为什么有些人能成为领域内专家而有些人不能？这个问题有许多解答，但很长一段时间内，科学界都没有把人对视觉、听觉及其他外部信息的知觉能力纳入考量。个体在知觉学习上的差异长久以来都在研究中被当做随机波动，或者说“噪声”。
然而，由上海纽约大学首席科学家、副教务长吕忠林教授和中国科学院心理研究所的黄昌兵教授领导的团队完成的最新研究表明，这种知觉学习能力的个体差异确实对人胜任其他知觉学习任务的能力有影响。
他们的这一发现于7月23日发表在了顶级期刊《美国科学院院报》（PNAS）上，题为《知觉学习中的基本学习能力》。中国科学院研究生杨佳为第一作者。
“在为对知觉能力要求高的职业选拔人才时——比如说招募飞行员，就需要去区分谁值得培养，谁不值得。基本学习能力提供了一个衡量标准，可以帮助挑出那些学习能力强、以后更有可能取得优异学习表现的人。”吕忠林教授说。
他同时也强调，这一发现的应用并不止局限于精英群体。“这种基本知觉学习能力的存在同样可以帮助我们更好地为病人设计康复方案，”吕忠林教授补充道，“比如，当治疗眼疾时，我们可以根据病人在少数几个视力训练任务中的进步速度来决定最优化的治疗方案。”
在这项实验中，研究团队招募了49名受试者，他们每个人都需要连续35天完成7个不同知觉学习任务总计23720次的训练，这样的实验规模在这一领域是史无前例的。“过去的知觉学习研究大多专注于某一任务的学习，但人在现实中需要同时具备多种技能才能成为某一领域的专家。就比如一位气象专家，需要同时读懂复杂的卫星云图以及云图的动态变化才能有效地分析天气。也就是说一位气象专家需要具备同时完成几种知觉任务的技能，”吕忠林教授说，“我们首次在知觉学习研究中让受试者学习多种不同的任务，这样更好地模拟了现实。”
大样本量也给研究增加了挑战。吕忠林教授说他其实十多年前就想要做这个研究了，然而由于说服几十个人在一个多月内不间断地参与实验十分困难，故一直无法实现。“我十分感谢所有的受试者以及研究团队在收集这样完整且高质量的大数据中付出的努力。”吕忠林教授说道。
七项知觉学习任务包括了对视觉、听觉，以及工作记忆的训练（详情请见图1）。受试者每五天学习一项任务，每天持续一小时左右。研究团队收集到了一组庞大的数据，并使用了一系列分析方法来对这组数据进行分析，包括多因素回归、固定效果模型，以及LASSO回归。
图1. A. Contrast detection对比度检测：受试者需辨别目标是出现在第一个时间段还是第二个时间段；B. Vernier offset discrimination：受试者需报告注视点字母（H或N）以及下方Gabor是在上方Gabor的左方还是右方；C. Global motion discrimination：受试者需辨别两个时间段内的点是否向同一方向移动；D. Visual shape search：受试者需辨别目标（向下的箭头）是否出现；E. Face view discrimination：受试者需辨别第二张脸相对于第一张脸的方位；F. Auditory frequency discrimination：受试者需辨别更高频的声音是出现在第一个时间段还是第二个时间段；G. Audiovisual N-back working memory：受试者需报告重复出现的视觉或听觉刺激。
研究团队发现，受试者在任务中的初始表现以及任务本身的难度对他们在各项任务中的学习表现都有显著影响。但在通过数学方法将这两个因素控制之后，每个受试者在所有任务中的表现都同样受到个体差异的影响，这个现象为基本知觉学习能力的存在提供了有力的支持。
研究团队同时也收集了受试者的智商和人格特征数据，以进一步探究影响个体学习能力差异的因素。他们发现智商以及大五人格中的外倾性（热情、社交、果断、活跃、冒险、乐观等特质）和开放性（具有想象力、审美、情感丰富、求异、创造、智能等特质）分数更高的人往往有更好的学习能力，而神经质性（难以平衡焦虑、敌对、压抑、自我意识、冲动、脆弱等情绪的特质）和宜人性（具有信任他人、利他、直率、依从、谦虚、移情等特质）的高分则对知觉学习有负面影响。
吕忠林教授表示针对这些来之不易的数据会有一系列研究和分析，而这篇论文只是第一步：“我们还发现了其他的一些非常有趣的现象，我们正在用更先进的数据分析方法去更好地理解这些发现。”
该研究由中国科学院、中国科学院大学、纽约大学、上海纽约大学，以及华东师范大学-纽约大学脑与认知科学联合研究中心（上海纽约大学）合作完成。更多关于知觉学习的发现与讨论也可参考吕忠林教授新发表的著作《Perceptual Learning: How Experience Shapes Visual Perception》（https://mitpress.mit.edu/books/perceptual-learning-1）。