Диссертация (1136540), страница 13
Текст из файла (страница 13)
Вместо того чтобы подвергать весь поток входящейинформацииглубокойобработке,зрительнаясистемаиспользуетстатистические (вероятностные) закономерности в элементах видимого мира.Вместо полной и глубокой обработки каждого элемента изображения (накоторую заведомо не хватит ресурса), восприятие переходит к обобщенномуописанию всех объектов. При этом некоторые индивидуальные особенности(отклонения от обобщенной меры) каждого из элементов могут быть утрачены,«проигнорированы»впользукраткогообобщенногостатистическогопредставления [Alvarez, 2011].Основной психологический смысл идеи усреднения состоит в том, чтоданный механизм позволяет нам справляться со значительными ограничениямивнимания.
Представление объектов в виде ансамбля и его сводной статистике –67это всегда представление всех тех же самых объектов в «свернутом» виде –основанное на обобщении качественных и количественных характеристикпредставленных во множестве единиц. Сводная статистика обобщает всехарактеристики исходных объектов, из индивидуальных измерений выводитсяобщее, характеризующее совокупность объектов как целое.Как мы уже упомянули выше, для точного усреднения достаточнонебольшого времени экспозиции ансамбля [Whiting, Oriet, 2011; Chong,Treisman, 2003a].
Это может указывать на то, что вычисление зрительныхстатистик не требует фокусировки и проходит на ранней стадии обработкиинформации. Усреднение, по мнению С. Чонга и Э. Трейсман, являетсяпредвнимательным процессом, поддерживая гипотезу Ариэли о параллельностипроцесса усреднения. Однако, последующие исследования несколько уточняютэту идею: усреднение проходит «не преднамеренно», «интуитивно», а не «безвнимания» [Chong, Treisman, 2005].В пользу идеи о том, что статистическая репрезентация ансамбля требуетраспределенного внимания, говорят и результаты, полученные Н.
Робитель и И.Харрис: увеличение количества элементов в ансамбле увеличивает скорость иточность усреднения, что никак невозможно в условиях последовательнойфокусировки внимания на каждом объекте. Испытуемый получал двойнуюзадачу: определить среднюю ориентацию множества (множество скорее«вертикальноориентировано»или«горизонтальноориентировано»),иодновременно с этим должен был дать ответ на вопрос: был или не былпредъявлен в наборе целевой стимул. Результаты показали, что с увеличениемколичества элементов точность и скорость реакции на цель падали, а скорость иточность усреднения – наоборот, возрастали.
Эти результаты хорошоиллюстрируют, что извлечение сводной статистики требует распределенноговнимания, которое работает по всему набору сразу, и является болееэффективным для наборов из большего количества элементов [Robitaille, Harris,2011].68Сила усреднения велика: ведь усреднение множества неточных показанийможет быть точнее каждого отдельного измерения. Этот принцип может бытьпроиллюстрирован на примере эффекта «мудрости толпы», описанного еще Ф.Гальтоном (по: [Alvarez, 2011]).
Гальтон описывает игру, которую он проводилна фермерской ярмарке: каждый человек предполагает вес быка, и среднеезначение ближе к правильному ответу, чем случайно взятое индивидуальное.Данные преимущества проявляются потому, что при усреднении значенийслучайная ошибка в каждом индивидуальном измерении будет стремиться котмене случайной ошибки в другом измерении. Таким образом, преимуществаусредненияосновываютсянатом,чтоошибка(шум,погрешность)индивидуальных измерений не скоррелирована (меньше коррелирует, большепреимущество) и количество индивидуальных измерений усреднено (большеизмерений, больше преимущество) [Alvarez, Franconeri, 2007, с.
201].Статистическая репрезентация работает в условиях загрузки внимания[Alvarez, Oliva, 2009]. Дж. Альварес и О. Олива проверяли точность усредненияв условиях загрузки внимания: задача на оценку среднего скомбинирована сзадачей на слежение за несколькими объектами. Испытуемые отслеживалидвижения целевого стимула на фоне неподвижных объектов в определеннойпространственной ориентации. Фон представлял собой множество элементовГабора, имеющих различную пространственную ориентацию по измерению«право-лево», образуя небольшие чередующиеся колонки (за колонкойэлементов с правой ориентацией шла колонка с левой ориентацией и т.д.).Кроме того, ориентации элементов различались по измерению крутизны, и поэтому признаку они были сгруппированы в более глобальные образования(например, в верхней половине изображения все элементы имели крутуюориентацию (больше 45 градусов), а в нижней части – пологую, т.е.
меньше 45градусов). В одном из условий во время слежения угол наклона всех элементовстатичного фона менялся на 45 градусов, т.е. все крутые элементы становилисьпологими и наоборот, что приводило к изменению ориентационной статистики69глобально, на уровне каждой из половин экрана.
В другом условии фонизменялся таким образом, что все элементы меняли свою лево-правуюориентацию на противоположную, что меняло локальную статистику, но никакне отражалось на глобальной. В результате было установлено, что даже вусловиях отвлеченного внимания (поскольку они были заняты задачейслежения) испытуемые были чувствительны к изменениям, которые влияют наглобальную структуру, однако практически не замечали локальных изменений[Alvarez, Oliva, 2009].Ресурс памяти является ограниченным: по разным данным, зрительнаякратковременная память может одновременно хранить информацию о 3-4простых объектов одновременно [Luck, Vogel, 1997], и 1-2 объектах, еслиговорить о сложных объектах [Alvarez, Cavanagh, 2004].
Представление в видестатистик ансамбля может быть одним из способов расширения объемакратковременной памяти: как переход от индивидуальных размеров к«усредненному», который быстро извлекается из большого множестваобъектов.Сводная статистика оценивает характеристики исходного набора объектов,выводитизиндивидуальныххарактеризующиесовокупностьизмеренийобъектовкакобобщенныецелого.показатели,Статистическаярепрезентация ансамблей позволяет «сжимать» полученную информацию.Подобная стратегия анализа информации позволяет обрабатывать большиемассивы данных, пусть и не напрямую – а только с помощью сокращенных,сводных статистических описаний. Полученная таким образом информациябудет достаточно полной, пусть и с некоторыми потерями в качестве.Такая идея обработки информации в зрительном восприятии напоминаетпроцессы сжатия аудио- и видео- данных в компьютерной технике ителефонии.
Например, архивация данных с потерями. Такое сжатие основано напреодолении избыточности исходного сообщения с помощью различныхалгоритмов кодирования. В результате восстановленные данные отличаются70точностью от исходных, но степень этого отличия, с точки зрения дальнейшегоиспользованияинформации,несущественна.Звуковаядорожкаилифотография, переведенная в сжатый формат и впоследствии, «распакованная»,теряет в качестве, однако мелодия или изображение все еще также узнаваемы ипригодны для дальнейшего использования.Т.
Брэйди и Дж. Альварес [Brady, Alvarez, 2011] показали работуподобного механизма «сжатия», основанного на использовании ансамблевыхстатистик, в зрительной рабочей памяти человек. На простом материале онидоказали, что средний размер объекта в множестве оказывает влияние навоспроизведенные по памяти размера отдельных элементов. В их задаченаблюдатель должен был рассмотреть набор кругов разного размера, запомнитьразмеры этих кругов и через некоторое время сообщить по памяти размеродного из кругов в наборе с помощью подравнивания тестового круга(расположенного в той же пространственной позиции, что и тестовый круг).Результаты показали, что наблюдатель систематически ошибался, сдвигаяоценку целевого круга к оценке среднего по набору: соответственно – размер«больших» кругов несколько занижался, размера «маленьких» кругов,наоборот, был несколько завышен.
Круги также различались по цветам (то естьвнутри множества были подмножества, образованные объектами разныхцветов). Сдвиг оценки размера к среднему наблюдается, в том числе, и внутриподмножеств. Эти результаты указывают на то, что в памяти процессы,связанные непосредственно с выполнением задачи (оценка уникальногообъекта), могут сочетаться с фоновыми процессами (расчет статистическихпараметров), и наблюдатель может не помнить точную информацию о целевомобъекте, но реконструировать ее на основе статистических параметров –среднего и стандартного отклонения.
Такой способ репрезентации информацииявляется весьма эффективным, так как позволяет «сжимать» информацию омножестве объектов, и, как следствие, обрабатывать большее ее количество заменьшее время [Уточкин и др., 2016].71И. С. Уточкин и М. Е. Булатова [Булатова, Уточкин, 2013] также показаливлияние глобальных характеристик множества на оценку индивидуальногообъекта. В их исследовании участники должны были дать отчет о размереиндивидуального объекта, представленного во множестве объектов, в условияхсфокусированного (подсказка для целевого объекта предъявлялась до показамножества) и распределенного (подсказка предъявлялась показа показамножества) внимания.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
