今天要來幫大家介紹一下視覺注意力的故事。
鏡好聽語音版:https://voice.mirrorfiction.com/single/20200520cul001
關於視覺注意力,我們首先要來關注的一個重要問題就是:注意力是不是我們能看見東西的必要條件?也就是說,如果眼前有個事物沒有被我們注意到,那我們還看得到它嗎?
關於這些問題,最早以實驗來加以研究的,就是奈瑟(Ulric Neisser),也就是我們在《大腦好好玩》第二季第一集開場時,曾經提過的認知革命的四位重要人物之一的奈瑟。Neisse r在 1975 年,曾經做過一項先驅實驗,就是以疊合的影片,來測試人類的注意力能不能被分配。
這段影片,我們會放在以下連結中,如果大家有機會的話,可以到連結中看一看。如果沒機會去看的話,也沒關係,我在這邊用語言來幫大家說明就好。
影片:https://youtu.be/nkn3wRyb9Bk
在奈瑟的實驗影片中,基本上就是把兩段影片疊合在一起,其中一段影片,是穿著白衣的籃球員在傳球,另外一段影片,則是穿著黑衣的籃球員在傳球。然後呢,這兩段影片會被疊合在一起。什麼叫做疊合在一起呢?疊合在一起,就有點像是你拿兩台投影機,同時投影在同一面牆上,然後影像就會疊合在一起那樣。
兩段影片疊合在一起之後,奈瑟就請受試者去注意數數看影片中的黑衣隊伍總共傳了幾次球。
結果發現呢,當受試者在專心數著籃球員的傳球次數的時候,很多受試者都沒有注意到有一位撐傘的女士出現在影片之中。
奈瑟根據這項結果,就提出了他的主張,他認為,受試者只能注意重疊影片中的其中之一,而無法同時注意兩者。當你全神貫注地把注意力集中在其中的某些事物上時,其他的事物就會發生視而不見的現象。我們把這個現象稱為是「不注意視盲」(inattentional blindness)。
關於這個現象,你可能會質疑,有沒有可能是因為這種重疊的影像太不真實了,所以大腦才無法處理?關於這個問題呢,有後續的實驗改變了影片的呈現方式,比方說,心理學家不使用重疊影片,而改在兩隻眼睛中分別呈現不同的影片,結果發現,受試者一樣只能注意其中一隻眼睛中的事物。
所以呢,沒有被注意到的東西,我們似乎就會看不見!
關於 Neisser 的這部影片以及實驗,很多人應該會覺得有點耳熟。沒錯,因為我們現在常常在網路上看到在流傳的一部大猩猩影片,其實就是這部影片的後續作品,如果大家沒看過大猩猩影片的話,一樣可以看一下以下的連結。我們在這裡要跟大家說的就是,真正的第一版影片,其實不是大猩猩的影片,而是奈瑟在 1975 年的影片。
影片:https://youtu.be/vJG698U2Mvo
但是,為什麼 Neisser 的第一版影片默默無聞,但是後來的大猩猩影片卻爆紅呢?其中的原因,可能就是因為 Neisser 的發現走得太前面了,因此當時大家無法理解這個發現背後意義,所以才選擇性的忽略了這項發現。
--
早期視覺記憶理論「像照相機」?
--
在 70 年代時,主流的視覺記憶理論認為,人類的視覺記憶形式,就是像照相機一樣,會把所有的視覺內容都一次儲存在一個暫存記憶體之中。
根據這樣的理論,所有的視覺內容都應該在腦中,因此不應該會出現這種「視而不見」的現象才對。也因此,當時的學術界對於奈瑟的發現不知道該怎麼處理,所以這項發現就一直被擱置、一直被束諸高閣。
雖然 Neisser 在 1975 年的最早發現被大家忽略,但是 23 年過後的 1998 年,終於有其他學者開始重新檢視這個現象,而這一次呢,終於讓 Neisser 的發現獲得了平反,並且讓大家開始重視到其中的意義。
在 1998 年的時候,兩位學者 Arien Mack 和 Irvin Rock 做了一系列實驗,結果都支持「不注意視盲」的現象確實存在。
--
「不注意視盲」
--
比方說,在一項實驗中,他們要求受試者去注意螢幕上十字形的+號圖案,然後每次+號出現時,受試者就要回答,在這個+號圖案中,是+號圖案的垂直線段比較常,還是水平線段比較長?
接下來,當受試者回答了好幾個回合,回答得正高興的時候,某一個回合螢幕上的+號圖案旁邊,就會突然出現另一個圖案,比方說可能是三角形。三角形閃現過後,實驗人員就會問受試者是否看見剛剛額外閃現圖形是什麼形狀?結果發現,很多受試者都無法成功回答這個問題。
結果顯示,當受試者專心注意某項作業時,可能看不到其他同時出現的視覺刺激。
關於這個實驗結論,各位聰明的看倌可能會想要反駁,你可能會說,這個實驗的結果可能和注意力無關,而是因為三角形是被呈現在視野周邊,沒有被直接呈現在凝視點的正中央,所以才看不見?
換句話說,你可能質疑,或許是因為受試者的眼睛一直盯著+號看,所以才無法看見視野邊緣的其他圖形,所以是視野太偏的問題,而非注意力無法分配才導致這樣的結果。
針對這樣的質疑,Mack and Rock 這兩位學者,做了另一項實驗再次驗證。這一次,他們請受試者凝視在螢幕中央的一個凝視點上。然後把+號排在螢幕的邊緣。作業內容和剛剛一樣,只不過這一次,受試者必須把視線凝視在中央的凝視點上,然後用眼角的餘光、去判斷視野邊緣的十字+號中的垂直線段或水平線段何者較長。然後呢,當受試者專注進行作業時,有時候凝視點會突然變成另一個圖形。
結果發現,受試者有高達 87% 左右(!)、偵測不到凝視點的這個變化。只有當受試者事前先被警告過凝視點可能會出現變化時,他們才偵測得到。
由此可知,即使受試者的眼睛一直凝視在凝視點上,仍然有可能錯過發生在凝視點位置的變化。所以說,這種「視而不見」的現象,並不是因為視野的關係,而應該是注意力無法分配所致。
Mack and Rock 的一系列研究,幫不注意視盲的現象找到了紮實的證據,並引起了學界的重新重視。隔一年,1999 年,另外兩位心理學家 Daniel Simon 和 Christopher Chabris,就根據Neisser的原始影片,製作了改良版的大猩猩影片,結果爆紅,也因此讓「不注意視盲」的現象一砲而紅。
--
「不注意視盲」還是「不注意失憶」?
--
關於「不注意視盲」這個現象,有些人認為,這代表了注意力是我們看得見東西的必要條件。如果你沒注意看,視覺刺激就不會進入意識狀態。
關於這個看法,其實目前正是大家熱議的一個主題,有些人同意,但是也有人不同意。所以如果你也有興趣的話,或許可以自己思索看看。
在這裡,我們簡單介紹另外一種的看法。例如有沒有可能,其實注意力並不是看得見東西的必要條件?有沒有可能,在我們沒有注意的情況下,其實我們還是看得見,只是看到的東西被迅速地遺忘了。
比方說在傳球撐傘的例子中,受試者其實可能看到了撐傘女子,但是因注意力不足,所以很快的就遺忘掉了。或者是在 Mack and Rock 的實驗中,有可能受試者其實清楚的看到三角形,但是因為注意力不足,所以很快就遺忘掉。所以說,注意力說不定和意識無關,而可能是和我們的遺忘速度有關?
這種說法,我們稱之為「不注意失憶」(inattentional amnesia)。而且更在我們先前提過的「早期選擇理論」和「晚期選擇理論」的爭論中,再多添加了一個新的立場,就是「超級晚期選擇理論」。
這種「超級晚期選擇理論」理論認為,注意力介入的時間點非常的晚,是在語意分析以及意識都出現之後才介入。在這種「超級晚期選擇理論」中,注意力影響的是我們能否順利回報而已,而和語意分析以及意識都無關。
--
為什麼我們看得見背景?
--
另一個可以思考、反駁的地方是,如果注意力真的是看見東西的必要條件的話,那我們怎麼可能還會看得見背景呢?
比方說,大家如果在開車時,眼睛專注地盯著路況,但是你眼角餘光所見之處,並沒變得一片漆黑,餘光可見座椅、方向盤等,並沒有因為我們全神貫注在路況上而看不見。由此可知,注意力並不是我們看得見的必要條件。對吧?
當然若要繼續辯論,你也可以說,不對,我認為注意力確實是看見東西的必要條件,我們全神貫注在路況上,卻仍然還看得見視野周遭背景的原因,或許是因為我們的大腦仍然自動了分配了一些注意力給周遭背景,所以我們才看得到這些周遭背景。
至此,大家可以看到,這雙方的辯論攻防,其實兩邊都有很大的空間可以去爭論,而這也正是目前關於注意力和意識關係之間的重點議題之一。
關於細部更深入的爭論,在這邊我們就暫時打住,至於究竟哪一個理論才正確,現在大家也沒有定論,所以就留給大家自己去思考和判斷。
--
「整合問題」:不同腦區的視覺刺激如何在腦海裡整合?
--
最後,我們再來看一下視覺注意力的理論和相關生理機制。
在介紹注意力的理論之前,我們要先來討論聽覺和視覺的差異,以及引發心理學家思考注意力理論時的一個重要現象。
首先,如果我們檢視「視覺刺激」或「聽覺刺激」的本質,我們可以發現,無論是視覺或聽覺刺激,都是由好幾種不同基本特性所定義而成的。比方說,聽覺刺激包括了頻率、強度和音色等等。而視覺刺激則包括了顏色、線條的方位和形狀等等。
以視覺刺激為例,如果視覺刺激是由多種不同的基本特徵所構成,而且我們現在已經知道負責處理這些基本特徵的腦區都在不同的位置,比方說,形狀是在 V3,顏色是在 V4 腦區,動態是在 hMT 腦區等等,那我們就要追問一個問題,為什麼我們對於一個物體的視覺經驗竟然是完整,而不是各自分離的?
這個問題,就是所謂的「整合問題」(binding problem)。
也就是說,如果視覺刺激的各種特徵是由不同腦區負責,但最後所有的特徵在被我們意識到時,卻是完美整合的狀態,那勢必腦中應該有一個機制在整合這些位於不同腦區內的視覺刺激特徵才對。
--
特徵整合理論
--
關於這個問題,Anne Treisman 就提出了她的「特徵整合理論」(feature integration theory)。她認為,在視覺注意力介入之前的所謂「前注意階段」(pre-attentive stage),所有的視覺刺激特徵都尚未被整合,而是處於一種自由浮動的狀態。直到注意力介入後,這些視覺刺激特徵才會和物體整合在一起。
根據這個理論,如果視野中同時有好幾個物體,那在注意力介入之前,這些物體上的所有視覺特徵就會全部混在一起處於自由浮動狀態,直到注意力介入後,才會把每個物體應該要有的視覺刺激特徵整合在一起。
那有沒有什麼方法可以驗證這個理論呢?Treisman 的特徵整合理論,其實做出了一些預測,剛好可以被用來檢驗理論是否正確。這個理論做出的預測就是,如果注意力介入的過程出現錯誤,就可能會出現特徵整合錯誤,也就是把不同物體的特徵錯誤的整合在一起的現象。我們把這種現象稱為是「錯覺組合」(illusory conjunction)。
Treisman 在 1982 年就做了一項實驗,證實了錯覺組合現象的確存在。他首先在螢幕上快速閃現兩個數字以及四個圖形,然後要求受試者先回答數字,再回答看到哪些顏色和形狀的圖形。結果發現,有18%的試驗中,受試者會出現錯覺組合。
比方說,原本的視覺刺激中有一個紅色的三角形和一個黃色的圓形,但是受試者可能會說成黃色的三角形。
所以,從這個實驗的結果,我們可以知道確實有「錯覺組合」的現象。而 Treisman 對於「錯覺組合」的解釋就是,這是因為受試者把注意力都在數字上,所以才沒有足夠的注意力去整合四個圖形的視覺特徵,也才導致了「錯覺組合」現象。
好,聽到這邊,聰明的聽眾們又可以提出質疑了。什麼質疑呢?這個質疑就是,沒錯,你 Treisman 的確有發現「錯覺組合」現象,但是誰知道這是不是因為注意力不足的關係導致的呢?說不定是因為記憶力不好、動機不足等等的其他原因才出現的結果。你 Treisman 有證據可以顯示這真的是因為注意力不足所導致的嗎?
關於這個質疑,Treisman 也做了一些實驗來回應。比方說,Tresiman 決定直接操弄注意力,看看會不會影響結果。例如他要求受試者不要去注意數字,而改成直接去注意四個圖形,結果發現錯覺組合的現象減少了,因此這個現象確實應該和注意力有關。
--
布林氏症候群
--
還有另一項可以用來特徵整合理論的證據,就是布林氏症候群(Blint’s syndrome)。所謂的布林氏症候群,就是當與注意力有關的頂葉受傷時,病人會出現注意力異常的現象,就有點像是我們在大腦好好玩第一季第六集介紹大腦頂葉時的特殊病例那樣。
關於這些注意力異常的布林氏症候群病人,有實驗發現,這些病人的錯覺組合現象也確實比正常人高出許多,因此注意力應該和錯覺組合有關。
最後幫大家總結一下。我們在今天的內容中學到的一個重要現象就是「不注意視盲」,也就是沒有被注意到的事物,我們常常就無法回報他們的存在。那至於我們無法回報的原因是因為我們完全沒看見,還是有看見但卻快速遺忘了,目前仍沒有定論。
還有,關於視覺注意力,我們也學到了崔斯曼的特徵整合理論,崔斯曼認為,在視覺注意力介入之前,所有的視覺刺激特徵都尚未被整合,而是處於一種自由浮動的狀態。直到注意力介入後,這些視覺刺激特徵才會和物體整合在一起。而一但注意力不足時,就會出現整合錯誤,也就會出現錯覺組合的現象。
以上就是《大腦好好玩》第二季第四集的內容,有機會的話歡迎大家試聽!我們下週再見!
鏡好聽語音版:https://voice.mirrorfiction.com/single/20200520cul001
「語意分析r」的推薦目錄:
- 關於語意分析r 在 謝伯讓的腦科學世界 Facebook 的最佳貼文
- 關於語意分析r 在 TransBiz 跨境電商智庫 Facebook 的最佳貼文
- 關於語意分析r 在 緯育TibaMe Facebook 的最佳貼文
- 關於語意分析r 在 R語言和文字探勘- 洞悉巨量文字的商業價值 - Facebook 的評價
- 關於語意分析r 在 R 語言與資料科學導論 的評價
- 關於語意分析r 在 tmR/TextMining.R at master · sulaxd/tmR - GitHub 的評價
- 關於語意分析r 在 大數據分析語言Python 網路社群文字探勘(Text Mining) 的評價
- 關於語意分析r 在 潛在語意分析與分群社論為例 - YouTube 的評價
語意分析r 在 TransBiz 跨境電商智庫 Facebook 的最佳貼文
(RING)☎-
Hi, 請問你是Doris嗎?
: 恩,請問你是...
你有參加某個會議,想問一下是否有需要SEO服務呢?
: Um...我想應該...還不需要。
噢...請問你有公司官網或是公司的名稱嗎?
: Um...我們是...TransBiz
跟前面的語速完全不一樣,這姑娘非常快速地跟我說「謝謝」,然後很快地就掛掉電話了...
😅大概是我們的中文名字大家比較不熟悉,
其實就跟睿伯 R Bay的音一樣,叫做 睿博 啦!
——
但...TransBiz的主業不是SEO,我們雙方也不是競爭者
對方的團隊可透過語意分析和人工智慧打造工具,將SEO的優化過程更智慧,省去不同平台的數據分析與人工比對和比較。
而我們的主業既不是販售電商產品,也不是真的大型主流媒體或自媒體,或需要特別大量的曝光。因此在新型態的 #語音搜尋 或是瘋狂攻佔 #Rich_Snippet #Feature_Snippet 則沒有再特別著墨。故在軟體與工具的使用上也比較原始一點。
當然,秉持著要走在數位行銷的最前線,TransBiz當然會持續地閱讀SEO最新消息的內容與趨勢。只是沒有多餘的時間與人力再提供進階課程,畢竟學習是一條無止盡的路,而TransBiz只能在這裡當你的引路人。
我們堅信,不論你想要做哪一種類型的SEO成長駭客,能先了解 #SEO基本功 ,再進一步思考你需要的方法及優化方向,才是比較腳踏實地的做法。
在2017年的12月,TransBiz不藏私開設線上課程,手把手告訴大家,2年來我們透過哪些努力,如何讓網站流量暴增百倍。
現在,你可以直接在免費資源區,找到購買資訊。
——
免費課程這邊請【歡迎分享】:
👉👉https://trb.one/免費資源下載區
語意分析r 在 緯育TibaMe Facebook 的最佳貼文
談AI人工智慧,不能不提big data,其中兩把寶劍就是Python與R。該用哪把寶劍進行資料分析?
【R語言】自由、開放源碼、系統穩定、應用廣泛且跨平台,是許多跨國公司進行資料分析的首選,Oracle、IBM與微軟已將R融入主要產品,許多免費又強大的套件,讓使用者能輕易的進行資料探勘
➽ 一步步進入R語言 https://goo.gl/m4pzmt
➽ 數據分析入門Python https://goo.gl/XksJa6
【Python】直譯式語言,簡單、易上手,擁有許多免費的套件,讓資料分析人員可以快速的進行分析,Google、FB 都是頭號擁護者;Google的Tensorflow也提供python語法,想做圖片分析與語意分析的Deep Learning都不再是困難事
#延伸學習
Big data內功心法: 資料探勘Data Mining: https://goo.gl/qwFfcA
語意分析r 在 R 語言與資料科學導論 的推薦與評價
而 語言分析 的工作, 在了解文本資料的語意與情緒表現上是重要的關鍵。本課程結合了目前統計程式設計、文本分析與自然語言處理技術,希望以較為簡潔容易入門的設計與實際 ... ... <看更多>
語意分析r 在 tmR/TextMining.R at master · sulaxd/tmR - GitHub 的推薦與評價
#' 資料探勘、資訊萃取、統計學、自然語言處理、機器學習、情感分析、自動分類、語意分析、… #'. #' ## 文字探勘流程. # ... ... <看更多>
語意分析r 在 R語言和文字探勘- 洞悉巨量文字的商業價值 - Facebook 的推薦與評價
· R 語言和文字探勘,讓我們一起洞悉巨量文字的商業價值 … 更多. 在大鼻第一份工作時,做了許多文字資料的處理與 分析 ,當時在學習時,獲取知識的渠道 ... ... <看更多>