知觉：总结

今天来总结《认知心理学及其启示》的第二章，知觉。

先来看这章的结构：

2.知觉

2.1.视觉信息加工

2.1.1.脑的视知觉

2.1.2.早期视觉信息加工

2.1.3.视细胞中的信息编码

2.1.4.深度与表面知觉

2.1.5.物体知觉

2.2.视觉模式识别

2.2.1.模板匹配模型

2.2.2.特征分析

启示：关于CAPTCHAs的介绍

2.2.3.物体识别（第九版这一节换成了对于深度卷积网络的介绍）

2.2.4.脸的识别（第九版加入了关于面孔识别软件的介绍）

2.3.言语识别

2.3.1.言语的特征分析

2.4.类别性识别

2.5.情境与模式识别

2.5.1.综合情境与特征信息的马萨罗FLMP模型

2.5.2.情境与识别的其他例子

2.6.结论

我常常习惯说，人类是一台高精度的智能行为机器。要想在这个世界中保持精巧的行为，就需要通过传感器获取关于这个世界的各种信息。所以，人类的视觉、听觉、嗅觉、触觉等，都还算是很敏锐的。

先来看视觉，这是一种可以探测远距离信息的官能系统。光线从远处某个物体发射或反射到我们的眼睛里，视网膜再将光信息编码成神经信号，发送到大脑的视觉处理中枢。而大脑的相当部分都和视觉信息加工有关，这足见视觉有多重要。

要让视觉系统发挥作用，需要光线感受器、信号传输网络以及视觉信息加工器这三个部件都正常起作用才行。

视觉信息加工器其实是一个很复杂的部件，从不同的视觉失认症患者的表现来看，视知觉可以分析早期阶段和晚期阶段。早期阶段出故障的人，连简单的图形和物体都无法识别。而晚期阶段出故障的人，能识别简单的图形，但不能进行模式识别，不能看出那些图形的意义。正如34页的图，图中的那条狗，如果没有一定的模式识别能力，是看不出来的。

早期视觉信息加工主要是指，光信号从视网膜到大脑的视觉中枢这一过程。而后期视觉信息加工主要指模式识别。这些过程有很多技术性细节，大家可能不太感兴趣。我将一些有趣的知识点总结如下：

1.辨认颜色的视锥细胞细胞只集中在中央凹处，但对于普通人来说，整个视野都是有颜色的，而不仅仅是中心部分有颜色。

2.左半边视野的神经信号都传递给右脑来处理，而右半边视野的神经信号都传递给左脑来处理。所以，靠近鼻子的内侧的视网膜传出的神经会经过视交叉，而外侧的不会。

3.视觉信息传递到经过后脑勺的枕叶时，已经经过了一些加工。换言之，在信息编码阶段，不同的传感器已经对于视觉信息做出了筛选和预处理。越往后就越处理越复杂的信息。比如，有一些神经元只对看起来像是“手”的视觉信息起反应，而“手”的方向则是要其他神经元来处理。

4.枕叶往顶叶叫“where通路”，处理视觉对象的方位。往颞叶则是“what通路”，处理视觉对象的意义。

5.要想从二维的视网膜传递的信息中，建构出一个三维的世界，就需要利用上纹理梯度、立体视察和运动视差等线索。

6.我们看到的实际上不是一大堆杂乱的线条和颜色，而是有组织的物体。但传输到视觉中枢的信息，其实更像是前者。后者是我们根据格式塔组织原则建构起来的。这样的原则有接近原则、相似原则、良好连续原则、闭合原则。根据这些原则，我们将零散的图案看作一个个有组织的物体。

7.以前的计算机软件经常用模板匹配的方式来识别图像，就是将看到的视觉刺激与已经储存好的模板进行比较。既然计算机可以用这种方式来进行模式识别，人类也可能是采用这种方式来识别视觉对象。

8.特征分析也可以看作一种模板匹配，只是已经存储的模板变成了更小的特征单元。比如，我们并不储存一个关于汉字“鸟”的模板，而是通过一些更小的笔画特征来识别汉字“鸟”。这样一来，不同书写形式的“鸟”都可能得到正确识别。当然，一些长得跟“鸟”很相似的字，也可能会被我们误以为是“鸟”，比如“乌”。

9.现在的计算机软件识别物体的本事相当高。因为，工程师们采用了“深度学习”的新技术。大家还记得，谷歌在2012年时，成功设计出了能识别猫的软件。而现在，大家的手机都装有人脸解锁的软件，也是依靠相似的技术。这可以说明，“人工神经网络”在某些方面已经取得了和神经网络相似的成果了。

关于言语识别，下面有一些值得注意的知识点。

1.在听别人说话时，我们能听到字与字之间的间隔，这就像是英文单词之间的空格一样。但实际上，这样的间隔和空格并不存在。比如，在听一个我们并不属于的语言时，我们听到的是连续的声音，而不是离散的语词。因为我们没有能力将声音分割成单词。从一些病例报告上看，也许存在专门进行“分词”的神经组织，当这一组织受损时，病人难以识别言语，但能识别其他声音。

2.人类的言语识别也可能是根据特征分析来进行的。比如，可以根据辅音特征、浊音音质和发音部位来识别音素。音素就是语音的基本单位。

3.在识别言语时，我们经常要区分不同但又很相似的声音。比如ba和pa，这两个声音其实很相似，甚至可以说，它们之间是连续的。但人类会在一个突然的分界线上，将ba识别pa，或者将pa识别为ba。为什么会这样呢？不太清楚。也许大自然这样设计言语知觉系统，自有其用意。

在进行模式识别时，我们人类不仅是一台被动的模式识别机器，还是一台主动的模式识别机器。我们会利用情境以及我们关于情境的预期和已有的知识，来识别模式。在28页，中间的类似“A”的图案是一样的，但在THE中被识别为H，而在CAT中被识别为A。这是因为我们预期这是一个有意义的单词。

同理，我们也都很熟悉汉语。所以，我们有时注意不到一些错别字。书中有的是将cdit看成edit的例子。这有两种解释。一种是说，我们在视觉处理的早期阶段就错误地识别了那些汉字。另一种是说，眼睛并没有欺骗我们，是脑子中的预期“欺骗”了我们。我们是否有能力设计出一项实验，来判断哪种解释更加合理呢？

练习题都不难。这里略过。书中有了马赫带的例子，让我们换成棋盘图，再来思考一下，人类知觉的特征：

我们会觉得这个图不仅仅是一个二维的线条和色块，而是一个三维的东西，是一个黑白相间的棋盘上面放着一个绿色的圆柱体。而且，我们还能“看出”，光线是沿着右上角往左下角射的，毕竟，棋盘上留下了圆柱体的影子。

本章最关键的问题就是，我们自以为看到的这些东西，真的就是这些东西吗？

如果你的回答是“是”。那么你就并没有理解人类这台行为机器的运作原理。人类在知觉这个世界时，除了自下而上的加工之外，还带有自上而下的加工。可以说，我们总是在看见我们想要看见的东西。