Зрительная система человека способна автоматически распределять объекты по категориям

Совершенно недавно ученые из НИУ ВШЭ занялись изучением гипотезы об умении зрительной системы без участия внимания, то есть автоматически, по категориям разбирать объекты. Это предположение было подтверждено итогами изящного и незамысловатого эксперимента, которые эксперты обнародовали в журнале Scientific Reports. Изыскания поддержал грант Российского научного фонда (РНФ). Более подробно о новом исследовании российских ученых, весьма важном для науки, поговорим далее.

Новое исследование

Зрительная система человека способна автоматически распределять объекты по категориям

Человек при помощи зрения получает внушительное количество сведений из окружающего мира. Ежедневно мы сталкиваемся с различными зрительными стимулами. И все же процесс обработки полученных данных требует затраты умственных ресурсов. Как и процессор ПК, мозг человека имеет ограничения по объему информации, которую он может через себя пропустить и сберечь в памяти.

Согласно одной из гипотез, чтобы избежать перегрузки, зрительная система уменьшает «разрешение файлов». В итоге такого «сжатия» она разбивает отслеживаемые объекты по общим простым признакам, к примеру, по параметрам. В дальнейшем эти «первичные сведения» могут быть применены для детального анализа.

Изыскатели решили выяснить, может ли зрительная система без участия внимания разносить объекты по разрядам. Ученые также попытались выявить условия, при которых она действует автоматически. В виде индикатора изыскатели приняли особый параметр, который вычислили при помощи электроэнцефалографии (ЭЭГ), — зрительную негативность рассогласования (НР). НР – это разница в работе мозга в ответ на девиантный (редкий) и стандартный (возникающий часто) стимулы. Зрительная НР демонстрирует, что зрительная система обнаружила несоответствие стимулов и совершила это без участия внимания.

Процесс исследования

Зрительная система человека способна автоматически распределять объекты по категориям

Для исследования особенностей автораспределения объектов на группы при применении НР эксперты поставили эксперимент с фиктивным заданием. Участникам теста предложили отслеживать фигурку асимметричного креста в центре площадки и нажимать на кнопку, когда она поворачивается. Таким образом, внимание людей было сосредоточено на положении креста. Рядом ученые разместили ряды линий разных длин и наклонов. В каждом из блоков теста сочетание этих величин различалось.

Ученые при помощи ЭЭГ записывали работу мозга в ответ на визуальную фоновую стимуляцию. В каждом блоке исследования участникам представили 700 кадров, каждый из которых на экране демонстрировался в течение 200 миллисекунд и на 400 сменялся чистым листом. Многие кадры имели неизменное сочетание наклона и длины палочек (к примеру, короткие линии были пологими, а длинные – крутыми), однако в 10 % случаев параметры были противоположными.

Ученые хотели изучить реакцию мозга на смену редкого стимула частым. Если признак имел лишь 2 предельных значения, он именовался сегментабельным, а если у него были и промежуточные значения, его устанавливали как несегментабельный.

Вывод ученых

Зрительная система человека способна автоматически распределять объекты по категориям

Исследователи обнаружили заметное отрицательное рассогласование в ответ на редкую мотивацию в случаях, когда сегментабельными были либо длина, либо оба признака. Ученые установили, что категоризация не могла реализовываться по одному незамысловатому признаку.

То есть, зрительная система распределяла палочки на фракции по их сочетанию. Таким образом, изыскатели опровергли мнение о том, что зрительная система категоризирует предметы лишь на базе простых черт. Она может находить решение и для менее тривиальной вариации этой задачи, применяя их сочетание.

«Нас удивляет умение зрительной системы человека распределять внушительное число объектов по категориям, — говорит Владислав Хвостов, один из авторов эксперимента. – К примеру, при взгляде на вишневое дерево, человек быстро отделяет его листья от вишен. Наш эксперимент показал, что быстрая категоризация может реализовываться автоматически на базе данных о различиях между предметами».

Оцените статью
Добавить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.