它们已被用于寻找索尔兹伯里诺维乔克投毒者, 发现谋杀案嫌疑人甚至发现性掠夺者。现在，研究揭示了为什么超级识别器如此擅长识别面孔的新见解。
先前的研究表明，具有非凡识别能力的人比普通人会观察面部的更多区域。
现在，研究人员已经使用一种人工智能来揭示这种方法如何帮助他们提高能力。
该研究的第一作者、来自悉尼新南威尔士大学的詹姆斯·邓恩 (James Dunn) 博士说：“这不仅仅是到处寻找，而是让自己看起来很聪明。”
写在日记里英国皇家学会学报 B：生物科学Dunn 及其同事报告了他们如何利用之前一项研究中的眼球追踪数据，该研究涉及 37 个超级识别器和 68 个典型识别器。
在这项工作中，参与者看到了全脸的照片和他们所看到的脸部区域部分可见的照片。
在这项新研究中，研究小组使用这些数据来重建参与者眼睛看到的实际视觉信息。
然后，这些“视网膜信息”被输入深度神经网络 (DNN)（一种人工智能系统），经过训练可以识别面部。他们还向人工智能系统提供了参与者所见过的同一张脸或不同脸的完整图像。
在每种情况下，人工智能系统都会根据视网膜信息与所提供的完整面部图像的相似程度进行评分。
该团队比较了典型参与者和超级识别器的结果以及基于初始面部图像随机选择区域的数据。
结果表明，在所有情况下，随着被观察的面部部分变得更加明显，人工智能系统的性能都会提高。
此外，在所有级别的可见性中，基于超级识别器的视网膜信息时，人工智能系统的性能最高。
“这表明面部识别能力的差异部分源于我们如何积极探索和采样视觉信息，而不仅仅是大脑后期的处理，”邓恩说。
研究小组随后调查了结果是否仅仅归因于超级识别器查看面部的更多区域，从而获取更多信息。
然而他们发现，即使视网膜信息中捕获的面部数量相同，人工智能系统在输入来自超级识别器的数据时也会表现得更好。
“这意味着他们的优势不仅仅在于数量，还在于质量，”邓恩说。“他们选择携带更多身份线索的区域，因此他们选择的每个“像素”对于识别面孔更有价值。”
伦敦布鲁内尔大学面部处理专家 Rachel Bennetts 博士没有参与这项工作，他对这项研究表示欢迎。
– 对我来说，它对我们理解超级识别的主要贡献是得出这样的结论：卓越的面部识别不仅仅是查看特定区域，或者查看更长的时间或脸上的更多位置。超级识别器正在更广泛地探索面部，但也采样更有用的样本 信息，”她说。
伯恩茅斯大学的亚历杭德罗·埃斯蒂略博士表示，这项研究是基于在高度受控的条件下向人们展示静态图像。
“测试同样的模式是否适用于更自然、动态的场景非常重要，”他说。
虽然研究表明有一些策略可以帮助面部识别，但似乎不太可能每个人都能成为超级识别者。
“目前我们不知道这些眼球运动模式是否可以被有效训练，”贝内茨说。
邓恩说，研究表明，超级识别能力植根于遗传学，并且是可遗传的。
“超级识别器似乎会自然地挑选出最有用的特征，但这很难训练，因为它因人而异，”他说。
研究人员开发了一项免费测试来帮助识别超级识别器，该测试可在新南威尔士大学面部测试。