感知研究的新时代

Jingyang Zhou 是计算神经科学中心的 Flatiron 研究员。学分：约翰斯莫克

长期以来，科学家和哲学家一直对我们如何看待周围的世界着迷。在高性能计算时代，研究人员正在采用新方法来解决有关感知的旧问题。熨斗研究所科学家Jingyang Zhou使用数学和计算模型来了解我们如何感知对比度或亮度等视觉变化。她的研究为阐明基础神经科学与人类行为之间的联系奠定了基础。

自 2020 年以来，周一直在该研究所计算神经科学中心担任研究员。在此之前，她在纽约大学学习和工作，获得数学和经济学本科学位和博士学位。在心理学中，并且是霍华德休斯医学研究所的博士后研究科学家。

周与西蒙斯基金会谈到了她的工作以及感知研究的发展方向。为清楚起见，对对话进行了编辑。

 

你如何研究知觉？

感知本质上是我们识别和解释周围环境的能力——一种在我们的世界中航行的关键机制。为了研究感知，许多研究人员关注感觉信息（例如，来自我们眼睛的信息）在我们大脑中的神经元表示的方式。包括我在内的其他研究人员想了解这些神经计算是如何转化为对我们所见事物的理解。

更具体地说，我的工作重点是建立一个感知的理论数学框架——我们如何量化我们周围物理特性的外观，例如图像的颜色对比度。现在，我使用关于我们的大脑如何解释图像变化的预先存在的数据，尽管我开始与纽约大学和德国吉森大学的实验科学家合作生成新数据。

在一种类型的感知实验中，受试者会在计算机上看到一幅图像的两个版本，它们相似，但色调略有不同。要求受试者区分这两个版本。从这个实验中，我们可以衡量受试者的感知图像变化与实际差异之间的关系。在另一个感知实验中，可能会要求受试者以 1 到 10 的等级对图像的亮度进行评分。由此，我们可以直接衡量受试者对图像物理属性的感知。

到目前为止，我的研究已被用来建立一个模型来描述感知和身体变化之间的这种关系。然而，它可能会变得复杂，因为我们实际上无法感知所有变化。例如，我们可以使图像非常明亮，但在某个时刻亮度的变化对我们来说变得无法区分。

传统上，当人们研究知觉时，他们试图量化实验数据。在这种方法中，你做的实验越多，你的数据就越可靠，你的模型就越好。然而，进行感知实验的方法多种多样，每种方法都可能测量感知的不同方面。这可能会导致将苹果与橙子进行比较的挑战。

通过采用计算方法，我希望建立一个可以更准确地连接不同类型数据集的感知模型。这项工作将有助于量化数据，确定我们在不同实验中真正测量的内容，同时还揭示了我们测量的不同变量之间的联系。

技术如何改变感知研究？

如今，计算和统计技术的进步为我们提供了解决旧问题的新视角。过去我们一次只能研究一个变量。例如，我们可以向某人展示一个红色像素，然后是一个更亮的红色像素，然后请他们告诉我们他们是如何感知差异的。

现在随着理论和计算的进步，我们可以同时测量数千个变量。这意味着我们可以向某人展示一幅完整的水果篮静物画，而不是仅仅改变对比度或亮度，我们可以让苹果更像橙色。在这种情况下，我们可以问更多的问题，比如他们总体上看到了哪些变化。然后，我们可以将这些额外信息输入人工智能算法，以更好地理解我们如何感知图像。维度和数据的增加正在极大地改变我们的理论，并将引入更多我们能够提出的关于感知的问题。

我们是否正在进入感知研究的新时代？

在某些方面我是这么认为的。我们正处于该领域的这个有趣时期，随着技术和计算机科学的进步，我们开始做一些不同的事情。我们正在建立在早期科学家奠定的基础之上，他们具有很多理论洞察力，但没有可用的技术来进行某些实验。有了更高的计算能力，我们开始在对感知的理解上取得重大飞跃。

也开始转向专业化。过去，许多感知研究都是由单个实验室完成的，科学家同时进行建模、行为和大脑实验。许多研究人员都接受过实验和理论方面的培训。但是我们已经到了需要分工的地步，人们在一门学科或另一门学科上更加专业，以便在理解感知方面迈出更大的步伐。未来，我看到该领域将进一步转变：专家之间将开展更多合作。我认为这将真正有助于开启感知研究的新时代。