摘要：即使先天条件相同，后天经历也会影响人的外观，尤其是在受伤、患病的情况下。要消除后天经历和年龄差异带来的外观差异或至少消除其后果，你需要的选择压是怪异的。
在人类进化史上，没有选择压将人变成题述的状态。
即使先天条件相同，后天经历也会影响人的外观，尤其是在受伤、患病的情况下。要消除后天经历和年龄差异带来的外观差异或至少消除其后果，你需要的选择压是怪异的。
在不同年龄时，同一个人的样子是不同的。体型、营养状况、身体健康程度等会对同一个人的脸产生很大的影响，化妆、伤病、整容、饰物等都能影响外貌。 同一个人的外观都不是固定的，你竟然要让所有人都长一样，恐怕你需要破坏人对人外貌的识别能力，让人不能对不同外貌产生不同感情。社会分工带来私有财产，产生贫富差距、阶级分化，产生种种不平等。从这么多不平等里消除外貌的不平等，带来的既是人们不会因为外貌被歧视，也是人们不能靠外貌改善自己的境遇、不能从欣赏人的自然外貌获得美的享受，并不会对社会公平或道德造成多么大的促进。
提问者在这问题的补充说明里毫无道理地幻想战争之类会消失，这可能是看了太多古人为女人打仗的浪漫故事。至于霸凌什么的，那经常不需要拿外貌做理由。
一些读者可能误以为非人动物的种内外观差异比人小，乃至难以识别。这并不正确。非人动物的外观，尤其是非人哺乳动物的脸部外观，经常带有足以进行种内个体识别的差异。
人觉得“同种非人动物都长得差不多”，是个常见的误会，这主要归因于人不对未深入接触的其他生物套用涉及人脸识别的神经活动。 至少一部分饲养员可以辨认动物个体的体貌特征 [1] 。 研究人员已经考察过 乌鸦、黄蜂、恒河猴、马、狗、鸽子、绵羊、章鱼、海鸥、喜鹊、反舌鸟 等动物个体化识别人脸的能力 [2] [3] [4] [5] 。 对 9 个月大的少量猫狗进行的一项实验显示，狗从若干图像里选中训导员的脸的概率约 88.2%、选出一起生活的狗的脸的概率约 85.1%、选出熟悉的场景的概率约 89.0%；作为对比，猫选中训导员的脸的概率约 54.5%、选出一起生活的猫的脸的概率约 90.7%、选出熟悉的场景的概率约 85.8% [6] 。 未专门训练过的绵羊从照片里选出训导员的脸的概率约 71.8 ± 2.3%，识别倾斜图像时成功率轻微下降，幅度与人做这类实验相似 [7] 。 狗的嗅觉相对擅长检测类似自己的气味，尤其是狗尿散发的气味。一篇 2017 年发表的文章称，在小样本试验里，一些狗似乎通过了基于气味进行的镜子测试变体，显示狗可以区分自己和其他狗留下的气味，检查陌生狗的气味的时间长于检查自己的气味，会花更长时间检查被人为修改过的自己的气味 [8] 。这方面的研究还在进行中。 参考 8 引用的一些历史研究称，狗表现出可以利用气味对其他狗进行个体识别，获取关于身份、性别、健康状况的若干信息。狗会检查其他狗留下的尿液“标记”，而不会这样检查自己留下的尿液“标记”。暴露于自己的气味和其他狗的气味时，狗的尾状核有不同的神经活动。包括人在内，灵长类面部的特征位点和大脑分析面部特征的能力共同演化，脑内有一群特化的神经细胞“ 脸细胞 ”协同工作，分析感官输入的脸的若干特征位点偏离“平均水平”的程度，形成集合编码、进行记忆和/或与记忆比对。
人从祖先身上继承了这套机制并在互动中进一步发展，出现 巩膜与虹膜的颜色差异 等容易辨认眼神的性状。 在人身上， “平均水平”依赖婴儿时期看到的大量人脸 ，若没有形成有效的基准，就会发生“脸盲”，难以靠人脸区分不同的人； 梭状回面孔区损伤 也会造成面孔失认症（“脸盲”），连家人的脸都认不出来，但患者通常能辨别他们熟悉的非人脸物体，说明这是其他神经细胞负责的。人的上述人脸分析机制对面部特征差异较大的人难以起作用，造成“中国人看黑人觉得都差不多”、“白人看中国人觉得都差不多”之类情况。
关于脸细胞：
用猕猴进行的实验表明，面部特征位点和 205 个神经细胞的活动存在简单的联系，每个脸细胞分析 6 个位点，发射的信号强度与位点偏离水平成正比，50 个以上位点的数据结合起来即可指定一张人脸 [9] 。研究人员建立了相应的模型，可以根据 fMRI 测得的神经活动相当准确地推断出猕猴看到的人脸。
每个特定的脸细胞会关注发际线、眼睛大小等特定参数，自己关注范围外的特征发生变化不会引起信号强度变化。这允许灵长类无视 脸吃胖了、胡子没刮 之类少量位点的变化。
灵长类身体其他部位的特征位点较少，也没有这样特化的机制来分析，识别能力会比脸差一些。 步态、胎记、痣 之类可以增加位点来帮助辨认。
人脑可以从并非人类的东西上提取出和上述面部特征位点相似的模式，让人觉得那东西上有张脸——例如欧洲那些“烤饼烤出个耶稣头像”“在云彩里看到了耶稣显灵”。
计算机没有人的这一套面部识别系统，不带类似的偏见。用计算机识别动物的外貌特征，可以证明“其他动物的外貌特征其实差异化得很”。
以下引用自《中国科学报》张行勇：
西安电子科技大学教授苗启广团队与西北大学研究人员展开合作，通过设计具有多路关注机制的深度神经网络模型，研发出一套较为完整的动物面部特征检测、追踪和识别系统“Tri-AI”，实现了适用于多物种个体识别的研究目标。近日，相关成果发表于《交叉科学》。研究团队在野外和动物园进行了动物面部数据采集，并建立了动物面部识别数据库。据论文作者之一的郭松涛介绍，Tri-AI 系统对 41 个灵长类物种共计 1040 只个体的 102399 幅面部图像，以及 4 个非灵长类物种共计 91 只个体的 6562 幅面部图像进行了实验验证。结果显示， Tri-AI 系统对个体数量多于 18 的 21 个物种的个体识别准确率为 93.8%，远超过人工识别的准确率 。此外，该系统可兼容夜视影像的分析，可实现基于夜视图像的个体身份识别，进而可实现全天候的动物研究。
该系统验证了基于多物种的自动个体识别的理论假设的科学性， 满足了“无观察者干扰”的行为学研究的理想条件要求 ，将研究者从对动物个体识别与追踪记录的任务中解放出来，推动了动物行为学研究进展。相关论文信息 [12]
旷视科技开发过一款通过鼻纹识别狗的程序。
世界各地的多家科技公司尝试过识别黑猩猩、海豚、马、狮子、鸡、奶牛、猪、熊等各式各样的动物，取得了不同程度的成功。
2021 年，日本北海道实验了“对熊进行面部识别来精确打击曾经袭击人的熊”。
北极熊触毛的毛囊排列模式可供个体识别，可以看看： 想知道这个玩偶到底是什么物种？
老虎等猫科动物的皮毛花纹、老虎鼻子上的色素沉着模式等可供个体识别。
来源：时空探险家
