categoriseren (bijv. levend vs. niet-levend, natuurlijk vs. kunstmatig, zoogdier vs. niet-zoogdier). Hoewel diepe neurale netwerken (DNN's) hebben aangetoond dat complexe visuele verwerking zonder taal of menselijke kennis dergelijke classificaties kan uitvoeren, is de vraag in hoeverre niet-menselijke primaten (apen) dit vermogen delen zonder toegang tot taal.

Bestaande studies met apen focussen vaak op basisobjectherkenning (zoals gelijkenisbeoordeling) of testen slechts één of twee specifieke classificatieregels. Er ontbreekt een systematische kwantificering van welke abstracte regels apen wel en niet kunnen leren, en hoe hun gedrag zich verhoudt tot zowel menselijk gedrag als diepe neurale netwerken (zowel visueel als taalgestuurd).

Methodologie

De auteurs ontwikkelden een nieuw, hoogdoorvoerbaar experimenteel paradigma om apen te trainen op een grote reeks binaire classificatietaken.

• Proefpersonen: Drie volwassen rhesusapen (Macaca mulatta) en 33 menselijke proefpersonen.
• Taakparadigma ("Object Drag Task"):
  • Aapjes gebruikten een touchscreen in hun kooi.
  • Na het aanraken van een rode stip verscheen een objectafbeelding en twee grijze doelvakken.
  • De proefdiere moest het object vastpakken en slepen naar het juiste vak gebaseerd op een verborgen regel (bijv. "levend" vs. "niet-levend").
  • Correcte keuzes werden beloond met sap; fouten resulteerden in een korte time-out.
  • Deze interactie (slepen) dwong de apen om de objecteigenschappen te analyseren en voorkwam impulsieve keuzes.
• Stimuli en Taken:
  • Er werden meer dan 10 verschillende classificatieregels getest (in totaal 26 taken/subtaken), variërend van concrete tot abstracte concepten.
  • Voorbeelden van regels: Levend vs. niet-levend, natuurlijk vs. kunstmatig, zoogdier vs. niet-zoogdier, groot vs. klein, binnen vs. buiten, brandgerelateerd vs. watergerelateerd, Westerse vs. Oosterse cultuur.
  • Datasets: Gebruik van grijstinten afbeeldingen zonder achtergrond en grote sets uit de THINGS-database (duizenden objecten).
  • Generalisatie: Na training (4-6 dagen) werden apen getest op nieuwe afbeeldingen die ze nog nooit hadden gezien.
• Controle-experimenten:
  • Testen met cartoons, silhouetten en lijntekeningen om te zien of apen afhankelijk waren van textuur of kleur.
  • "Random association" taken om te controleren of apen alleen specifieke beeld-associaties leerden in plaats van een algemene regel.
• Vergelijking met Modellen:
  • De prestaties van de apen werden vergeleken met een scala aan visuele modellen: van lage-niveau modellen (V1-filters, textuurstatistieken) tot state-of-the-art DNN's (AlexNet, ResNet, ViT).
  • Specifiek werden ook taalgestuurde modellen getest (CLIP, SigLIP2) die visuele en tekstuele data koppelen.
  • Menselijk gedrag werd gemodelleerd met een Drift-Diffusion Model (DDM) om "categorisatiegevoeligheid" (stimulusmoeilijkheid) te kwantificeren.

Belangrijkste Resultaten

1. Snelle Lering en Generalisatie:

   • Apen leerden de regels voor diverse abstracte concepten (zoals levend vs. niet-levend) binnen enkele dagen.
   • Ze generaliseerden deze regels succesvol naar nieuwe objecten, zelfs als deze zeer verschillend waren van de trainingsset.
   • Hun prestaties correleerden sterk met de moeilijkheidsgraad van de stimuli zoals bepaald door menselijke reactietijden en keuzenauwkeurigheid.

2. Rol van Visuele Kenmerken:

   • Apen maakten geen gebruik van lage-niveau kenmerken (zoals alleen kleur of textuur) of simpele exemplaar-herkenning.
   • Ze presteerden goed op silhouetten en cartoons, maar faalden bij "texform"-afbeeldingen (die alleen midden-niveau textuurstatistieken behouden), wat suggereert dat ze hogere visuele representaties gebruiken.
   • Hun gedrag werd het beste voorspeld door diepe neurale netwerken die alleen visuele input kregen (zonder taal), en minder goed door lage-niveau visuele modellen.

3. Grenzen van Abstrahering:

   • Apen faalden bij zeer abstracte regels die sterk afhankelijk zijn van menselijke kennis of culturele context, zoals "brandgerelateerd vs. watergerelateerd" en "Westerse vs. Oosterse cultuur".
   • Mensen presteerden bijna perfect op deze taken.
   • Visuele DNN's (zonder taal) faalden ook op deze abstracte taken, terwijl taalgestuurde modellen (zoals CLIP) hier wel goed in waren.

4. Triangulaire Vergelijking (Aap - Mens - AI):

   • Er werd een dissimilariteitsmatrix opgesteld. De resultaten tonen een spectrum:
     • Aap-gedrag ligt het dichtst bij visuele DNN's zonder taalinput.
     • Menselijk gedrag ligt het dichtst bij taalgestuurde DNN's.
   • Dit suggereert dat apen objecten categoriseren op basis van visuele structuur die in het beeld is ingebed, terwijl mensen gebruikmaken van semantische kennis en taal om abstracte concepten te vormen.

Bijdragen

• Systematisch Paradigma: De ontwikkeling van een schaalbaar trainingsparadigma dat het mogelijk maakt om apen snel te trainen op een grote batterij van abstracte classificatietaken, wat eerder onpraktisch was.
• Kwantificering van Capaciteiten: Een gedetailleerde kaart van welke objectconcepten apen wel en niet kunnen leren, wat een benchmark biedt voor biologische neurale netwerken zonder taal.
• Validatie van DNN's: Sterke ondersteuning voor het idee dat visuele DNN's (zonder taal) goede modellen zijn voor het objectherkenningsvermogen van primaten, terwijl taalgestuurde modellen nodig zijn om menselijk gedrag te verklaren.

Significantie

De studie biedt cruciale inzichten in de evolutie van objectherkenning en de rol van taal in conceptvorming. Het toont aan dat veel abstracte objectconcepten (zoals "levend" of "groot") structureel in visuele beelden zijn verankerd en door primaten (en visuele AI) kunnen worden afgeleid zonder taal. Echter, voor concepten die sterk afhankelijk zijn van culturele kennis of semantische associaties (zoals cultuur of brandgevaar), is taal essentieel voor mensen. Dit onderscheid helpt de kloof te overbruggen tussen biologische visuele systemen en kunstmatige intelligentie, en benadrukt dat taal een fundamentele drijvende kracht is voor de menselijke capaciteit tot hoge abstractie.