授業スライド

Download Report

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.