诡异谷假说"人类相似尺寸的感知和分类处理:一些方法论问题
June 3rd, 2013
调查离奇的谷假说和情感经验，需要了解的假说'。该协议允许DHL的代表性和考试类别知觉。使用相同的刺激和功能磁共振成像区分物理和类别的变化响应的大脑区域的恐怖谷假说和情感经验的illustrated.Investigation需要了解假说"维人的样式（DHL）。该协议允许DHL的代表性和考试类别知觉。示出使用相同的刺激和fMRI来区分响应于物理种类变更的大脑区域。
该程序的总体目标是检查分类感知对恐怖谷假说的人类相似性维度的影响。这是通过首先仔细生成 morph continua 来实现的，用它来表示人类肖像的维度。然后，变形连续体显示在强制选择分类任务中。
此任务用于确定哪些刺激被明确归类为头像和人类，并定义类别边界的位置。接下来，在感知辨别任务中使用这些图像的选择。此任务确定知觉辨别边界的存在和位置。
结果表明，判别边界与类别的边界一致。边界对齐表明，沿着人类相似性维度对物体的主观感知可以从分类感知的心理影响来理解。这种方法的主要优点是它允许对类似人类的外观进行实验控制的精细作。
这对于理解感知到的人类相似性与不可思议的相关经历和行为之间的微妙关系非常重要。该方法的视觉演示构成了随附文章中对该方法在恐怖谷研究中的应用进行批判性讨论的基础：首先选择成对的人类和化身图像，用作变形过程中每个连续体的端点。从人工终端节点开始。
选择一张具有中性表情和直接凝视的独特面孔的未知图像。不应出现其他显着特征，例如面部毛发或珠宝。对于非人类终端节点图像，生成一个头像面孔以匹配人脸。
更改每个头像面孔，使其与相应的人脸紧密匹配年龄和一般面部几何形状。匹配每对父人脸的对比度级别和整体亮度。在这里，头像父面孔的肤色与相应的人类父面孔匹配。
使用照片编辑软件通过在图像上叠加椭圆来裁剪人脸的外部特征。接下来，调整图像的最终位置，以确保每对端点图像之间的一般面部几何图形对齐。图像准备就绪后，使用变形软件将控制点放置在父面的特征上。
对于每张脸，嘴巴上大约有 20 个点，每只眼睛有 18 个点，鼻子上有 20 个点，眉毛上有 8 个点。放置这些点后，图像就可以进行变形了。在这 13 个不同的变形图像中，为每个连续体创建，并标记为 M 0 到 M 12。
如图所示，有两个父面和 11 个中间变形，将执行两个替代强制选择分类任务。参与者判断每个 Morph 图像是否显示头像或人脸。准备就绪后，参与者将查看一系列试验。
每次试验都从一个 500 毫秒的注视点开始，然后是一个 750 毫秒的变形图像。参与者在每张图像后通过按下相应的按钮进行响应。然后，下一次试用将在稍后开始。
使用多项式回归分析 avatar Human 分类数据，以描述响应函数的形状。要设置相同的不同感知辨别任务，请选择两个以前被归类为化身的变形和两个作为物理差异的人类控制，方法是选择代表物理变化等效增量的变形。在每个连续体中，使用 33% 的增量。在这里，根据三个实验性变形对条件将选定的变形分成对。
相同，变形对相同，表示内部没有物理或类别变化，其中变形对从一个类别中绘制，其中对代表不同的类别。对于 avatar 类别，请确保在三种情况下每个面孔对的第一个 morph 始终为 M four。相同的过程可以应用于与人类类别相关的变形对，确保第一个变形始终为 M 8。
执行相同的不同知觉辨别任务。参与者通过按下按钮来指示每个面对的面在外观上是相同还是不同。准备就绪后，将向参与者显示每个试验的试验序列。
一个注视叉呈现 500 毫秒，然后是一对面孔的第一个面孔 500 毫秒，刺激间隔显示 300 毫秒的空白屏幕。然后，对于面孔对的第二个面孔，参与者将决定该面孔对的面孔是相同还是不同。间隔为 2， 500 毫秒，之后将介绍下一个试验。
分析跨越类别边界的人脸对与来自边界同一侧的人脸对的判别准确性。在分析中，头像试验和人体试验的数据分别处理，此处看到的是强制选择分类任务的代表性结果。这些值以人脸被归类为人类的响应百分比表示。
蓝色实线显示拟合的 Logistic 响应曲线，其斜率反映了与 a 的存在一致的 S 形阶跃函数。蓝色虚线表示类别边界的估计位置，表示分类判断中 50% 的最大不确定性与更多的位置 6 相关。在强制选择分类任务的这些结果中，最长的平均响应延迟与第 6 个变形位置相关。
这与此 morph 位置存在最大的不确定性和分类判断一致。在相同的不同知觉辨别任务中，辨别反应表明，跨越类别边界两侧（即介于两者之间条件）的每一侧的面孔对之间的准确性和辨别力，都大于从人类和头像类别中绘制的一对面孔的准确性和辨别力。与类别边界处更高的判别精度一致，在 between 条件中跨越类别边界的人脸对的判断响应时间或短于从类别中绘制的人脸的判断响应时间。
当应用这个程序时，最大的困难是产生多个 morph continua，形成一组同质的实验刺激。对实验刺激的控制不佳会引入混杂和伪影，从而强烈影响对人类相似性的主观感知。随附的文章讨论了这些相关问题。
概述
本研究通过考察人类相似性的维度来探讨“不安峡谷假说”，以此来研究分类感知。该协议包括生成形态连续体，并利用功能性磁共振成像（fMRI）来识别对物理外观变化和类别敏感的大脑区域。
关键研究组成部分
科学领域
- 神经科学
- 心理学
- 人机交互
背景
- 不安峡谷假说认为，近乎人类的人形物体可能引发不适感。
- 分类感知在人类区分类别（如人类和虚拟形象）方面起着至关重要的作用。
- 理解人类相似性的心理效应对于机器人技术和虚拟现实的各种应用至关重要。
- 本研究旨在明确人类和虚拟形象表现之间的感知边界。
研究目的
- 探索分类感知沿人类相似性维度的效应。
- 确定人类和虚拟形象图像之间的类别边界。
- 分析感知辨别边界与人类相似性的关系。
使用的方法
- 通过图像操作创建代表人类相似性的形态连续体。
- 强制选择分类任务，以评估参与者对形态图像的反应。
- 感知辨别任务，评估在区分人类和虚拟形象图像方面的准确性。
- 使用多项式回归进行数据分析，描述响应函数和类别边界。
主要结果
- 结果表明，辨别边界与类别边界明确一致。
- 参与者在类别边界处显示出显著的不确定性，影响响应延迟。
- 辨别准确性因面部对是否跨越类别边界而有所不同。
- 研究结果支持这样的假说，即人类相似性感知受分类感知效应的影响。
结论
- 该研究为不安峡谷效应背后的心理机制提供了洞察。
- 对人类外观的实验控制增强了对感知相似性的理解。
- 未来的研究可以基于这些发现，探索在技术和社交互动中的应用。
常见问题
Executive Industry Relevance
Understanding categorical perception along the dimension of human likeness informs the design of human-like avatars and robotic interfaces in biopharma training, patient engagement, and therapeutic applications. Misalignment between physical realism and perceptual boundaries can trigger aversion, reducing user acceptance and efficacy of digital health tools. This method enables controlled manipulation of appearance to identify perceptual thresholds that support predictive confidence in human-computer interaction design.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of perceptual hypotheses regarding human-likeness thresholds that influence user response to digital therapeutics.
- Operational Value: Provides a standardized method to define category boundaries between human and non-human stimuli for consistent experimental replication.
Screening & Assay Development
- Scientific Value: Supports development of validated perceptual continua for screening user responses to avatar-based interfaces in mental health or rehabilitation tools.
- Operational Value: Ensures stimulus homogeneity and controlled morph increments, reducing variability in perceptual discrimination assays.
Translational & Preclinical Research
- Scientific Value: Facilitates translational continuity by linking perceptual boundaries to affective outcomes in human-computer interaction studies.
- Operational Value: Enables cross-functional collaboration through quantifiable discrimination accuracy metrics at category boundaries.
Pipeline & Workflow Integration
This method supports early discovery by enabling hypothesis testing of perceptual category effects, informing assay readiness for user response screening, and providing quantitative discrimination accuracy outputs that guide go/no-go decisions in digital therapeutic development.
- Discovery Biology: Supports hypothesis testing of how category perception influences perceived human likeness and associated affective responses.
- Screening: Delivers assay readiness through standardized morph continua and forced-choice categorization to define perceptual boundaries.
- Analytics: Generates discrimination accuracy and response latency data that allow teams to compare perceptual sensitivity across conditions.
- Translational Research: Connects perceptual boundary measurements to potential biomarker alignment in user engagement studies only when supported by affective or behavioral readouts.
- Enterprise Reuse: Establishes a reusable capability for generating controlled human-likeness stimuli across multiple digital health platforms.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in user acceptance of human-like interfaces by identifying aversion thresholds tied to categorical perception.
- Operational Value: Standardization and reproducibility of morph continua generation and perceptual task administration.
- Strategic Value: Improved go/no-go decisions in digital therapeutic design by reducing late-stage failure due to poor user engagement.
- Portfolio Impact: Risk-adjusted prioritization of avatar-based interventions based on validated perceptual boundaries and discrimination accuracy.
Implementation Considerations
- Expertise in image morphing, perceptual psychology, and experimental design is required to generate valid continua.
- Software tools for morphing, stimulus presentation, and response collection are essential for controlled experimentation.
- Cross-team standardization of stimulus generation protocols ensures consistency across sites and studies.
- Adaptation to different model systems (e.g., clinical populations) requires validation of perceptual equivalence across morph steps.
- Key limitation: Poor control over stimulus homogeneity can introduce perceptual confounds that undermine boundary detection, as noted in the source material.
