Диссертация (1136540), страница 16
Текст из файла (страница 16)
Вариативность распределения как фактор силы группировкиЧем больше внутригрупповая вариативность, тем сложнее происходитпроцесс группировки и тем выше вероятность распада группировки исегментации множества. Х. Им и Дж. Халберда показали, что с возрастаниемдисперсии признака точность определения среднего падает [Im, Halberda, 2013].Тот же эффект был показан в экспериментах с адаптацией: эффектпоследействия среднего размера ослабевает при возрастании вариативностимножества [Corbett et al., 2012]. Дж.
Фурьезос и коллеги [Fouriezos, Rubenfeld,Capstick, 2008] в своем исследовании проверяли влияние количества объектов иих вариативности с точностью усреднения. Наблюдатель должен был сравнитьдва подмножества столбиков и определить, в каком из подмножеств столбики всреднем выше с помощью выбора из пяти вариантов ответа, представленных вшкалеЛайкерта.Результатымногоуровневогорегрессионногоанализапоказали, что увеличение количества объектов положительно связано сточностью сравнения средних, а высокая вариативность отрицательно связана сточностью сравнения средних. Связь увеличения точности с увеличениемколичества объектов может быть объяснена эффектом «статистическоймощностикритерия»:точностьстатистическихувеличением количества наблюдений [Utochkin, 2015].82оценоквозрастаетсОднойизнаиболеедемонстрирующихпоказательныхреальностьмеханизманейрофизиологическихперцептивнойработ,организации,основанной на изменении вариативности, является исследование Ш.
Тройе, К.Хол и Х. Раубер [Treue, Hol, Rauber, 2000]. Они регистрировали у макакизменяющиеся ответы единичных нейронов зрительной коры в области V5(средневисочная область, MT), селективно реагирующих на те или иныенаправления движения стимулов в зрительном поле. В качестве стимульногоматериала выступали два перекрывающихся движущихся подмножества точек,каждый из которых имел свое направления движения (разница в углеотклонения, задающего направление движения, варьировалась от 0 до 120градусов). Первый важный результат этого исследования состоит в том, что прималой разнице в направлении движения (до 60 градусов), максимальнаяактивностьнаблюдаласьунейронов,отвечающихненафизическипредъявляемые направления движения, а на направление, лежащее посредине(в реальности не представленное в стимуле).
Этот вывод важен сам по себе,поскольку демонстрирует непосредственный характер процесса усреднения привосприятии глобальных паттернов. Второй вывод касается вариативности. Чембольше был угол между направлениями движущихся стимульных потоков, тембольшееколичествовозбуждалось.Такимнейронов,образом,предпочитающихразныепопуляционныйответнаправления,нейроновV5математически представлял собой гауссово распределение с пиком в районесреднего направления и стандартным отклонением, пропорциональным углумежду направлениями движения стимульных потоков.
Однако если разница внаправлении движения была более значительной (90-120 градусов), тоединственный центральный пик в районе среднего исчезал, а пиковаяактивность перемещалась к нейронам, предпочитающим каждое из физическипредъявленных направлений. Общий популяционный ответ в этом случае былгораздо ближе к бимодальному. Можно предположить, что эти характеристикипаттернов нейронной активности коррелируют с субъективно переживаемойперцептивной организацией движущегося паттерна.
Так, «гауссов» паттерн с83единственным пиком может отражать восприятие движение всех точек в одноммагистральном направлении, а стандартное отклонение – меру индивидуальныхотклонений от этого направления. Разделение паттерна на два пика,предположительно, может коррелировать с переходом к восприятию двухпотоков, двигающихся в независимых направлениях. Такая интерпретациятакже соответствует модели мгновенной категоризации [Utochkin, 2015].1.2.3.4. Сегментация единичных объектов - статистических выбросовСовременные исследования показывают, что объекты с экстремальнойвыраженностью признака, не вписывающиеся в структуру распределения –«статистические выбросы» (outliers) – не участвуют в группировке состальными членами ансамбля, что приводит к их легкой сегментации.Дж.
Хаберман и Д. Уитни, используя метод подравнивания, показали, чтостатистические выбросы "исключаются" из множества и не участвуют впроцессе усреднения. В их исследовании наблюдатели оценивали среднююэмоцию для 12 лиц, два из которых существенно отклонялись в выражаемойэмоции от средней, определенной на 10 оставшихся лицах. Было показано, чтов большинстве случаев участники основывались не на исчерпывающейстатистике по набору (с учетом выбросов), а на более локальной (без учетаэкстремальных объектов).
Наблюдатели эффективно отсеивают выбивающиесяиз распределения объекты, извлекая среднее за 250 секунд, что в целомсогласуется с предыдущими исследованиями усреднения [Haberman, Whitney,2011].Исследования иллюзии Эббингауза, если анализировать ее с точки зрениястатистической репрезентации ансамбля, также показывают результаты впользу предположения о том, что статистические выбросы не включаются всводную статистику ансамбля. Круг-эталон, помещенный в центр множества,образованного однородными кругами большего размера, кажется меньше, чемон есть на самом деле. Напротив, если же множество образовано кругами84размера меньше эталона, сам эталон выглядит более крупным. Эталон в каждомиз рассмотренных случаев значимо отличается от окружающих его элементов.Если следовать гипотезе о сравнении распределений признаков, однородныеэлементыобразуютоднукатегорию,попадаютпододнукривуюраспределения.
Эталонный объект в этом случае является выбросом, невходящим в распределение, и определяется как принадлежащий другойкатегории,иэта категориальнаяразницаподчеркивается,приводяксубъективному восприятию размера эталона по контрасту с размеромокружения [Im, Chong, 2009].Исследования Р. Розенхольц и ее группы [Rosenholtz, Huang, Ehinger, 2012]представляюточеньинтересныедоказательстваролистатистическойрепрезентации в организации зрительной информации. Они рассматриваютроль периферического зрения в процессах обработки зрительной информации.В серии экспериментов сравнивалась точность решения различных задач, скоторымисталкиваетсястимуляцией:свосприятиев«оригинальнымиусловияхработыизображениями»с-различнойполностьюдетализированными, совпадающими с естественными изображениями, и«изображениями-полукровками» (mongrels) - искусственно созданными на базестатистических параметров «оригинальных изображений» [Portilla, Simoncelli,2000; Rosenholtz, 2011], выглядящими так, как если бы эти оригинальныеизображения предъявлялись на периферии.
По мнению, Р. Розенхольц, такиеизображения теряют большое количество объектной информации (например,пространственное соединение линий может исчезать, а в силу близости линийот других объектов возникает неопределенность, как они могут бытьсоединены и соединены ли вообще). Однако у «полукровок» сохраняетсястатистическаяинформацияопризнаках(толщиналиний,примернаяориентация, кривизна и т.п.). Розенхольц и коллеги предъявляли испытуемымстимулы-«полукровки», сгенерированные из стимулов для задач зрительногопоиска разной сложности, включающих в себя цель или нет.
Испытуемых85просили ответить на вопрос, содержит ли данный стимул цель или нет. Вдальнейшем, когда точность классификации сравнивалась с эффективностьюзрительного поиска в стимулах оригиналах, между точностью классификации«полукровок» и эффективностью зрительного поиска в оригинальных стимулахбыла обнаружена очень высокая корреляция. По мнению Р. Розенхольц,легкость классификации «полукровок» и зрительного поиска в оригиналах,была связана с тем, насколько целевой элемент выбивается из общейстатистики остального паттерна.Поскольку «полукровки» моделировалипериферическую зрительную репрезентацию, то Р. Розенхольц предположила,что обнаружимость статистических выбросов на периферии зрительного поляобеспечивает предварительный отбор мест-кандидатов на местонахождениецели.
Если выброс обнаруживается легко, то в это место немедленнонаправляется внимание и переводится взор, что обеспечивает условие длямаксимально быстрого осознания и опознания цели.Р. Розенхольц, опираясь на математическую теорию коммуникации,предлагаетрассматриватьорганизациюзрительнойинформациикаксовокупность процессов мультиплексирования («уплотнения канала», своегорода«бутылочное горлышко», передача информации через канал сограниченной пропускной способность, с меньшей скоростью, чем информацияпорождается источником , используется как механизм контроля за каналомпоступающей информации) и сжатия без потерь (lossless compression).Мультиплексированиерегулируетситуациюнаблюдения:определяютдвижения взгляда, контролирующие поток входящей информации, сжатие безпотерь необходимо для того, чтобы возможно было максимально полнокодировать информацию об изображении в определенных частях пространства.Главный тезис Р.
Розехольц состоит в том, что нам не нужно воспринимать мирполностью (в деталях) для того, чтобы быстро и точно решать задачи, скоторыми сталкивается наше восприятие. Грубая статистика входного сигналасрепрезентациейпотенциальныхвыбросов86содержитинформациюдостаточного качества быстрого распознавания сцен и главных объектов в этихсценах.1.2.4. Роль внимания в статистической репрезентации: «целое» илиэлементы?1.2.4.1. Параллельное (исчерпывающее) или выборочное усреднениеВысокая эффективность извлечения информации о сводных статистикахансамбля наводит на мысль о том, что этот процесс происходит параллельно ипрактически автоматически (т.е.
требует минимального участия внимания илипроисходит с помощью глобального внимания, предшествующего фокусировкена отдельных элементах [Navon, 1977]). В пользу этой гипотезы говорят, вчастности, ранние данные Д. Ариэли [Ariely, 2001a], указывающие на быструюи точную обработку большого количества объектов, более эффективную, чемоценка одного объекта, а также результаты более поздних исследований,посвященных изучению скорости усреднения, и показывающие, что большойобъем входящей зрительной информации эффективно обрабатывается не более,чем за 200-250 мс [Haberman, Whitney, 2010; Whiting, Oriet, 2011; Chong,Treisman, 2005].Основнойособенностьюраспределенноговниманияявляетсяегоспособность охватить все объекты, находящиеся в поле зрения, что объясняетпараллельныйхарактерусреднения.Однако,предположительно,такаяобработка является довольно грубой, т.е. ее разрешающая способность и,следовательно, качество репрезентации отдельных объектов довольно низкое.Это, по мнению сторонников теории параллельного усреднения (например,[Alvarez, 2011]), может объяснить преимущество вычисления статистики повыборке над оценкой каждого объекта множества в отдельности.Однако существует альтернативный взгляд на механизм усреднения,определяющий его как результат фокусировки внимания на небольшомколичествеобъектов.Сфокусированное87вниманиепротивопоставляетсяраспределенному: объем сфокусированного внимания жестко ограничен, норазрешающаяспособностьмаксимальна.Взадачах,предъявляющихповышенные требования к сфокусированному вниманию, точность зрительногоусреднения падает [Chong, Treisman, 2005].
Работу сфокусированного вниманияв механизме усреднения объясняют с точки зрения выборочной оценки(sampling) - отбора случайной и небольшой по объему подвыборки элементовиз множества. Подобная стратегия предполагает фокусировку внимания нанесколько объектах в множестве, и дальнейшее вычисление среднего на основеинформации только об этих элементах [Myczek, Simons, 2008; Simons, Myczek,2008]. Комбинирование поведенческих данных и результатов компьютернойсимуляции данных показало, что количество объектов, достаточных дляточного вычисления среднего, увеличивается с общим размером множества, норедко превышает четыре объекта (по крайней мере, для наборов, состоящих изне более чем восьми предметов, использованных в экспериментальномдизайне). То есть, с извлечением среднего вполне может справиться«стандартный» механизм с ограниченной пропускной способностью [Pylyshyn,Storm, 1988; Alvarez, Cavanagh, 2004; Luck, Vogel, 1997], имеющий дело сконкретнымиобъектами,анеснекойобобщеннойстатистическойрепрезентацией.В одном из исследований А.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
