Диссертация (1136540), страница 15
Текст из файла (страница 15)
Если оказывается возможным расположить всювариативность признака под одной кривой нормального распределения такимобразом, что можно определить одно среднее, совпадающее с модой имедианой, и, при этом, большая часть значений признака попадает вдопустимое число стандартных отклонений от среднего,то множествосохраняет свою целостность, образуя более-менее устойчивую группировку, ине сегментируется – то есть мы будем стремиться к восприятию ансамбля,состоящего из объектов одного типа (категории). Однако, если распределениепризнаков в множестве нельзя представить в виде одного распределения,приближенного по форме к нормальному – в этом случае происходитсегментация ансамбля, деление его на подмножества.
В бимодальноммножестве качество «группировки» ансамбля снижается, он распадается на двечасти, соответствующие разным пикам распределения, что ведет к снижениюточности усреднения [Utochkin, 2015].Теориямгновеннойкатегоризацииописываетдватипазадачкатегоризации: задачу первичной категоризации – в ней зрительная системаанализирует распределение одного признака для разделения множества накатегории; и задачу вторичной категоризации – в ней анализируетсяраспределение нескольких признаков. Первичная категоризация являетсяначальнойточкой«статистическогоанализа»:спомощьюанализараспределения признаков ансамбль разделяется на подмножества по одному изпризнаков, происходит своеобразная маркировка элементов ансамбля попервичным категориям. Для решения задачи вторичной категоризации этого77недостаточно, нужен следующий шаг (итерация): анализ распределения второгопризнака с учетом маркировки по результатам первичной категоризации.В теории мгновенной категоризации описаны два типа вторичнойкатегоризации: вглубь – когда за основу берется только одна из первичныхкатегорий, далее сегментация происходит на основе анализа второго признакавнутри этой категории; и вширь – предполагающая сегментацию множества сучетом всех первичных категорий [Utochkin, 2015].
Вторичная категоризациявглубь похожа по своей внутренней логике на первичную. Можно сказать, что вобщем смысле это первичная категоризация, проведенная дважды – смножеством в целом по одному измерению, и с первично определеннымподмножеством по другому измерению. Она хорошо работает в задаче, когдарезультатом сегментации является определение и последующая обработкатолько одной целевой категории [Utochkin, 2015].Подобнаястратегиявторичнойкатегоризациихорошообъясняетрезультаты исследований зрительного поиска по сочетанию признаков. Впротивовес данным Э. Трейсман [Treisman, Gelade, 1980a], показавшей, чтовремя реакции в зрительном поиске по сочетанию признаков линейно растет сувеличением количества элементов, более поздние данные демонстрируютсохранение эффективности зрительного поиска по сочетанию признаков цветаи глубины, направления движения и глубины [Nakayama, Silverman, 1986], атакже цвета и ориентации [Friedman-Hill, Wolfe, 1995].
Эти результатыневозможно объяснить последовательной фокусировкой на каждом элементе (вэтом случае эффективность поиска бы снижалась с увеличением численностинабора),однако,онихорошообъясняютсяспомощьювторичнойкатегоризации: на первом этапе множество сегментируется по одному признаку(например, цвету), на втором этапе – сегментируется по второму признаку –пространственной ориентации. Такая логика помогает избежать фокусировкина каждом элементе множества, и не тратить ресурс на связывание признаковдля каждого элемента, что позволяет зрительной системе в те же сроки78обрабатывать большее количество информации [Wolfe, Cave, Franzel, 1989a].Подобный механизм был ранее описан Дж.
Вольфом в его теории управляемогозрительного поиска [Wolfe, 1994]Другой вариант вторичной категоризации – категоризация вширь –подходит для решения другого класса задач, в которых необходимо сохранять ианализировать информацию по всем подмножествам, не отдавая предпочтениякакому-то одному. В основном, это задачи, где в итоге необходимо сравнитьдва подмножества. В таких задачах множества могут быть предъявленыодновременно, в разных частях изображения, или последовательно, друг задругом, или когда два множества с явно отличающейся одной характеристикой(например, цвет) перемешаны в пространстве [Utochkin, 2015].
В случаекатегоризации вширь, точно так же, как и в категоризации вглубь, вначалевыделяются первичные категории по одному из измерений, все элементымаркируются по этому измерению первичными категориями, и далее идетанализ всех элементов множества по другому измерению, при этом первичнаямаркировкасохраняется.Категоризациявширь,вобщемсмысле,воспроизводит логику t-теста и дисперсионного анализа: внутригрупповая имежгрупповая дисперсии сравниваются друг с другом, анализируется,насколько внутригрупповая изменчивость превышает межгрупповую [Utochkin,2015].Важную идею о том, как именно зрительная система используетраспределение признаков для группировки или сегментации ансамблей,подсказывают исследования зрительного поиска.
Дж. Вольф предлагаетпонятие «различие, едва заметное предвнимательно» (preattentive just noticeabledifference – PJND) – критическая величина отличия целевого стимула от группысходных между собой гомогенных дистракторов, достижение которой делаетзрительный поиск очень эффективным, т.е. обеспечивает эффект выскакивания[Wolfe, 1994].
В приложении к идее о сегментации множества эта идеявыглядит следующим образом. Если общее распределение состоит из объектов,79чье различие с ближайшим «соседом» в пространстве признака (хотя и необязательно в пространстве зрительного поля) составляет менее, чем 1 PJND, топереход от одного края распределения до другого проходит очень плавно исегментации не происходит, а множество воспринимается как единое, а оценкана общее среднее будет надежно репрезентировать обобщенный признак всегоансамбля. Это способствует сохранению группировки.
В противном случае, т.е.если различие между какими-то из соседствующих признаков существеннопревышает PJND, в распределении образуется «разрыв», который может бытьпроинтерпретированкак«категориальнаяграница»испособствоватьсегментации множества [Utochkin, 2015].Следуя логике модели мгновенной категоризации и идеи PJND, И.С.Уточкин и М.А. Юревич [Utochkin, Yurevich, 2016] с помощью методикизрительного поиска демонстрируют эмерджентное свойство ансамбля –"сегментабельность" – степень, в которой множество объектов можетразделяться на подмножества. Сегментабельность не выводится напрямую изсходства или неоднородности (как предполагают в своей теории Дж. Данкан иГ.
Хамфрис [Duncan, Humphreys, 1989b]). Испытуемому требовалось найти вомножестве объектов элемент с уникальным признаком. Множество состояло изобъектов-дистракторов с разной степенью выраженности признака (размераили ориентации). Дистракторы могли быть однородными и неоднородными.Длянеоднородногоусловиястепеньвыраженностипризнакашироковарьировалась таким образом, что количество объектов на экране, средняявыраженность признака и диапазон вариативности (размах) оставалисьнеизменным.
При этом количество степеней выраженности признака менялосьот двух (две полярные степени, например, очень большой и маленькийобъекты)дошести(междуполярнымистепенямирасполагалисьпромежуточные – или, как их называют сами авторы исследования –переходные признаки (transition features).80И.С.
Уточкин и М.А. Юревич предположили, что наличие переходныхпризнаковуменьшаетгруппировкусегментабельностьдистракторов,продемонстрировали,чтоделаяи,соответственно,цельболееобнаружениецелизаметной.связаноусиливаетРезультатыскореессегментабельностью множества, чем неоднородностью: цель легче найти внаборе с низкой сегментабельностью, хотя большое количество переходныхпризнаков делают его более гетерогенным (напомним, теория Данкана иХамфриса предсказывает противоположный результат).
Кроме того, авторыпоказали, что сегментабельность связана с гладкостью распределения признака:если количество переходных признаков достаточно велико, а интервал междуними достаточно мал (предположительно, меньше PJND), чтобы обеспечитьгладкость распределения, то сегментабельность уменьшается и скоростьобнаружения (сегментации) уникального объекта возрастает. Однако еслипереход более резкий (переходные признаки расположены далеко друг отдруга)–скоростьсегментабельностиобнаружениямножества.целиАвторыпадаетвследствиепредлагаютповышениярассматриватьсегментабельность в качестве низкоуровневой основы для сегментации ибыстрой категоризации объектов, принадлежащих этим ансамблям. Этанаходка в целом поддерживает теорию мгновенной категоризации.В экспериментальном исследовании Б.
Ф. Ломова [Ломов, 1966],посвященному изучению процесса формирования перцептивного образа, былвыявленфазныйхарактерэтогопроцесса.Процессформированияперцептивного образа состоял из четырех фаз: отражение положения фигуры,ее размера и цветового тона (то, что мы сейчас назвали бы "базовымипризнаками" [Wolfe, Horowitz, 2004]); отражение контуров и основных деталейфигуры; фаза уточнения мелких деталей фигуры; фаза проверки образа.
Анализотчетов испытуемых показал, что уже на первых фазах испытуемые проводятпоиск образа-эталона, сличают полученную информацию с ним. Это говорит о81том, что в процессе восприятия испытуемые выдвигают и проверяют гипотезыо принадлежности объекта к той или иной категории.Сходнымобразомпоступаютнаблюдателиприкатегоризациимножественных объектов с точки зрения теории мгновенной категоризации,основанном на статистическом анализе зрительной системой распределенияпризнаков.Множественныеобъект(зрительныйансамбль)образуетустойчивую группировку в случае, все воспринимаемая информация озрительных признаках может быть описана с помощью кривой нормальногораспределения: зрительная система в этом случае, словно математик-статистик,проверяет гипотезу о форме распределения.1.2.3.3.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
