恐怖谷假说中人类相似性维度的感知与范畴化加工：若干方法学问题
2013年6月3日
对……的研究 恐怖谷假说 情感体验需要对假设的理解 人类相似度维度（DHL）该方案可实现双耳听力（DHL）的表征，并用于考察范畴知觉。文中展示了利用相同刺激材料及功能性磁共振成像（fMRI）来区分对物理变化和范畴变化有响应的脑区的方法。
本实验的总体目标是探究范畴化知觉在“恐怖谷”假说中人类相似性维度上的影响。首先通过精细地生成渐变序列来表征人类相似性这一维度，随后在强制选择分类任务中呈现这些渐变序列以实现研究目的。
该任务用于确定哪些刺激被明确归类为虚拟形象和人类，并界定类别边界的位置。随后，从中选取部分图像用于感知辨别任务。该任务用于确定感知辨别边界的存在及其位置。
结果表明，区分边界与类别边界相一致。边界对齐说明，沿人类相似性维度对物体的主观感知可以用类别知觉的心理效应来解释。该方法的主要优势在于，它能够对类人外观进行实验性控制下的精细操控。
这对于理解感知到的人类相似性与诡异感相关体验及行为之间的微妙关系至关重要。本方法的视觉演示为随附文章中关于该方法在诡异谷研究中应用的批判性讨论奠定了基础。首先选择用于形变过程每个连续体端点的人类图像和虚拟形象图像对。从人类端点开始。
选择一张具有明显面部特征、表情中性且目光直视的未知人物图像。不应存在胡须或珠宝等其他显著特征。对于非人类终点图像，生成一个与人类面部相匹配的头像面孔。
调整每个虚拟形象的面部，使其在年龄和整体面部几何结构上尽可能接近相应的人类面部。匹配每对父代面部的对比度水平和整体亮度。此处，虚拟形象父代面部的肤色已与相应的人类父代面部肤色相匹配。
使用图像编辑软件，通过在图像上叠加椭圆形来裁剪面部的外部特征。接下来，调整图像的最终位置，以确保每对终点图像之间的整体面部几何结构对齐。图像准备就绪后，使用变形软件在亲本面部的特征上放置控制点。
每个面部，大约在嘴部放置20个点，每只眼睛放置18个点，鼻部放置20个点，每条眉毛放置8个点。完成这些点的定位后，图像即可进行形变处理。在此过程中，每个连续序列生成13张不同的形变图像，并标记为M0至M12。
如图所示，共有两个原型面孔和11个中间形态的融合图像，参与者需完成一个二选一的强制分类任务，判断每个融合图像显示的是虚拟形象还是人类面孔。准备就绪后，参与者将观看一系列试验图像。
每次试验以呈现500毫秒的注视点开始，随后呈现750毫秒的融合图像。参与者在每张图像呈现后通过按相应的按钮作出反应。随后开始下一次试验。
采用多项式回归分析头像-人类分类数据，以描述响应函数的形状。为建立相同-相异感知辨别任务，需沿每个连续体选择代表物理变化等量递增的形态图像，其中以33%的递增量为宜，如前所示。从中选择此前被归类为头像的两个形态图像和被归类为人类对照的两个形态图像，以控制物理差异。随后，根据三种实验形态图像配对条件，将所选形态图像分为若干对。
相同条件下，各对形态完全一致，表示类别内部无物理或类别变化，各对均来自同一类别内；而不同类别间的各对则代表不同类别。对于头像类别，需确保三种条件下每对面孔组合中的第一个形态始终为 M4。同样，对于与人类类别相关的形态组合，可采用相同步骤，确保第一个形态始终为 M8。
执行一项相同-不同知觉辨别任务。参与者通过按键判断每对人脸的外观是否相同或不同。准备就绪后，参与者将看到一系列试验，每个试验依次呈现。
首先呈现一个注视点，持续500毫秒，随后呈现一对面孔中的第一张面孔，持续500毫秒，接着是300毫秒的刺激间间隔，期间显示空白屏幕。然后呈现该对面孔中的第二张面孔，参与者需判断这对面孔是否相同。之后进入2,500毫秒的间隔，随后开始下一次试验。
将跨越类别边界的人脸对与位于边界同一侧的人脸对的辨别准确率进行比较分析。此处展示的分析结果分别处理了虚拟形象试验和人类试验的数据，代表了强制选择分类任务的典型结果。结果以人脸被分类为人类的反应所占的百分比形式呈现。
实线蓝色曲线表示拟合的逻辑响应曲线，其斜率反映了一个符合类别 a 存在的S形阶跃函数。蓝色虚线表示估计的类别边界位置，表明在分类判断中50%的最大不确定性与第6个形态位置相关。在该强制选择分类任务的结果中，平均反应潜伏期最长的是第6个形态位置。
这与在此形态位置上存在最大的不确定性及分类判断相一致。在同一不同的知觉辨别任务中的辨别反应显示，对于跨越类别边界两侧的面孔对（即处于“之间”条件下的面孔对）的辨别准确性和区分能力，高于从人类类别和虚拟形象类别内部选取的面孔对。与在类别边界处更高的辨别准确性一致，在“之间”条件下跨越类别边界的面孔对的判断反应时间，短于来自同一类别内部的面孔对的反应时间。
在应用该程序时，最大的难点在于生成多个形态连续体，以构成一组同质的实验刺激材料。若对实验刺激材料的控制不当，可能引入混淆因素和伪影，从而显著影响对人类相似度的主观感知。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.
