Jedna podpowiedź może sprawić, że bezsensowne plamy nagle zamienią się w rozpoznawalny obraz
Silnie zdegradowany obraz twarzy lub przedmiotu może początkowo wyglądać jak chaotyczny układ plam. Po zobaczeniu oryginalnej, wyraźnej wersji ten sam zdegradowany bodziec staje się łatwy do rozpoznania — mimo że jego piksele się nie zmieniły. Badanie Dolana i współpracowników z 1997 roku pokazało, że szybkie uczenie perceptualne zmienia odpowiedzi mózgu na takie obrazy. Zjawisko demonstruje rolę wiedzy odgórnej: gdy mózg zna dobrą hipotezę o tym, co przedstawia sygnał, potrafi organizować te same fragmentaryczne dane w sensowny obiekt. Nie znaczy to jednak, że oczekiwania mogą dowolnie zastąpić wejście sensoryczne.
Najpierw szum, potem oczywisty przedmiot
W eksperymentach używa się obrazów zdegradowanych tak mocno, że kontury i tekstury zostały sprowadzone do plam lub fragmentów o wysokim kontraście. Przy pierwszej prezentacji obserwator może nie umieć powiedzieć, co widzi. Następnie pokazuje mu się pełną, niezdegradowaną wersję. Gdy zdegradowany obraz wraca, często natychmiast staje się zrozumiały. Fizyczny bodziec przed i po podpowiedzi jest ten sam; zmieniła się wiedza obserwatora.
Percepcja potrzebuje modelu obiektu
Sygnał wzrokowy rzadko sam jednoznacznie opisuje obiekt. Krawędź może należeć do wielu rzeczy, cień może być zmianą materiału albo oświetlenia, fragment konturu może być zasłonięty. Wiedza o typowych obiektach pozwala sprawdzić, które elementy pasują do wspólnej całości. Po zobaczeniu pierwowzoru mózg dysponuje hipotezą, która organizuje wcześniej chaotyczne elementy.
Co pokazało neuroobrazowanie
Dolan i współpracownicy badali aktywność mózgu podczas takiego szybkiego uczenia rozpoznawania zdegradowanych twarzy i obiektów. Po nauczeniu obrazy, które wcześniej były niezrozumiałe, angażowały obszary związane z rozpoznawaniem odpowiedniej kategorii w inny sposób. Wyniki wspierały ideę, że percepcyjne uczenie szybko zmienia sposób, w jaki mózg interpretuje ubogie wejście, a nie tylko dodaje późniejszą etykietę słowną.
Dlaczego trudno potem 'odzobaczyć' rozwiązanie
Gdy już znamy strukturę, poszczególne plamy nabierają ról: tutaj jest oko, tam kontur nosa, ten fragment tworzy nogę zwierzęcia. Przestają być równoważnymi kształtami. Próba powrotu do pierwotnego stanu niewiedzy jest trudna, bo top-down expectations natychmiast organizują dane według poznanego modelu. To podobne do usłyszenia tekstu w niewyraźnym nagraniu po przeczytaniu transkrypcji.
Oczekiwania nie są wszechmocne
Z faktu, że wiedza ułatwia rozpoznanie nie wynika, że możemy dowolnie zobaczyć cokolwiek w dowolnym obrazie. Hipoteza musi być wystarczająco zgodna z informacją sensoryczną. Gdy dopasowanie jest słabe, oczekiwanie może najwyżej zwiększyć liczbę błędów. Właśnie napięcie między bottom-up evidence i top-down knowledge jest kluczowe: percepcja interpretuje dane, ale jest przez nie ograniczana.
Uczenie perceptualne może zmienić sposób wykorzystania tego samego sygnału
W badaniach z zdegradowanymi obrazami twarz lub przedmiot bywa początkowo tak ubogi w kontury, że uczestnik widzi przypadkowe plamy. Po pokazaniu wersji łatwiejszej do rozpoznania albo po udzieleniu informacji o tożsamości obserwator wraca do identycznego trudnego obrazu i nagle dostrzega strukturę. Fizyczny bodziec się nie zmienił; zmienił się model, z którym można dopasować jego fragmenty. Neuroobrazowanie w pracy Dolana i współpracowników pokazało, że rozpoznaniu wcześniej niezrozumiałych obrazów towarzyszyła zmiana odpowiedzi obszarów związanych z przetwarzaniem obiektów i twarzy. Nie znaczy to, że wyższa wiedza dowolnie nadpisuje wejście wzrokowe. Podpowiedź działa wtedy, gdy w sygnale istnieje struktura zgodna z nową hipotezą. To dlatego po poznaniu rozwiązania „odzobaczenie” obrazu jest trudne: raz dostępny model pozwala automatycznie organizować te same fragmenty w spójną całość.
Dlaczego podpowiedź musi pasować do danych
Jeśli obserwatorowi zasugerujemy obiekt, którego struktury w obrazie faktycznie nie ma, sama sugestia nie gwarantuje stabilnego perceptu. Skuteczna wiedza odgórna działa jak zestaw oczekiwań pomagających wybrać i połączyć istniejące cechy. To ograniczenie chroni opis zjawiska przed przesadą: wcześniejsza wiedza silnie organizuje percepcję, ale nie pozwala dowolnie zobaczyć czegokolwiek w każdym bodźcu.