知觉学习神经机制的研究新进展
——以视知觉为例
梅冬梅
(中山大学 心理学系,广东 广州)
摘 要: 知觉学习是由于经验或训练而产生的长期稳定的知觉变化,是一种内隐学习。视知觉特异性与迁移性的研究结果揭示大脑皮层在成熟之后仍具有可塑性。视知觉学习涉及了包括初级视觉皮层在内的多个大脑皮层。视知觉学习即产生于对刺激属性自动化加工过程,也可以通过自上而下的调控机制巩固学习效果。通过知觉学习对于复杂信息的表征将从高级皮层向低级皮层转移,促进任务执行的自动化。
关键词: 知觉学习;视知觉;特异性;迁移性;可塑性
知觉学习是由于经验或训练而引起的长期稳定的知觉变化。知觉学习是一种内隐的学习过程,通过训练对刺激材料产生的任何相对长期稳定的变化过程都是知觉学习(Gibson,1963)。知觉学习的研究可追溯到Thorndike对感官训练的研究。近二十年来逐渐成为认知神经科学的一个前言和热点问题。 21世纪之前,知觉学习还一直被认为是发生在人类个体发育成熟的早期阶段,例如感知觉皮层的发育发展阶段所体现出来的大脑可塑性。随着fMRI, ERP技术的发展,人们可以更深入地研究感知觉的学习过程。近年来成人视知觉学习对刺激朝向和位置等特异性现象的发现,通过训练即使是成年后,个体的知觉能力也能获得提升,大脑仍能表现出可塑性。特别是视知觉方面的研究成果,已经开始应用于临床治疗与康复等领域。
一 特异性与迁移性
知觉学习具有特异性和迁移性的属性。特异性是指视知觉学习的效应不能迁移到未训练的刺激上,只特异于训练的刺激。在简单的刺激知觉学习中特异性可能包括刺激特征的特异性和刺激位置的特异性。光栅朝向知觉学习发现如果训练位置一直处于左上视野,训练后被试只在左上视野训练位置的知觉能力提升,这既是知觉学习的位置特异性。知觉学习效果对于复杂刺激也存在刺激特异性和位置特异性。研究发现通过训练个体在没有注意到目标刺激的情况报告的正确率显著提升,提升的识别能力可以持续到一个月后(Qu et al., 2014)。对于刺激朝向和位置的特异性的视知觉学习提示该过程很可能发生在视觉通路较低级的皮层,甚至是初级皮层。Yotsumot等人(2008)通过fMRI检测大脑在长时程的知觉学习中的激活及成绩变化将知觉学习的过程分为两个阶段,第一阶段成绩提高和视觉皮层激活的BOLD上升,第二阶段成绩达到稳定水平,皮层激活回到训练前水平。与成绩变化显著相关的视觉皮层区域仅为V1区。曲折等人的研究也发现在顶区的N1(140ms)上表现出朝向迁移性,在枕顶区的P2(200ms)上表现出朝向特异性。
视觉搜索任务中对一种刺激的学习效果可以迁移到了其他刺激。有研究发现只对一种刺激进行视觉搜索任务的训练,也可以促进被试在其他刺激在搜索任务中的成绩(Qu et al., 2016)。所以在训练任务中学习到的不单单是特定刺激特征,而是针对该类型任务的视觉搜索策略,学习效果可以发生迁移。
特异性和迁移性作用可能并非完全对立,可能存在微妙的相互影响。研究者采用double training的实验范式发现训练被试左上视野对竖直Gabor刺激的对比度辨别能力的过程中,如果在多个训练日中穿插另一无关刺激的训练任务,被试的左下视野对比度辨别任务的成绩也会显著提高,即是实现了对比度任务在不同视野位的迁移(Xiao et al., 2008)。这启示我们学习效果并不是不能迁移到其他位置,只要增加适当的位置训练,降低位置不熟悉的影响,对于刺激特征的训练效果是可以发生迁移的。
二 知觉学习的神经基础
神经科学领域的研究发现知觉学习涉及了从初级视皮层到高级皮层的大部分区域。在视野位置,刺激属性等方面特异性的发现提示知觉学习可能发生在视觉信息加工的早期阶段。视觉信息加工通路中只有V1区的激活与训练成绩提高显著相关。训练V1区细胞能更好的区分不同朝向。接受质地辨别任务的短期知觉训练后,训练的视野位置与没训练的位置相比C1波的波幅变小了,也即是发现了V1区的神经元活动信号的变化。Yotsumoto等人(2008)用质地辨别任务通过fMERI技术发现随着知觉学习的进行,大脑V1活动特异于训练的视野位置。V1反应在训练早期逐渐增强,随着行为成绩的提升而提升直到达到饱和水平。14天的训练后,成绩仍然保持在稳定的水平,但V1活动却回到了训练前的水平。并且只在V1发现了这一关联变化。Schwartz等人(2002)用相同任务也发现训练后V1区BOLD信号增强了。Mukai等人(2007)发现在对比度辨别任务知觉学习中,行为成绩的提高与V2,V3等视觉皮层BOLD信号的减弱成正比。研究结果的不一致可能是因知觉学习程度不同与大脑活动强弱可能密切相关。
虽然选择策略已有多种,但各类方法都有优缺点,因此为了在实际应用当中取得更好的效果,目前最常用的改进方法就是将几种选择策略混合使用。文献[1]的选择策略结合了线性排序法、最佳个体保存法,并将生成的子代按适应度排序取代父代适应度最差个体。此外,结合其它智能算法如模拟退火算法、蚁群算法等来改进选择策略也是常见的改进方法。文献[7]采用允许父代参与竞争的退火选择机制,并在典型的非线性优化问题地震参数反演中得到了较好的运用效果。
研究发现朝向辨别训练成绩的提高与V4细胞反应增强有关(Anderson & Halpern, 2017)。说明知觉学习也能引起视觉外纹状区皮层细胞反应的变化。知觉学习可能需要与执行任务相关的脑区参与。视觉搜索任务的知觉学习可能由较高级脑区(中央/顶区)的激活转移到较低级脑区(枕/顶区)的激活。知觉学习有可能需要更高级的皮层参与。知觉学习除了初级的视觉皮层来加工刺激属性外,应该也需要额叶、顶叶脑区参与加工。
知觉学习会受到与任务相关的更加复杂的高级过程的调控。运动学习任务中,与运动辨别任务策略有关的LIP脑区活动会因训练而发生了显著变化(Watson et al., 2019)。在MT区活动被抑制的情况下运动辨别的知觉学习仍能发生。视觉序列呈现任务发现被试在非注意的情况对于随机点的运动方向的检测成绩也提高了。Tsushima等人(2006)发现当处于阈限或阈限下水平时,任务无关的运动会干扰任务表现,视觉皮质(MT+)会出现更强的激活,前额叶(LPFC)并没有显著的激活。但处于阈限上水平时,这一干扰作用并不明显,但在LPFC的激活程度显著增强,而MT+的激活并没有显著变化。加工刺激信息的过程中,对于刺激特征属性的加工可能存在特定神经元的自动化加工,但当存在意识注意的情况下,高级脑区可以调控对刺激属性的加工。所以知觉学习过程中可能开始于初级视觉皮质对刺激特征属性的自动化加工,而对于复杂刺激信息的加工则需要得到高级皮层的调控参与。
对于为何会产生知觉学习,现如今还没有相对统一的理论解释。 但普遍认为知觉学习使细胞的选择性增强。 但细胞反应的改变不仅受知觉训练的影响,还受知觉学习过程中自上而下作用的影响。 知觉学习对细胞反应的影响还体现在细胞反应的时间特性上,随着训练细胞反应的同步性更好(Salazar, Kayser, & Konig, 2004)。另外,突触可塑性(synaptic plasticity)可能是知觉学习在更微观层次上的一种加工机制,长时程的突触可塑性被认为与学习和记忆关系密切。有研究者利用突触神经元的变化及其可塑性来解释知觉学习进程(Anderson et al., 2017),大脑神经活动的变化可能是源于突触在时间进程中的数量或突触链接程度的变化所导致的。
三 总结
综合而言,知觉学习是在整个生命阶段一直持续不断,贯穿始终的过程。知觉学习使我们的感官系统在进化的过程中为个体更好地适应环境所必须的。知觉学习的神经基础包含了从初级视觉皮层到高级大脑皮层的复杂网络结构。知觉学习的初始阶段可能是通过初级视觉皮层神经元对刺激属性的加工,而对于复杂刺激的加工可能既有自下而上的自动化加工,也有自上而下的高级大脑皮层对信息的加工。
利用无人机机动性好、操作方便、成本低廉、无人员伤亡等特点,在暴雨或者山洪等极端气候条件下,派出无人机对矿山尾矿库、堆渣场、边坡等进行监测,在发生次生地质灾害的前期及时进行观测,发出预警信号。
(1)建筑工程设计环节应用。建筑项目工程管理中应用BIM技术,能够利用BIM技术强大的三维信息成像模型,以及强大的数据计算模型,能够帮助项目设计人员直观了解建筑工程项目的构成。从而在设计阶段便可以将建筑施工量、结构组成、设备类型等精确的测算出来,并根据业主方的需求,进行管道、电气、结构等局部优化完善,即使在此过程中某个建设项目发生了修改,与其有着密切关联的项目也会实现自动修改和自我校核,减少设计及修改的工作量,提高设计的科学性和合理性。此外,BIM技术利用三维成像模型能够解决了传统二维成像模型的诸多弊端,如可以随时对建筑项目施工管线作出调整,使其更加科学合理,避免后期施工过程发生返工的风险。
参考文献
[1] Anderson, B. A., Chiu, M., DiBartolo, M. M., & Leal, S. L. On the distinction between value-driven attention and selection history: Evidence from individuals with depressive symptoms[J]. Psychonomic bulletin & review, 2017,24:1636-1642.
[2] Anderson, B. A., & Halpern, M. On the value-dependence of value-driven attentional capture[J]. Attention, Perception, & Psychophysics, 2017,79:1001-1011.
[3] Hu, L., Ding, Y., & Qu, Z. Perceptual learning induces active suppression of physically nonsalient shapes[J]. Psychophysiology, e13393. 2019.
[4] Qu, Z., Hillyard, S. A., & Ding, Y. Perceptual Learning Induces Persistent Attentional Capture by Nonsalient Shapes[J]. Cerebral Cortex, 2016:1-12.
[5] Qu, Z., Wang, Y., Zhen, Y., Hu, L., Song, Y., & Ding, Y. Brain mechanisms underlying behavioral specificity and generalization of short-term texture discrimination learning[J]. Vision research, 2014,105:166-176.
[6] Watson, P., Pearson, D., Wiers, R. W., & Le Pelley, M. E. Prioritizing pleasure and pain: Attentional capture by rewardrelated and punishment-related stimuli[J]. Current Opinion in Behavioral Sciences, 2019,26:107-113.
本文引用格式: 梅冬梅.知觉学习神经机制的研究新进展——以视知觉为例[J].教育现代化,2019,6(78):204-205.
DOI: 10.16541/j.cnki.2095-8420.2019.78.086
作者简介: 梅冬梅,女,汉族,河南周口人,中山大学心理学系 博士研究生,贵州师范大学心理学院 教师,博士学位,研究方向:社会认知神经科学。