Transcript 授業スライド

市川伸一・伊東祐司（編）『認知心理学を知る＜第３版＞』おうふう
第１章
知覚の成立過程
執筆者：行場次郎
授業者：寺尾 敦
atsushi [at] si.aoyama.ac.jp
Twitter: @aterao
この章で学習すること
• 知覚はいかに成立するのか？
– ヘルムホルツ，ギブソン，マーの知覚論を理解す
る．
– トップダウン，ボトムアップという考え方を理解す
る．
– その他のアプローチ
• 並列分散処理（ニューラルネット）
• 脳科学
１．ヘルムホルツ的見解による
知覚のとらえ方
• ヘルムホルツ的見解
– H1：眼に入る刺激には，外界の事物の属性をあ
いまいさなく決定するには不十分な情報しか含ま
れていない
– H2：主体内に蓄積した既存の知識や記憶，およ
び期待や推論などの内的媒介過程が積極的に
働くことにより，私たちの知覚世界は成立する
無意識的推論
• 異なった刺激が，網膜上では同じ像になるこ
とがある．
– これを利用したトリックに，「エイムズの部屋」があ
る（テキスト図1-1）．
• さまざまな可能性のうち，どれを採用するの
か？ヘルムホルツは，ここに無意識的推論が
働くとした．
トップダウン処理
• 知識や仮説が先行して外界情報の分析を制
約する情報処理様式を，トップダウン処理あ
るいは概念駆動型処理と呼ぶ．
– 階層的ネットワーク構造をした知識を仮定するこ
とが多い．スキーマ．（図1-2，図1-3）
– ノイズを多く含んだ情報の処理において効力を発
揮する．
• ヘルムホルツ的見解はトップダウン処理を主
張している．
２．ギブソン的見解による
知覚のとらえ方
• 比較的下等な生体も，知識や期待を働かせ
た知覚を行っているのか？
• ギブソン的見解（生態学的視覚論）
– G1：対象や環境の属性の知覚に必要なすべての
情報は不変項として刺激の中に豊富に与えられ
ている．
– G2：生体は単にそれを検出すればよく，解釈や推
論などの内的処理は必要がない．
• ヘルムホルツと異なり，外界の知覚に必要な
情報は十分に与えられていると考える．
– 奥行きの情報として，きめの勾配やオプティカル
フロー（相対的運動での移動速度）など．
– エイムズの部屋は人工的に情報を制限．
• 情報処理を考えない．
– トップダウン処理もボトムアップ処理も考えない．
３．ウォルツの積木画像の
解析プログラム
• コンピュータによる，積み木の線画の認識
– 線画の理解は，各線分に，稜線，境界線，影と
いったラベルを，整合的につけていくこと．（図17）
– 制約（constraints）の利用．不可能なラベル付け
（図1-8）を排除することで，線画認識を行うことが
できた．
• ギブソンの考え方にしたがって，知覚を成立
させることはできるのか？
• 現実の世界は積み木の世界よりもはるかに
複雑．属性の決定に必要な光学的不変項を
特定することは，かなり難しいように思われる．
４．マーの計算論的アプローチ
• 計算論的アプローチ（computational
approach）
– M1：対象や環境の属性の知覚に必要なすべて
の情報は不変項として刺激の中に豊富に与えら
れている．（仮定G1と同じ）
– M2：視覚はダイレクトに生起するのではなく，表
現形式の変換を経て，外界が徐々に復元される
過程である．
• 表現形式（representation）の変換（図1-9）
– プライマルスケッチ
– 2 1 2 Dスケッチ
– 3-D モデル
• ボトムアップ処理（データ駆動型処理）
– データから特徴抽出を行う．外的世界が持つ制
約を利用しながら，低次の表現形式から高次の
表現形式へと推論を行う．
• プライマルスケッチ：濃淡レベルの情報を持
つ画像から，エッジやバー（局所的な明るさの
変化），ブロッブと呼ばれる小塊を検出．その
方向，大きさ，コントラスト，終点位置などの
情報を記述．
•
21 
2
Dスケッチ：プライマルスケッチで得られ
た情報をもとに，対象の面の傾きや観察者か
らの距離が，観察者を原点とした座標系で記
述される．
• 3-D モデル：対象の形状や空間的位置関係を，
対象を原点とした座標系で記述する．これに
より，視点によらず，対象は一貫性を持つ．
対象の記述には一般円筒表現が用いられる．
• マーによる研究水準の区別
– 計算論的レベル：計算（情報処理）の目的，入力
と出力，制約条件
– 表現とアルゴリズム：情報の表現，計算アルゴリ
ズム
– 実装レベル：情報処理を実現する実体．たとえば，
神経細胞，コンピュータの部品
５．並列分散処理モデルによる
アプローチ
• 1980年代後半から，神経回路網の特性から
ヒントを得て，並列分散処理モデルによるア
プローチが発展した．（図1-10）
– ニューロンの働きに似せた処理ユニット
– 処理ユニット間のネットワーク結合（シナプス結
合）
– さまざまな処理が同時並行で進む
– 最下層のユニットが入力，最上層のユニットが出
力に対応する
• 各ユニットの活動状態は，シナプスを通して
他のユニットに伝播してゆく．興奮性の結合
は，受け手のユニットの活動を強める．抑制
性のユニットは，受け手のユニットの活動を
弱める．
• ユニット間の結合の強さは，学習によって変
化する．
• ノイズに強い．
• ネットワークが部分的に壊れても情報処理が
可能．学習によって修復（新しいネットワーク
状態）．
• フィードバック結合を用意することにより，ボト
ムアップ処理だけでなく，トップダウン処理を
実現できる．
６．脳科学からのアプローチ
• Hubel と Wiesel は，大脳後頭皮質にある視
覚第１野（V1）と視覚第２野（V2）に，単純な特
徴を持つ刺激（特定の位置にある，特定の傾
きを持った線分）に反応するニューロンを発
見した．
– 神経結合を追っていくことで，マーの考えたような
情報処理プロセスが明らかになるかもしれない
（マーの仕事は脳科学の影響を受けている）．
• 現在の脳科学では，神経系をいくつかの経路
や機能単位に分ける．
• 脳の視覚情報処理には，２つの経路があるこ
とが明らかになっている．
– 背側経路：対象の位置関係や運動知覚に関わる．
「どこ」経路．
– 腹側経路：対象の知覚や色の認知に関わる．
「何」経路．