上纽大首席科学家发表论文 指出视知觉学习未来研究四大方向

Lu Zhonglin visual learning
2022年9月 29日

放射科医生看X光片能够诊断疾病;天气预报员观察卫星云图能够预测天气——“一眼识图”当然不是超能力,而是经多年大量有针对性的学习和训练培养出的“知觉能力”,科学家将这一过程称为“知觉学习”。

近期,上海纽约大学首席科学家、副教务长吕忠林教授与他的长期合作伙伴加利福尼亚大学尔湾分校认知科学教授Barbara Anne Dosher合作完成一项题为“视知觉学习研究的现状及发展方向”(Current Directions in Visual Perceptual Learning)的综述研究,系统梳理了视知觉领域近三十年来的研究发展、理论、模型和应用,并指出该领域亟需进一步探索的几大方向,希望能够启发未来的研究与合作。该项研究于近日发表在《自然综述》(Nature Reviews)旗下新设的线上期刊《自然综述:心理学》(Nature Reviews Psychology)上。

视知觉领域近三十年的研究显示,从较为简单的物体特征识别、到相对复杂的场景分析任务,知觉学习现象广泛存在于各类视觉任务当中。此外,它也对发育、衰老和视觉康复过程中视觉功能的改善有重要贡献。“知觉学习能够显著改变认知功能,因此想要全面理解认知,必须要理解知觉学习对它的影响。”吕忠林教授表示。

本篇综述研究从视知觉学习的关键行为学研究入手,对不同的学习任务予以分类及阐释。随后,研究者深入探讨了知觉学习的一大标志性特征——“特异性”:从一个训练任务中获得的学习效果,通常无法推广至其他任务;即使是同一项训练任务,如果场景设定改变,学习效果也无法互通。“特异性”特征自上世纪九十年代在实验中被发现以来,便成为知觉学习领域的一大重点研究课题。科学家致力于分析其成因,并探索如何避免“特异性”,从而实现不同任务间学习效果的传递和泛化。文章中还重点介绍了阐释视知觉学习机制的两大理论——“表征增强”和“信息再权衡”,后者为感知学习的主要机制。

task_example视知觉学习任务示例,左起:

轮廓/形状辨别、人脸识别和物体识别

“尽管视知觉学习领域的研究在过去三十年来已取得较大突破,但仍有许多方向值得进一步探索。”吕忠林教授说。他在论文中指出四大可深入拓展的研究方向:优化任务学习效果的评估方式,探索能够最大程度改善学习效果的最佳训练模式,建立更为真实的大脑网络模型,以及扩大针对儿童群体的知觉学习研究。

“撰写本篇综述的初衷,是连接知觉学习不同分支以及与知觉学习相关的领域,促进跨领域合作的开展。”吕忠林教授表示。“我在文章中就提到这么一个例子:近年来在机器学习领域 ‘卷积神经网络’方面取得的进展,可能会对研究解决人类知觉学习的‘特异性’问题有所启发,反之亦然。但促进跨领域合作的前提是研究者要了解彼此的工作。” 

目前,吕教授正在研究开发对视知觉学习进行精准评测的新技术,以及进一步完善可用于定义视知觉学习机制的计算模型。“我也会持续将科研成果拓展至现实应用,希望能够为诸如近视、弱视等视觉障碍提供更好的治疗方法。”吕教授说。