Artykuł metodologiczny

Przetwarzanie percepcyjne i kategoryzacyjne wymiaru podobieństwa do człowieka w hipotezie doliny niesamowitości: niektóre kwestie metodologiczne

19.8K wyświetleń

DOI:

10.3791/4375

3 czerwca 2013

W tym artykule

Podsumowanie

Badanie hipotezy doliny niesamowitości oraz doświadczeń afektywnych wymaga zrozumienia wymiaru podobieństwa do człowieka (DHL) w ramach tej hipotezy. Niniejszy protokół umożliwia reprezentację DHL oraz badanie percepcji kategorycznej. Przedstawiono wykorzystanie tych samych bodźców oraz fMRI w celu rozróżnienia obszarów mózgu reagujących na zmiany fizyczne i kategoryczne.

Streszczenie

Hipoteza „niesamowitej doliny” Moriego1,2 zakłada, że percepcja postaci przypominających ludzi, takich jak roboty, a w konsekwencji również awatary (postaci generowane komputerowo), może wywoływać negatywne lub pozytywne afekty (walencję) w zależności od stopnia realizmu wizualnego i behawioralnego obiektu wzdłuż wymiaru podobieństwa do człowieka (DHL) (Rycina 1). Jednak badania nad walencją afektywną subiektywnych reakcji na postacie nie ludzkie o różnym stopniu realizmu przyniosły niespójne wyniki 3, 4, 5, 6. Jedną z wielu przyczyn tego stanu rzeczy jest fakt, że podobieństwo do człowieka nie jest postrzegane w sposób zakładany przez tę hipotezę. Choć DHL można zdefiniować zgodnie z opisem Moriego jako płynną, liniową zmianę stopnia fizycznego podobieństwa do człowieka, subiektywną percepcję obiektów wzdłuż DHL można rozumieć w kategoriach psychologicznych efektów percepcji kategorycznej (CP) 7. Konieczne są dalsze badania behawioralne i neuroobrazowe nad przetwarzaniem kategorii i CP wzdłuż DHL, a także nad potencjalnym wpływem podstawowej struktury kategorii tego wymiaru na doświadczenie afektywne. Niniejszy protokół koncentruje się zatem na DHL i umożliwia badanie CP. W artykule towarzyszącym filmowi omówiono kwestie związane z metodologią protokołu oraz wykorzystaniem w badaniach nad „niesamowitością” bodźców pochodzących z kontynuów morficznych do reprezentowania DHL, opierając się na protokole przedstawionym w filmie jako przykładzie. Krótko zilustrowano wykorzystanie neuroobrazowania i bodźców morficznych do reprezentowania DHL w celu oddzielenia obszarów mózgu reagujących neuronalnie na fizyczne podobieństwo do człowieka od tych reagujących na zmianę kategorii i przetwarzanie kategorii.

Protokół

Wykres doliny niesamowitości; walencja vs. podobieństwo do człowieka; krzywe dla obiektów ruchomych i nieruchomych; robotyka i ludzkie emocje.
Rycina 1. Ilustracja nieliniowej zależności między doświadczeniem afektu negatywnego i pozytywnego (walencją) a postrzeganym podobieństwem do człowieka. W przeciwnym razie pozytywna relacja wykazuje gwałtowny negatywny szczyt (t.j. dolinę niesamowitości) na poziomie realizmu pomiędzy pierwszym a drugim pozytywnym szczytem przedstawionej krzywej, przy którym sugeruje się, że subtelne różnice w wyglądzie i zachowaniu wysoce realistycznego, lecz wyraźnie nienaturalnego obiektu przypominającego człowieka wywołują poczucie dziwności i osobistego dyskomfortu (t.j. niesamowite uczucie). Ilustracja zaadaptowana z 2.

Do każdego z poniższych zadań wykorzystaliśmy inne grupy uczestników.

1. Zadanie klasyfikacji z wymuszonym wyborem

1.1 Bodźce

  1. Użyj obrazów awatarów i ludzi jako twarzy rodzicielskich (t.j. punktów końcowych kontinuum) w procedurze morphingu, aby stworzyć liniowe kontinuum morphingowe reprezentujące DHL. Stworzyliśmy 32 kontinuum człowiek-awatar, wykorzystując odpowiednio 32 obrazy twarzy ludzkich i awatarów. Wygeneruj awatary za pomocą pakietu modelarskiego Poser 7 (Smith Micro Software, www.smithmicro.com), choć dostępne jest inne oprogramowanie. Te kontinuum morphingowe wygenerowaliśmy za pomocą programu Funmorpher (Zealsoft Inc., Eden Prairie, MN), ale można użyć innego oprogramowania do morphingu.
  2. Używając oprogramowania do morphingu, umieść punkty kontrolne na odpowiadających sobie cechach twarzy rodzicielskich. Dla każdej twarzy umieściliśmy 20 punktów na ustach, 18 punktów na każdym oku, 20 punktów na nosie i 8 punktów na każdej brwi. W ten sposób użyliśmy około 100 punktów kontrolnych. Staraj się utrzymać stałą liczbę punktów kontrolnych, ale dodawaj kolejne punkty, aby wyeliminować wszelkie artefakty w końcowych morphach kontinuów.
  3. Upewnij się, że w procedurze morphingu nie wprowadzono potencjalnych zmiennych zakłócających. Na przykład jako punkty końcowe każdego kontinuum wykorzystaliśmy obrazy nieznanych, niecharakterystycznych męskich twarzy z neutralnym wyrazem, bezpośrednim spojrzeniem i bez innych wyróżniających się cech, takich jak owłosienie twarzy czy biżuteria; obrazy końcowe były ściśle dopasowane pod względem wieku, wskazówek konfiguracyjnych i ogólnej geometrii twarzy.
  4. Użyj oprogramowania do edycji zdjęć, aby przyciąć cechy zewnętrzne, stosując na przykład czarną nakładkę w kształcie elipsy; użyliśmy Adobe Photoshop CS3 (www.adobe.com). Przed morphingiem dostosuj położenie obrazów, aby zapewnić wyrównanie wskazówek konfiguracyjnych między obrazami końcowymi, oraz dopasuj poziomy kontrastu, ogólną jasność i odcień skóry dla każdej pary bodźców końcowych każdego kontinuum.
  5. Każdy morph kontinuum DHL reprezentuje różnicę w fizycznym podobieństwie do człowieka w predefiniowanych przyrostach. Wygenerowaliśmy 13 różnych obrazów morphingowych i oznaczyliśmy je od M0 do M12, czyli dwa punkty końcowe i 11 morphów pośrednich (Rysunek 2B).

1.2 Prezentacja bodźców i instrukcje

  1. Zastosuj zadanie klasyfikacji z wymuszonym wyborem z dwóch alternatyw, aby ustalić, które z tych morphów są jednoznacznie kategoryzowane jako awatary i jako ludzie, oraz aby zdefiniować położenie granicy kategorii 8.
  2. Przedstaw próby rozpoczynające się od punktu fiksacji przez 500 msec (uczestnicy są zobowiązani do utrzymania fiksacji), po których następuje wyświetlenie obrazu morpha przez 750 msec. Do prezentacji bodźców we wszystkich zadaniach w tym protokole wykorzystano oprogramowanie Presentation (wersja 14.1, www.neurobs.com), jednak można użyć innych platform do prezentacji bodźców.
  3. Poleć uczestnikowi zidentyfikowanie zaprezentowanego bodźca morpha jako awatara lub człowieka tak szybko i precyzyjnie, jak to możliwe, poprzez naciśnięcie jednego z dwóch klawiszy odpowiedzi.

1.3 Analiza danych

Podsumuj dane klasyfikacji awatar-człowiek, wykorzystując regresję wielomianową do opisania kształtu funkcji odpowiedzi. Ustal to poprzez dopasowanie modeli funkcji logistycznej do danych odpowiedzi każdego uczestnika i kontinuum. Najpierw przeanalizuj poszczególne kontinuum u wszystkich uczestników, aby zapewnić najlepsze dopasowanie funkcji logistycznych. Następnie, przeprowadź test t dla jednej próby przeciwko zeru, aby sprawdzić występowanie schodkowego kształtu funkcji odpowiedzi w kategorii awatar-człowiek we wszystkich kontinuach, wykorzystując oszacowania parametrów uzyskane z funkcji logistycznej każdego kontinuum i uśrednione dla wszystkich uczestników. Oszacuj położenie granicy kategorii wzdłuż każdego kontinuum, poddając oszacowania parametrów funkcji logistycznej każdego kontinuum transformacji logitowej 9. Wszystkie analizy dla zadań wymuszonego wyboru klasyfikacji oraz dyskryminacji percepcyjnej przeprowadziliśmy przy użyciu programu SPSS wersja 16 (www.ibm.com/software/analytics/spss).

Można również przeanalizować dane dotyczące czasu reakcji (RT). W niniejszej analizie różnice w czasie reakcji w zależności od pozycji morfemu wprowadzono do jednoczynnikowej analizy wariancji (ANOVA) dla 13 pozycji morfów, przyjmując średni RT każdej osoby dla wszystkich kontinuów jako zmienną zależną.

Funkcja psychometryczna, dopasowana krzywa, granica kategorii; Schemat przedstawiający ludzką kategoryzację w obrębie morfów.
Rysunek 2. Wyniki zadania wymuszonego wyboru kategoryzacji (A) oraz przykład kontinuum morfów (B). Na panelu B względny stopień liniowego przejścia fizycznego wzdłuż 13 morfów kontinuum między punktami końcowymi reprezentującymi awatara i człowieka przedstawiono jako wartość procentową. W zadaniu wymuszonego wyboru klasyfikacji, pokazanym na panelu A, M0 i M4 zidentyfikowano jako awatary, a M8 i M12 jako ludzi.

2. Zadanie dyskryminacji percepcyjnej

2.1 Bodźce

  1. W tej wersji zadania dyskryminacji percepcyjnej typu taka sama-inna10 należy wybrać z każdego kontinuum morfów dwa morfy sklasyfikowane w poprzednim zadaniu klasyfikacyjnym jako awatary (np. M0 i M4) oraz dwa jako ludzi (np. M8 i M12). Aby kontrolować różnice fizyczne między morfami, należy wybrać morfy reprezentujące równoważne przyrosty zmian fizycznych wzdłuż każdego kontinuum. Zastosowano przyrosty wynoszące 33,33% (tzn. M0, M4, M8, M12) (Rysunek 2B).

Morfowanie twarzy, schemat; porównanie prób z awatarami i ludźmi, analiza wewnątrztematyczna i międzytematyczna.
Rysunek 3. Warunki stymulacji dla zadania dyskryminacji percepcyjnej „taki sam-różny” (N = 20). Morfy są wybierane w celu utworzenia par. Morfy w parze są pobierane z tej samej kategorii („wewnątrz”), są identyczne („taki sam”) lub wykazują zmianę kategorii między sobą („między”). Morfy M0, M4 i M8 są wykorzystywane w próbach z awatarami (A), a M4, M8 i M12 w próbach z ludźmi (B). Należy zauważyć, że pierwszy morf pary morfów w próbach z awatarami to zawsze M4, a w próbach z ludźmi M8, oraz że próby z awatarami i ludźmi opierają się na morfach pobranych z różnych kontinuów.

  1. Podziel wybrane morfy na pary zgodnie z trzema eksperymentalnymi warunkami par morfów (Rycina 3): „same” (morfy w parze są identyczne, co reprezentuje brak zmian fizycznych lub kategorii), „within” (morfy w parze pochodzą z wnętrza jednej kategorii) oraz „between” (morfy w parze reprezentują różne kategorie).
  2. Aby zbadać wydajność dyskryminacji między morfami w parach morfów w odniesieniu do kategorii awatarów (takie pary morfów nazywa się „próbami awatarów”), upewnij się, że pierwszy morf każdej pary w trzech warunkach to zawsze M4 (z kategorii awatarów) (Rycina 3A). W rezultacie powstają pary morfów M4 – M4 dla warunku „same”, M4 – M0 dla warunku „within” oraz M4 – M8 dla warunku „between”. Tę samą procedurę można zastosować dla par morfów w odniesieniu do kategorii ludzi (tzw. „próby ludzi”), zapewniając, że pierwszy morf to zawsze M8: „same” (M8 – M8), „within” (M8 – M12) oraz „between” (M8 – M4) (Rycina 3B).
  3. Zawsze upewnij się, że oba morfy w parze pochodzą z tego samego kontinuum, w którym zostały pierwotnie przetworzone. Zastosuj pseudolosowy układ prezentacji par morfów, aby pary z tego samego kontinuum nie pojawiały się w bliskiej sekwencji. Prezentacja prób awatarów lub ludzi z danego kontinuum jest losowa, ale zrównoważona (counterbalanced) dla wszystkich uczestników, aby zapewnić, że każdy uczestnik zobaczy albo próby awatarów, albo próby ludzi z danego kontinuum, ale nie obie jednocześnie, oraz aby liczba wyświetlonych prób awatarów i ludzi była taka sama.

2.2 Prezentacja i instrukcje

  1. Wyświetl krzyżyk fiksacyjny przez 500 msec (uczestnicy są zobowiązani do utrzymania fiksacji), a następnie każdą twarz z pary twarzy przez 500 msec, z odstępem między bodźcami (ISI) wynoszącym 300 msec pomiędzy twarzami w parze. Użyliśmy również ISI o czasie 75 msec, aby sprawdzić, czy różne długości ISI różnie wpływają na wyniki dyskryminacji. Zastosuj zmienny odstęp między próbami dla par morfów: wykorzystany przedział wynosił średnio 2 500 msec.
  2. Poinstruuj uczestników, aby oglądali każdą próbę składającą się z pary morfów, przy czym morfy są prezentowane w próbie sukcesywnie, i aby za pomocą naciśnięcia przycisku jak najszybciej i jak najdokładniej wskazali, czy twarze w każdej parze są „takie same” czy „różne” pod względem wyglądu.

2.3 Analiza danych

Dokładność rozróżniania analizuje się dla par twarzy przekraczających granicę kategorii w porównaniu z parami twarzy pochodzącymi z tej samej strony granicy. W tym celu odpowiedzi „różne” (wskazujące na to, że obie twarze w parze różnią się wyglądem zewnętrznym) oblicza się jako proporcje całkowitej liczby par twarzy zmorfowanych i poddaje analizie wariancji (ANOVA) dwuczynnikowej 2 X 3, z 3 „typami prób par twarzy” (wewnątrz, pomiędzy, ta sama) i 2 warunkami „ISI” (75 msec, 300 msec). W przypadku naruszenia założenia sferyczności stosuje się poprawkę Greenhouse-Geisser. Dane dla prób z awatarami oraz prób z ludźmi są analizowane oddzielnie.

Indywidualne wyniki dokładności mogą być również określone przy użyciu statystyki A' 47,79 (w kwestii teorii detekcji sygnałów patrz, np. 45, 46, 47). A' stanowi miarę czułości dyskryminacyjnej, która jest niezależna od błędu odpowiedzi (response bias). Przyjmuje ona wartości od 0,5 (poziom przypadku) do 1 (perfekcyjna dyskryminacja). Do obliczania A' oraz innych miar czułości dyskryminacyjnej (i błędu odpowiedzi) można wykorzystać różne pakiety oprogramowania 46, 47, 48 49, 50. Czułość dyskryminacyjną analizowano za pomocą dwuczynnikowej analizy wariancji (ANOVA) z powtarzanymi pomiarami (2 X 2), gdzie czynnikami były 2 „typy prób par twarzy” (wewnątrzgrupowo, międzygrupowo) oraz warunki „ISI” (75 msec, 300 msec), przeprowadzając oddzielne analizy dla prób z awatarami i prób z ludźmi, przyjmując A' jako zmienną zależną. Błąd odpowiedzi nie jest często raportowany w ujęciu ogólnym, patrz jednak 38. W przypadku błędu odpowiedzi, jako zmienną zależną w oddzielnej analizie z wykorzystaniem analogicznego projektu ANOVA (2 X 2), zastosowano statystykę β"D 47.

Dane RT można również analizować pod kątem odpowiedzi typu „różne”, „takie same” i „pomiędzy”. W tym przykładzie, w ramach jednej analizy, porównujemy warunki „różne”, „takie same” i „pomiędzy” dla prób z awatarem i człowiekiem, aby uzyskać zbiorczy przegląd RT dla wszystkich warunków. W tym celu przeprowadzono analizę ANOVA 3 X 2 X 2 z czynnikami: „typy prób par twarzy” (różne, takie same, pomiędzy), „kategoria” (awatar, człowiek) oraz „ISI” (75 msec, 300 msec), przyjmując za zmienną zależną średni RT poprawnych odpowiedzi każdego uczestnika we wszystkich kontinuach.

3. Zadanie fMRI

3.1 Bodźce

Warunki stymulacji, i.e. bodźce morfologiczne dla par twarzy w warunkach wewnątrzgrupowych, tych samych i międzygrupowych w próbach z awatarami i ludźmi, są takie same, jak opisano w poprzednim zadaniu dyskryminacji percepcyjnej.

3.2 Prezentacja i instrukcje

  1. Zastosuj zadanie monitorowania celu, aby zbadać implicitne przetwarzanie zmian fizycznych i związanych z kategorią wzdłuż DHL, utrzymując jednocześnie uwagę uczestników na interesujących bodźcach.
  2. Poleć uczestnikom naciśnięcie przycisku odpowiedzi po wykryciu rzadkiego celu. Przedstawiono 15% wszystkich par morfów jako cele, przy czym twarze były wyświetlane do góry nogami. Jako cele wykorzystaj jeden z czterech możliwych morfów (M0, M4, M8 lub M12) wybranych losowo z kontinuum morfów, które nie było używane do prezentacji bodźców w pozostałych przypadkach. Upewnij się, że morf docelowy jest prezentowany jako pierwszy lub drugi morf w parze, aby uniknąć różnic w uwadze podczas monitorowania celu w odniesieniu do pierwszego lub drugiego morfa w parach.
  3. Każna sesja skanowania składa się z dwóch eksperymentalnych serii prezentacji bodźców, których kolejność została zrównoważona między uczestnikami. Przerwa między seriami pozwala uczestnikom na krótki odpoczynek. Na początku każdej serii uczestnicy fiksują wzrok na krzyżyku w celu ustanowienia stanu stacjonarnego w sygnale MR.

3.3 Przygotowanie obiektu do skanowania

  1. Wszyscy uczestnicy wyrażają pisemną świadomą zgodę przed przeprowadzeniem protokołu eksperymentalnego. Protokół, wszystkie procedury oraz formularze zgody zostały zatwierdzone przez lokalną Komisję Etyki. Aby uniknąć zakłóceń w lateralizacji aktywacji mózgowej, do badania włączono uczestników praworęcznych. Kontrolowano potencjalny wpływ wcześniejszego doświadczenia z awatarami.
  2. Przed skanowaniem uczestnicy zapoznali się z laboratorium, zostali poinformowani o procedurach skanowania oraz otrzymali jasne instrukcje dotyczące zadania monitorowania celu, całkowitego czasu skanowania oraz sposobu powiadamiania personelu w razie potrzeby.
  3. Podczas skanowania uczestnik leży na plecach na stole do skanowania. Aby zapewnić komfort i zminimalizować ruchy głowy podczas skanowania, zastosowano poduszki pod głowę. Uczestnicy otrzymali zatyczki do uszu i słuchawki, aby zredukować wpływ hałasu skanera oraz umożliwić komunikację z eksperymentatorem.
  4. Prawa ręka uczestnika jest umieszczona nad panelem odpowiedzi dla zadania monitorowania celu. Lewa ręka znajduje się obok przycisku awaryjnego zatrzymania na wypadek, gdyby uczestnik chciał przerwać skanowanie.
  5. Bodźce wizualne mogą być prezentowane na ekranie projekcyjnym umieszczonym przed lub za skanerem MRI. Zastosowano kompatybilny z MRI wyświetlacz montowany na głowie („VisuaStim - Digital”, Resonance Technology Inc.). Rozwiązanie to ma zaletę w postaci wyeliminowania z pola widzenia wszystkich bodźców wizualnych poza zamierzonymi.
  6. Przed rozpoczęciem zbierania danych należy upewnić się, że prezentacja bodźców, panel odpowiedzi oraz przycisk awaryjnego zatrzymania działają prawidłowo.

3.4 Rejestrowanie danych i parametry skanowania

Obrazy strukturalne i funkcjonalne całego mózgu pozyskano przy użyciu skanera MR całego ciała 3-T (Philips Medical Systems, Best, Holandia). Obrazy strukturalne zarejestrowano za pomocą 3D sekwencji spoiled gradient echo T1-zależnej (180 warstw, TR = 20 msec, TE = 2.3 msec, kąt odchylenia = 20°, FOV = 220 mm × 220 mm × 135 mm, rozmiar macierzy = 224 × 187, rozmiar woksela = 0.98 mm × 1.18 mm × 0.75 mm, z przeskalowaniem do 0.86 mm × 0.86 mm × 0.75 mm). Obrazy funkcjonalne pozyskano z 225 skanów całej głowy na serię, stosując sekwencję echo planar single-shot (czas repetycji, TR = 2.6 sec; czas echa, TE = 35 msec; pole widzenia = 220 mm × 220 mm × 132 mm; kąt odchylenia = 78°; rozmiar macierzy = 80 × 80; rozmiar woksela = 2.75 mm × 2.75 mm × 4 mm, z przeskalowaniem do 1.72 mm × 1.72 mm × 4 mm).

3.5 Analiza danych

  1. Do wstępnego przetwarzania i analizy danych MRI wykorzystano oprogramowanie MATLAB 2006b (Mathworks Inc., Natick, MA, USA) oraz pakiet oprogramowania SPM5 (http://fil.ion.ucl.ac.uk/spm). Wstępne przetwarzanie zazwyczaj obejmuje dopasowanie obrazów do pierwszej zarejestrowanej objętości, korekcję ruchu, normalizację do standardowej przestrzeni stereotaktycznej oraz wygładzanie (np. jądro 6 mm3).
  2. Analiza danych fMRI wykorzystuje zjawisko zwane supresją powtórzeń (RS) (11, 13, 14, w celu zapoznania się z przeglądami literatury patrz 15, 16). W kontekście DHL morfom z pary morfów prezentuje się w szybkim następstwie. Powtórzenie w drugim morfie bodźca lub cech bodźca zaprezentowanych w pierwszym morfie skutkuje zmniejszeniem aktywacji (tzn. RS) w obszarach mózgu wrażliwych na dany konkretny bodziec lub jego cechy (np. cechy fizyczne lub związane z kategorią). W niniejszym protokole powtórzenie bodźca lub cech bodźca między pierwszym a drugim morfem jest manipulowane w warunkach „within”, „between” i „same” pod kątem podobieństwa lub odmienności cech fizycznych i związanych z kategorią w DHL. Poprzez kontrastowanie tych warunków, analiza danych fMRI pozwala zidentyfikować obszary mózgu zaangażowane w przetwarzanie konkretnego bodźca lub fizycznej bądź kategorialnej cechy bodźca na podstawie stopnia względnych różnic w spadku sygnału po powtórzeniu bodźca 17, 18, 19, 20.
  3. Należy zidentyfikować obszary mózgu reagujące na zmiany fizyczne oraz zmiany związane z kategorią wzdłuż DHL, stosując następujące kontrasty warunków bodźców (within, between i same). Kontrasty te są definiowane w odniesieniu do morfa użytego jako druga twarz w trzech warunkach par twarzy (należy zauważyć, że pierwszy morf jest taki sam odpowiednio w próbach z awatarem i z człowiekiem). Aby wykryć wrażliwość na zmianę fizyczną w próbach z awatarem, należy zastosować kontrast M0 plus M8 > M4, a w próbach z człowiekiem kontrast M12 plus M4 > M8. Aby wykryć obszary mózgu selektywnie reagujące na zmianę kategorii przekraczającą granicę w kierunku od awatara do człowieka (tzn. próby z awatarem), należy zastosować kontrast M8 > M4 plus M0. Dla kierunku od człowieka do awatara należy zastosować kontrast M4 > M8 plus M12.
  4. W przypadku analiz na poziomie indywidualnym, odpowiedzi fMRI każdego badanego na drugi morf każdej pary morfów w każdej z sześciu warunków par morfów (tzn. within, same i between dla prób z awatarem i z człowiekiem) mogą być wykorzystane do kontrastowania aktywności mózgu między tymi warunkami. Następnie te indywidualne kontrasty są wprowadzane do analiz na poziomie grupowym w celu przeprowadzenia wnioskowania statystycznego.

Wyniki

1. Zadanie klasyfikacji z wymuszonym wyborem

Analiza danych z odpowiedzi N = 25 uczestników została już przedstawiona w 7. Potwierdzono w niej, że nachylenie dopasowanej krzywej regresji dla każdego indywidualnego kontinuum oraz dla wszystkich kontinuów ma profil logistyczny (Rysunek 2A). Nachylenie to odzwierciedla sigmoidną funkcję schodkową, zgodną z obecnością komponentu kategorycznego w odpowiedziach uczestników na twarze morfologiczne kontinuów wzdłuż DHL. Nachylenie krzywej charakteryzuje się zatem dolną i górną asymptotą odpowiedzi kategoryzacyjnych dla awatarów lub ludzi, które zbliżają się do 100% dla awatarów i 100% dla ludzi. W przeciwieństwie do tego, szacunkowa średnia wartość granicy kategorii wyprowadzona z dopasowanej krzywej logistycznej oraz punkt środkowy rzędnej między dolną a górną asymptotą odpowiedzi kategoryzacyjnych wskazują, że maksymalna niepewność w ocenie kategoryzacji wynosząca 50% jest związana z morfą M6.

Analizę danych RT przedstawiono również w 7. Analiza RT wszystkich morfów (patrz: Rysunek 4) wykazała najkrótsze RT dla końców kontinuów reprezentujących awatara i człowieka, wzrost RT wraz ze zwiększeniem odległości morfa od końców kontinuów oraz najdłuższe RT dla M6, gdzie występuje maksymalna niepewność w odpowiedziach dotyczących decyzji kategorycznej, co widać na Rysunku 2B. Aby wyraźniej zweryfikować to ostatnie odkrycie, można porównać średnie wartości RT dla M6 ze średnimi wartościami RT dla wszystkich pozostałych pozycji morfów. Analiza jednoczynnikowa RM-ANOVA z pozycją morfa (dwa poziomy: M6 kontra wszystkie pozostałe morfy) i RT jako zmienną zależną, zgrupowaną dla wszystkich kontinuów, wykazała, że RT dla M6 (M = 1.42, SD = 0.26) różniło się wysoce istotnie od RT dla pozostałych pozycji morfów (M = 0.99, SD = 0.46), F(1,24) = 62.04, p < 0.001.

Wzięte razem, dane z odpowiedzi kategoryzacyjnych potwierdzają, że spełnione jest pierwsze kryterium obecności CP, mianowicie istnienie granicy kategorii (wszystkie kryteria, patrz np. 11), a czasy reakcji przy podejmowaniu decyzji kategoryzacyjnych są spójne z danymi odpowiedzi w tym sensie, że wykazują dłuższe czasy reakcji wraz ze wzrostem niepewności kategoryzacji.

Czas reakcji w zależności od pozycji morfologicznej; wykres słupkowy; eksperyment poznawczy; analiza czasu reakcji.
Rysunek 4. Wyniki czasu reakcji w zadaniu kategoryzacji z wymuszonym wyborem, wykazujące najdłuższy średni czas latencji odpowiedzi dla osądów kategoryzacji w przypadku bodźców o pozycji morfologicznej M6, dla której niejednoznaczność kategoryzacji jest największa. Słupki błędów przedstawiają ±1 błąd standardowy.

2. Zadanie dyskryminacji percepcyjnej

Analizy danych dla N = 20 uczestników zostały już przedstawione w 7. Przyjmując za przykład dane dla prób z awatarami z tego badania (Rysunek 5), analiza wykazała zwiększoną dokładność rozróżniania dla par twarzy przekraczających granicę kategorii w warunku międzykategorialnym w porównaniu ze zmniejszoną dokładnością rozróżniania dla par twarzy w warunku wewnątrz kategorialnym. Jest to zgodne z CP. Dane pokazują również, że istnieje istotna różnica w dokładności rozróżniania w obrębie kategorii, polegająca na większej dokładności rozróżniania dla par twarzy w warunku wewnątrz kategorialnym niż w tej samej kondycji. Zróżnicowanie ISI wynoszące 75 i 300 msec różnie wpłynęło na odpowiedzi uczestników, jednak nie zaobserwowano tego w próbach z ludźmi.

Wykres słupkowy odpowiedzi w próbach z awatarami; % różnych odpowiedzi w odstępach czasu; analiza danych.
Rycina 5. Wyniki zadania dyskryminacji percepcyjnej „taki sam-różny” dla prób z awatarami. Uczestnicy (N = 20) oceniali, czy morfiki w parze morfików były takie same czy różniły się wyglądem fizycznym. Po skontrolowaniu względnej odległości morfików wzdłuż kontinuów, wyniki wykazują lepszą dokładność dyskryminacji dla par twarzy, które przekraczały granicę kategorii (ustaloną w zadaniu klasyfikacji z wymuszonym wyborem) niż dla par pochodzących z tej samej (i.e. awatar lub człowiek) strony granicy, co demonstruje percepcję kategorialną wzdłuż kontinuów podobieństwa do człowieka. Przebadano również wpływ krótszego i dłuższego ISI wynoszącego 75 msec oraz 300 msec, co wykazało wpływ na wyniki dyskryminacji wyłącznie w próbach z awatarami. Słupki błędów wskazują ±1 błąd standardowy.

Stosując statystykę A' jako miarę skuteczności dyskryminacji niezależną od błędu odpowiedzi, w próbach z awatarami stwierdzono istotny główny efekt typu prób par twarzy na czułość dyskryminacji (t.j. wewnątrz- i międzykategorycznych), F(2,38) = 107,11, p < 0,001, przy czym czułość dyskryminacji była większa dla par międzykategorycznych (A' = 0,89, SD = 0,07) niż dla par wewnątrzkategorycznych (A' = 0,55, SD = 0,17) (Rycina 6). Podobnie, w próbach z ludźmi stwierdzono istotnie większą czułość dyskryminacji dla par międzykategorycznych (A' = 0,94, SD = 0,1) niż dla par wewnątrzkategorycznych (A' = 0,56, SD = 0,22), F(2,38) = 107,11, p < 0,001. Nie odnotowano wpływu typów prób par twarzy na ISI. Stosując statystykę β"D jako miarę błędu odpowiedzi, stwierdzono istotny główny efekt typów prób par twarzy na błąd [F(2,38) = 70,53, p < 0,001], przy czym uczestnicy wykazywali silną tendencję do oceniania par wewnątrzkategorycznych jako różnych (β"D = 0,81, SD = 0,23) w porównaniu z odpowiedzią na pary międzykategoryczne (β"D = -0,18, SD = 0,59). Jest to spójne z tezą, że uczestnicy mają tendencję do faworyzowania decyzji o „różności” w tym konkretnym zadaniu, gdy decyzja tak samo-różne jest trudniejsza w przypadku par wewnątrzkategorycznych.

Wykres słupkowy porównujący średnią percepcyjną dyskryminację A' w próbach z awatarami i ludźmi wraz z słupkami błędów.
Rysunek 6. Przy zastosowaniu statystyki A' jako miary skuteczności dyskryminacji niezależnej od błędu odpowiedzi (N = 20), czułość dyskryminacji była większa dla par międzykategorialnych niż wewnątrzorganizacyjnych zarówno w próbach z awatarami, jak i z ludźmi. Słupki błędów przedstawiają ±1 błąd standardowy.

Analiza danych RT nie wykazała różnic między próbami z udziałem awatarów i ludzi oraz między krótkim i długim ISI. Zgodnie z oczekiwaniami odnotowano główny istotny efekt RT pomiędzy trzema warunkami par bodźców (patrz Rysunek 7), F(2,38) = 34,55, p < 0,001. Zaplanowane wcześniej testy kontrastów wewnątrzobiektowych wykazały, że RT dla twarzy z różnych kategorii (i.e. typ próby z parą twarzy „między”) były istotnie krótsze (M = 0,79, SE = 0,05) niż RT dla par twarzy z jednej kategorii (typ próby „wewnątrz”) (M = 1,26, SE = 0,09) [F(1,19) = 60,09, p < 0,001) oraz dla par twarzy w tej samej warunkiem pary twarzy (M = 0,88, SE = 0,08), F(1,19) = 43,1, p < 0,001.

Wykres słupkowy porównujący czasy reakcji w próbach z awatarem i ludźmi z słupkami błędów dla zmienności danych.
Rycina 7. Wyniki czasu reakcji (RT) w zadaniu dyskryminacji percepcyjnej „taki sam–różny” dla prób z awatarem i ludźmi (N = 20). Wykres pokazuje, że RT dla par bodźców przekraczających granicę kategorii (i.e. w warunku pomiędzy) były krótsze niż RT dla twarzy z wewnątrz jednej kategorii. Słupki błędów wskazują ±1 błąd standardowy.

Dane dotyczące odpowiedzi w kategorii potwierdzają zatem drugie kryterium obecności CP, ponieważ dokładność rozróżniania jest wyższa dla par przekraczających granicę kategorii niż dla par ekwidystansowych wybranych z wnętrza jednej kategorii. Dowodzi to istnienia tak zwanej granicy rozróżniania z podwyższoną czułością na cechy bodźca fizycznego w pobliżu granicy kategorii. Dane dotyczące RT potwierdzają to, wykazując krótsze latencje odpowiedzi dla par twarzy międzykategorycznych w porównaniu z parami wewnątrz jednej kategorii.

To konkretne zadanie dyskryminacji percepcyjnej nie definiuje dokładnego punktu granicy dyskryminacji wzdłuż DHL. Aby go wyznaczyć, można zastosować znacznie mniejszą odległość morfologiczną między parami prezentowanych morfów. Poniżej przedstawiamy przykład z wykorzystaniem tradycyjnego zadania dyskryminacji ABX 12, 13. Dyskryminacja ABX polega na sekwencyjnej prezentacji różnych bodźców twarzy (np. Morf A i Morf B), po której następuje druga prezentacja albo A, albo B jako bodźca docelowego X. Po obejrzeniu obrazów A, B i X uczestnicy muszą wskazać, czy A czy B jest identyczny z X. W tym przykładzie przedstawiono dwustopniową procedurę dyskryminacji między morfami (tj. 1-3, 2-4, 3-5 itd.) (Rysunek 8B). Analizy opisano w 8. W celach ilustracyjnych zadanie dyskryminacji ABX wykonano z udziałem 24 uczestników, wykorzystując 4 kontinuum morfów, z których każde zawierało 11 morfów, a bodźce krańcowe pobrano z badania Cheethama et al. 7. Po zadaniu dyskryminacji ABX z tymi samymi uczestnikami przeprowadzono zadanie kategoryzacji z wymuszonym wyborem. Przyjmuje się, że taka kolejność prezentacji zadań minimalizuje wpływ jawnego podejmowania decyzji kategoryzacyjnych na zadanie dyskryminacji ABX. Rysunek 8B wyraźnie wskazuje na występowanie szczytu czułości dyskryminacji percepcyjnej w pozycji morfa przewidywanej i zbieżnej z granicą kategorii (patrz Rysunek 8A). Przy zastosowaniu dwustopniowej odległości między morfami, szczyt wydajności dyskryminacji można wyraźnie zidentyfikować w przedziale między parą morfów M5-M7. Wyniki uzyskane przy użyciu paradygmatu ABX i bodźców morfologicznych opartych na wymiarach podobieństwa do ludzi, z twarzami małpy, krowy i człowieka jako punktami końcowymi kontinuum, przedstawiono w 8.

Wykresy kategorii i granicy dyskryminacji; średnia odpowiedź, dopasowane krzywe; analiza percepcji.
Rysunek 8. Reprezentatywne wyniki zadań dyskryminacji percepcyjnej ABX oraz kategoryzacji z wymuszonym wyborem. Dwustopniowa procedura dyskryminacji (tj. 1-3, 2-4, 3-5 itd.) w zadaniu dyskryminacji percepcyjnej ABX w panelu B wykazuje, że szczyt czułości dyskryminacji percepcyjnej jest przewidywany przez granicę kategorii wyznaczoną w zadaniu kategoryzacji z wymuszonym wyborem przedstawionym w panelu A. Panel A przedstawia profil logistyczny dopasowanych krzywych regresji dla czterech kontinuów. Maksymalna niepewność na poziomie 50% w ocenach kategoryzacji przetworzonych twarzy jako ludzkich wiąże się z morfą M6.

Zadanie rozróżniania obiektów takich samych od różnych potwierdza trzecie kryterium obecności CP, wykazując, że granica rozróżniania pokrywa się z granicą kategorii. Innymi słowy, pozycja granicy kategorii pozwala przewidzieć pozycję granicy rozróżniania.

Czwartym kryterium, które nie zawsze jest stosowane w badaniach nad CP 13, 14, jest to, że dyskryminacja w obrębie kategorii odbywa się na poziomie przypadkowym. Dane z przykładu ilustracyjnego z wykorzystaniem schematu ABX sugerują, że dyskryminacja jest nieco wyższa niż przypadkowa dla tych morfoform, które znajdują się pomiędzy punktami końcowymi kontinuum a granicą kategorii.

3. Zadanie fMRI

4.3.1 Wrażliwość na zmiany fizyczne

Poprzez porównanie warunków, w których występuje zmiana fizyczna między pierwszym a drugim morfami, z warunkiem, w którym taka zmiana nie występuje, wykazano, że obszar mózgu w zakręcie wrzecionowatym (Rysunek 9A) jest wrażliwy na prezentację subtelnych zmian wzdłuż DHL w wyglądzie fizycznym morfów twarzy w próbach z awatarami. Podobny wynik dla prób z ludźmi nie został przedstawiony na rysunku. Obszar ten określono mianem obszaru twarzy zakrętu wrzecionowatego ze względu na jego rolę w systemie wzrokowym w przetwarzaniu informacji o twarzy. Wraz z wynikami prób z ludźmi, znalezisko to jest zgodne z raportowaną odpowiedzią obszarów wrzecionowatych na różnice w fizycznych cechach twarzy 23, geometrii twarzy 16, 21, 24 oraz teksturze twarzy 21.

4.3.2 Wrażliwość na zmianę kategorii

Rycina 9B przedstawia, na przykładzie prób z awatarami, obszary mózgu wrażliwe na zmianę kategorii wzdłuż DHL. Osiągnięto to poprzez porównanie warunków, w których następuje zmiana kategorii między pierwszym a drugim morfem, z warunkiem, w którym taka zmiana nie występuje. Dane obrazowe pokazują, że zmiana kategorii w próbach z awatarami (t.j. zmiana w kierunku awatar-człowiek wzdłuż DHL) ujawniła reaktywność hipokampa, ciała migdałowatego i wyspy. Rola tych obszarów musi być interpretowana w kontekście zastosowanego paradygmatu oraz kategoryzacji i została już opisana 7. Generalnie ciało migdałowate reaguje na twarze, walencję afektywną, nowość i niepewność 55, 56, 57, 58, 59. Sugeruje się, że ciało migdałowate wpływa na przetwarzanie w innych obszarach mózgu zaangażowanych w kategoryzację, w zależności od znaczenia afektywnego sytuacji 60. Wyspa jest konsekwentnie raportowana w związku z przetwarzaniem kategorii oraz przetwarzaniem w warunkach niepewności 61, 62, 63. W kontekście zastosowanego paradygmatu obszar ten może przyczyniać się do zwiększenia zasobów uwagi dla procesów kategoryzacji 63. Specyficzny obszar aktywacji może być również powiązany z sygnalizowaniem obecności niepewności, zagrożenia lub potencjalnego zagrożenia 64, 65. Hipokamp jest zaangażowany w wizualną kategoryzację i uczenie się percepcyjne 66. Zmiana kategorii w próbach z ludźmi (t.j. zmiana w kierunku człowiek-awatar wzdłuż DHL) ujawniła, że skorupa, głowa jądra ogoniastego i wzgórze są reaktywne w tym warunku. Generalnie obszary te są powiązane z uczeniem się skojarzeń bodziec-kategoria, sygnalizowaniem przynależności do kategorii, niepewnością decyzyjną podczas kategoryzacji, przełączaniem się między potencjalnymi regułami kategorii stosowanymi do ustalenia przynależności do kategorii oraz korektą reprezentowanej granicy kategorialnej w celu zminimalizowania błędów 67, 68, 69, 70.

Interpretacja tych wyników na poziomie ogólnym oraz w kontekście zastosowanego paradygmatu eksperymentalnego sugeruje, że twarze awatarów i twarze ludzkie reprezentują różne problemy kategoryzacji, w zależności od stopnia wcześniejszego doświadczenia w kategoryzacji danej grupy (np. 25); uczestnicy są ekspertami w przetwarzaniu ludzkich twarzy, lecz zostali wybrani specjalnie pod kątem braku jawnej wiedzy o wcześniejszym doświadczeniu z twarzami awatarów (np. w grach wideo, filmach, Second Life) i, co potwierdzono podczas rozmowy końcowej, nigdy wcześniej nie widzieli twarzy typu prezentowanego w badaniu.

Przekrój MRI mózgu przedstawiający analizę aktywności ciała migdałowatego, wyspy i hipokampa; widoki czołowy i osiowy.
Rysunek 9. Korelacje neuronalne zmian fizycznych i kategorii wzdłuż DHL w próbach z awatarami. Mapy aktywacji są nałożone na widoki czołowy (A), poprzeczny (B) i strzałkowy (C) jednego badanego. Paski kolorów oznaczają gradient wartości t map aktywacji (p < 0,005, 20 sąsiednich wokseli).

Dyskusja

Głównym założeniem hipotezy doliny niesamowitości jest to, że doświadczenia o walencji dodatniej lub ujemnej mogą być wywoływane w zależności od postrzeganego podobieństwa do człowieka 77 (przegląd informacyjny znajduje się w 78). W związku z tym dokładne zbadanie sposobu, w jaki podobieństwo do człowieka jest w rzeczywistości postrzegane, stanowi samo w sobie istotne przedsięwzięcie badawcze. Równie ważne jest to, w jaki sposób DHL (wymiar podobieństwa do człowieka) jest reprezentowany w eksperymentach dotyczących doświadczenia niesamowitości. Niniejszy protokół koncentruje się zatem na DHL. Jednym z podejść jest reprezentowanie podobieństwa do człowieka za pomocą kontinuów morfologicznych, co zostało już wdrożone w badaniach nad „niesamowitością” 5, 6, 26, 27, 28. Zaletą kontinuów morfologicznych jest to, że ich zastosowanie pozwala na powiązanie eksperymentalnie kontrolowanych różnic w wyglądzie ludzkim z behawioralnymi miarami subiektywnego postrzegania i doświadczania (np. decyzjami kategoryzacyjnymi, uczuciami niesamowitości) oraz z leżącymi u ich podstaw procesami neuronalnymi 7. To precyzyjne podejście jest szczególnie istotne, ponieważ hipoteza doliny niesamowitości nie przewiduje rzeczywistego stopnia podobieństwa do człowieka, przy którym powinno nastąpić przejście między doświadczeniem o walencji dodatniej a doświadczeniem niesamowitości 78. Jeśli przypuszczenia Mori są słuszne, wyniki dotyczące przetwarzania kategorii wzdłuż DHL 7 sugerowałyby, że doświadczenie niesamowitości najprawdopodobniej występuje na granicy kategorii, gdzie niejednoznaczność decyzji percepcyjnej jest największa. Pozostaje to jeszcze do przetestowania.

Aby móc zinterpretować badaną zależność między DHL, reprezentowaną za pomocą kontinuów morfologicznych, a innymi istotnymi zmiennymi, należy zastosować pojedyncze kontinuum morfologiczne zamiast dwóch lub nawet trzech różnych zestawionych obok siebie kontinuów 5,28. Zestawione obok siebie kontinuum nie oddają, a w rzeczywistości zmieniają koncepcję podobieństwa do człowieka według Moriego, wprowadzając do DHL nieciągłości. Mogłoby to wpłynąć na wyniki w zadaniu dyskryminacji percepcyjnej, ponieważ punkt nieciągłości oraz wszelkie dysproporcje wynikające z procedury morfingu mogłyby zostać wykorzystane jako wiarygodny, lecz niezamierzony eksperymentalnie punkt odniesienia kierujący dyskryminacją percepcyjną (patrz 29). W obrębie każdego kontinuum morfologicznego wszystkie morfy powinny być starannie kontrolowane w taki sposób, aby wzdłuż całego kontinuum reprezentowane były równomierne przyrosty zmian fizycznych 5,28. Jest to szczególnie istotne w niniejszym protokole, ponieważ eksperymentalna kontrola odległości morfologicznej wzdłuż kontinuów umożliwia zbadanie, czy informacje sensoryczne dotyczące liniowych różnic w fizycznym podobieństwie do człowieka wzdłuż DHL są reprezentowane poznawczo w sposób liniowy czy nieliniowy. Nieliniowość odzwierciedla funkcja schodkowa w nachyleniu odpowiedzi kategoryzacyjnych (Ryciny 2A i 5A) oraz różnice w czułości percepcyjnej na cechy bodźca wzdłuż DHL (patrz Ryciny 4 i 5B). W niniejszym protokole wykorzystano twarze jako punkty końcowe bez stosowania dalszych manipulacji eksperymentalnych. Dalsze badania nad CP i podobieństwem do człowieka mogłyby zbadać na przykład, w jaki sposób specyficzne cechy, takie jak realizm oczu w porównaniu z realizmem innych cech twarzy lub manipulacje geometrią twarzy w porównaniu z teksturą twarzy (por. 30,38), różnie wpływają na przetwarzanie kategorii wzdłuż DHL.

Procedura morphingu umożliwia płynne łączenie odpowiadających sobie cech punktów końcowych kontinuum, takich jak konfiguracja rysów twarzy. Trudności w morphingu informacji twarzowych, takich jak górne partie twarzy i profil włosów 26, mogą potencjalnie wpływać na odpowiedzi uczestników, przyciągając uwagę do rozbieżności w dopasowaniu cech podczas procedury morphingu. Błąd ten jest prawdopodobnie systematyczny, ponieważ rozbieżności w morphingu są powiązane z odległością morphu od punktów końcowych kontinuum, przy czym są one największe w punkcie środkowym kontinuów morphingowych. W przypadku naszych kontinuów morphingowych punkt środkowy odpowiada granicy kategorii, wokół której występuje największa wrażliwość percepcyjna. Reanaliza danych z jednego z naszych badań pilotażowych (zadania kategoryzacji z wymuszonym wyborem) porównała kontinuum, w którym region oczu był odpowiednio lub nieodpowiednio zmorphowany (nieodpowiedni morphing skutkował bardzo niewielką niespójnością w dopasowaniu tekstury oczu między morphami). Reanaliza potwierdziła systematyczny błąd w odpowiedziach decyzyjnych dotyczących kategoryzacji w przypadku słabo zmorphowanych kontinuów, tak że nieodpowiedni morphing spowodował w rzeczywistości względne przesunięcie granicy kategorii w stronę ludzkiego bieguna wymiaru. Prawdopodobnie wynikało to z faktu, że rozbieżność morphingu została zinterpretowana jako cecha „definiująca nieludzki charakter”.

Błąd odpowiedzi może wynikać również z zastosowania kontynuum wygenerowanego na podstawie bodźców krańcowych, w których informacje pozatwarzowe, takie jak nakrycie głowy czy biżuteria twarzy, występują tylko w jednym bodźcu krańcowym 27. W takim przypadku obrazy twarzy można przyciąć tak, aby uczestnicy skupili się na informacji bodźca będącej przedmiotem zainteresowania badawczego, a nie na innych wyróżniających się cechach przedstawionych na obrazie. Systematyczny błąd odpowiedzi może wynikać także z użycia obrazu jako punktu krańcowego kontynuum, na którym atrybuty niehumanoidalne są przedstawione wraz z atrybutami ludzkimi, mimo że obraz ten ma reprezentować ludzki koniec DHL 6. W takim przypadku jakakolwiek zależność między podobieństwem do człowieka a zmiennymi, takimi jak subiektywne miary doświadczenia niesamowitości, nie jest interpretowalna w kontekście koncepcji DHL Moriego oraz hipotetycznej doliny niesamowitości.

CP może występować w wymiarach innych niż podobieństwo do człowieka 31, 10, 22, 32, 33, 34, 35, a informacje istotne dla kategorii mogą być przetwarzane automatycznie podczas kontaktu z innymi 36. W niniejszym protokole należy zatem zadbać o kontrolę efektów wskazówek wizualnych, które sygnalizują różnice wzdłuż DHL w odniesieniu do innych wymiarów istotnych dla kategorii, a które wpływają na odpowiedzi uczestników dotyczące podobieństwa do człowieka. Wskazówki te mogą dotyczyć na przykład etniczności, płci, wyrazistości twarzy, znajomości i tożsamości oraz wyrazu twarzy (por. 5, 26, 27, 28). Niniejszy protokół dąży do zminimalizowania percepcji ruchu biologicznego pomiędzy morfami twarzy prezentowanymi w szybkiej sekwencji w zadaniu dyskryminacji percepcyjnej i badaniu fMRI poprzez ścisłe dopasowanie geometrii twarzy i konfiguracji rysów twarzy na obrazach użytych jako punkty końcowe kontinuum. Podejście to (wraz z relatywną pozycją morfów wzdłuż kontinuów stosowanych w warunkach bodźca) pomaga również zminimalizować jakąkolwiek percepcję różnych tożsamości pomiędzy morfami w obrębie jednego kontinuum.

Zadanie klasyfikacji z wymuszonym wyborem pozwala określić, które morfy kontinuum są jednoznacznie kategoryzowane jako awatar i jako człowiek, w celu wyboru morfów do wykorzystania w zadaniu dyskryminacji percepcyjnej oraz w badaniu fMRI. Wybrano cztery morfy M0, M4, M8 i M12 z każdego z kontinuów (Rycina 2B i 2C). Poza kontrolą stopnia zmiany fizycznej wzdłuż DHL, wybór M4 i M8 oparto na następującym rozważaniu teoretycznym. Mori opisał niepewność percepcyjną (i związane z nią doświadczenie niesamowitości) jako występującą przy poziomach realizmu odpowiadających obszarowi wzdłuż DHL pomiędzy dwoma dodatnimi szczytami nachylenia relacji walencja-podobieństwo do człowieka (patrz Rycina 1). W tych szczytach obiekty są postrzegane albo jako nieludzkie, albo jako ludzkie. Przekształcając te rozważania w ramy przetwarzania kategorii, szczyty te można uznać za odzwierciedlające stopnie podobieństwa do człowieka, przy których poprawnie sklasyfikowane instancje kategorii (t.j. nieludzkie i ludzkie) flankują granicę kategorii. Mori nie sprecyzował jednak, jak efektywna musi być ta klasyfikacja (t.j. pewność percepcyjna) w tych szczytach, choć identyfikacja obiektów w każdym szczycie jest wyraźnie uznawana za stosunkowo efektywną i niewymagającą wysiłku. Z tego powodu dwie pozycje morfów wzdłuż kontinuów, uznane za definiujące przejście między dwiema kategoriami i odzwierciedlające dwa dodatnie szczyty, zostały określone przy użyciu bardziej konserwatywnego kryterium niż często stosowane w badaniach nad CP (np. 66%, jak w 32, 34). W związku z tym morf M4 był identyfikowany średnio jako awatar w więcej niż 85% prób, a morf M8 jako człowiek w więcej niż 85% prób. Należy zauważyć, że kryterium to dotyczy obu morfów M4 i M8 w dowolnym kontinuum. Stosując to podejście, dokonany wybór morfów ma na celu uchwycenie poczucia zmiany kategorii wzdłuż DHL między obiektami nieludzkimi a ludzkimi, zgodnie zarówno ze zrozumieniem CP, jak i opisem hipotezy Moriego.

Niniejszy protokół wykorzystuje wariant zadania percepcyjnej dyskryminacji tych samych i różnych bodźców 10 w celu zbadania CP. Zaletą tego zadania jest fakt, że uczestnicy nie potrzebują opisu określających, jakie konkretne podobieństwa i różnice muszą zostać zidentyfikowane. Wystarczy, że po prostu określą oni, czy bodźce są takie same, czy różne. Ponadto uczestnicy nie muszą znać etykiet kategorii. Etykiety mogą być wykorzystywane jako strategia dyskryminacji bodźców w sytuacjach, gdy obciążenie pamięciowe wymagane przez zadanie dyskryminacyjne, takie jak zadanie ABX, wzrasta 42. Zadanie typu „taki sam-inny” ma tę zaletę, że obciążenie pamięciowe jest stosunkowo niskie, a samo zadanie zachęca do bezpośredniego porównywania bodźców. Aby ograniczyć potencjalny wpływ etykietowania, zadania dyskryminacyjne są zazwyczaj prezentowane przed zadaniem decyzyjnym z wymuszonym wyborem 40. Przedstawiony protokół opiera się na dwóch różnych grupach uczestników dla zadań dyskryminacyjnych i zadań decyzyjnych z wymuszonym wyborem 7, 41. Wynika to z faktu, że zadanie z wymuszonym wyborem służy do selekcji bodźców do zadania dyskryminacyjnego. Gdyby jednak ci sami uczestnicy mieli być badani w obu zadaniach, protokół należy zmodyfikować tak, aby zadanie dyskryminacyjne zostało przeprowadzone przed zadaniem decyzyjnym z wymuszonym wyborem.

W zadaniu dyskryminacji to samo-różne w niniejszym protokole zastosowano stały schemat dyskryminacji (w przypadku schematów przesuwnych, zob. np. 39). Oznacza to, że M4 i M8 są zawsze prezentowane jako pierwszy bodziec każdej pary bodźców odpowiednio w warunkach „to samo”, „wewnątrz” i „między” w próbach z awatarem i człowiekiem. Protokół ten obejmuje ograniczenie eksperymentalne polegające na tym, że każdy uczestnik ogląda bodźce morficzne albo z prób z awatarem, albo z prób z człowiekiem z danego kontinuum, ale nie z obu. Przyjmując próby z awatarem jako przykład, oznacza to, że pierwszym bodźcem każdej pary bodźców jest zawsze M4, że drugi bodziec w warunkach „wewnątrz” (t.j. M1) i „między” (t.j. M8) jest prezentowany z równą częstotliwością dla danego kontinuum oraz że dla prób z człowiekiem nie są dobierane żadne dalsze bodźce z tego konkretnego kontinuum. Podejście to ma na celu uniknięcie selektywnego wywoływania silniejszej reprezentacji i tym samym ułatwienia dyskryminacji twarzy międzykategorycznych danego kontinuum. Aby wykluczyć lub, w celach porównawczych, zbadać ewentualny wpływ prezentowania opisanych prób z awatarem i człowiekiem w jednym bloku eksperymentalnym na reprezentację i dyskryminację międzykategoryczną, można by zastosować schemat, w którym opisane próby z awatarem i człowiekiem są prezentowane w oddzielnych blokach (przy czym kolejność bloków jest zrównoważona u uczestników).

W niniejszym zadaniu dyskryminacji takich samych i różnych bodźców zastosowano stosunek prób identycznych do różniących się wynoszący 1:2. Taki stosunek może wywołać błąd odpowiedzi (response bias) na korzyść decyzji o różnicy (choć na ten błąd mogą wpływać również inne czynniki 44, 51). Miary pochodne z Teorii Detekcji Sygnałów (SDT) są często wykorzystywane do oddzielenia błędu odpowiedzi (β lub c) polegającego na wyborze jednej odpowiedzi ponad drugą od wrażliwości uczestnika (A' lub d') w dyskryminacji bodźców sensorycznych (przegląd patrz 44). Ponieważ d' może zmieniać się wraz z błędem odpowiedzi w wyniku naruszenia założeń SDT 52, zastosowano nieparametryczną miarę wrażliwości A' 53. Do określenia błędu odpowiedzi użyto β"D 47. Alternatywnie miara c była rekomendowana przez 43, 44, częściowo dlatego, że jest ona niezależna od zmian d' 54. Ogólnie rzecz biorąc, niniejsze wyniki wskazują na większą wrażliwość percepcyjną w przypadku bodźców morph przekraczających granicę kategorii niż w przypadku bodźców wewnątrzcategoryjnych.

Wybór morfów do zadania dyskryminacji w niniejszym protokole oznacza, że zadanie wymaga rozróżnienia między morfami oddalonymi od siebie o cztery kroki wzdłuż kontinuum (tj. dyskryminacja czterostopniowa, patrz Rysunek 2B). Jednak ten czterostopniowy stopień odmienności między morfami jest zbyt duży, aby pozwolić na dokładniejsze określenie rzeczywistej pozycji morfa, przy której dyskryminacja jest najbardziej nasilona (tj. granicy dyskryminacji) (Rysunek 5B). Ważnym kryterium dla CP (w odniesieniu do pozostałych kryteriów patrz np. 11) jest zgodność między granicą kategorii w zadaniu wymuszonego wyboru a granicą dyskryminacji w zadaniu dyskryminacji. Innymi słowy, pozycja morfa na granicy kategorii powinna przewidywać pozycję morfa na granicy dyskryminacji. Jednym ze sposobów weryfikacji konkretnego punktu zgodności byłoby zastosowanie zadania dyskryminacji, w którym dystans między parami morfów zostałby zmniejszony. W celu zilustrowania tego zagadnienia Rysunek 5B przedstawia wyniki danych pilotażowych z wykorzystaniem tradycyjnego zadania dyskryminacji ABX 12, 13 jako możliwej alternatywy dla zadania dyskryminacji typu taki sam-inny. Rysunek wyraźnie wskazuje na występowanie szczytu czułości dyskryminacji percepcyjnej w pozycji morfa przewidywanej przez granicę kategorii. Takie wyniki w badaniu z większą liczbą uczestników i zastosowaniem SDT w analizach pozwoliłyby na dalszą weryfikację efektów CP wzdłuż DHL. Rzeczywisty wybór bodźców dla punktów końcowych kontinuum, liczba morfów wygenerowanych w kontinuum oraz wielkość kroku między morfami do dyskryminacji będą miały silny wpływ na obciążenie poznawcze uczestnika oraz jego zdolność do rozróżniania morfów wzdłuż kontinuów.

Jednym z klasycznych kryteriów CP jest to, że położenie granicy kategorii przewiduje położenie szczytu w rzeczywistej wydajności dyskryminacji (t.j. granicę dyskryminacji) 80. Jest to prawdopodobnie najważniejsze kryterium CP 81. Rozstrzygające przetestowanie tej predykcji wymaga projektu eksperymentalnego, w którym wszystkie pary morfów reprezentujące wspólnie całą długość kontinuum morfologicznego są prezentowane w zadaniu dyskryminacyjnym, aby określić rzeczywiste położenie szczytu. W 38 wydajność dyskryminacji badano na podstawie jedynie wybranych segmentów kontinuów morfologicznych. Może to oznaczać, że rzeczywiste położenie szczytu wydajności zostało pominięte, co z kolei utrudnia jednoznaczna weryfikację CP. Należy zauważyć, że nawet wczesne badanie CP przeprowadzone przez Liebermana et al. 82 nie spełniło sformułowanego w nim rygorystycznego kryterium, według którego przewidywany i rzeczywisty szczyt wydajności dyskryminacji powinny być zbieżne, a inni badacze nie stosowali tego kryterium rygorystycznie (np.11, patrz również 80). Wyznaczenie rzeczywistego położenia szczytu wydajności jest jednak kluczowe, nawet jeśli stosowana jest bardziej liberalna interpretacja tego kryterium. Badanie całej długości kontinuum morfologicznego daje również tę zaletę, że umożliwia sprawdzenie danych pod kątem istnienia szczytu wydajności w punkcie sprzecznym z oczekiwaniami, wynikającym na przykład z artefaktu będącego efektem procedury morphingu.

Oprócz samych odpowiedzi, dane dotyczące czasu reakcji (RT) w zadaniu klasyfikacji z wymuszonym wyborem są przydatne jako wskaźnik trudności w przetwarzaniu poznawczym informacji o bodźcu oraz konkurujących tendencji do kategoryzowania bodźca jako „awatar” lub „człowiek” 70, 71. RT powinien zatem być najdłuższy dla sądów kategoryzacyjnych bodźców umieszczonych na granicy kategorii lub najbliżej niej. Rycina 4 pokazuje, że tak właśnie jest. Wspólnie kształt funkcji odpowiedzi i dane RT dla sądów kategoryzacyjnych wskazują, że przypisanie bodźca do dyskretnej kategorii wiąże się z dużymi różnicami w trudności przetwarzania. Aby ocenić RT, niniejszy protokół instruuje uczestników, aby podczas kategoryzacji odpowiadali tak szybko i dokładnie, jak to możliwe. Biorąc pod uwagę potencjalny wpływ kompromisu między szybkością a dokładnością na odpowiedzi 72, 73, zbadaliśmy i stwierdziliśmy w testach pilotażowych, że kształt i położenie funkcji odpowiedzi kategorii awatar-człowiek są bardzo stabilne i nie są zależne od instrukcji identyfikacji prezentowanego bodźca morficznego tak szybko i dokładnie, jak to możliwe, lub po prostu tak dokładnie, jak to możliwe. Sugerowałoby to, że uczestnicy zazwyczaj stosują strategię decyzyjną zorientowaną na dokładność, choć sugestia ta mogłaby zostać poddana dokładniejszym testom. Zgodnie z hipotezą Mori, że trudność w odróżnieniu obiektu przypominającego człowieka od obrazu człowieka może wywoływać doświadczenia o negatywnej walencji, interesujące byłoby ustalenie, czy dłuższy RT dla bodźców humanoidalnych wiąże się z miarami negatywnego afektu. Dane RT zostały również zebrane i przeanalizowane dla zadania dyskryminacji taki sam-różny. RT był wykorzystywany do wsparcia danych o odpowiedziach 80. W przeciwieństwie do zadania ABX, zadanie taki sam-różny dostarcza wyraźnego punktu czasowego dla pomiaru RT. RT poprawnych odpowiedzi powinien być krótszy dla par międzykategorycznych niż dla par wewnątrzcategorycznych 74, choć interpretacja danych RT może być skomplikowana w przypadku sądów taki sam-różny, ponieważ RT w tym zadaniu może być wpływany przez szereg czynników 75, 76. Dane RT są jednak spójne z tezą, że mniej trudne decyzje międzykategoryczne są podejmowane szybciej niż decyzje wewnątrzcategoryczne (patrz Rycina 7).

Należy zauważyć, że hipoteza Moriego nie uwzględnia możliwości, w których cechy fizyczne mogą w rzeczywistości zmieniać się wzdłuż DHL w obrębie kategorii ludzkiej (Rycina 2) 7. Jest to powód, dla którego drugi dodatni szczyt w oryginalnej relacji między walencją a podobieństwem do człowieka w tej hipotezie znajduje się na ludzkim końcu DHL (Rycina 1). Akcentowanie nieludzkiego aspektu DHL miało istotny wpływ na badania prowadzone w oparciu o tę hipotezę, w tym na badania, w których nie wykorzystano kontinuów morfologicznych 4, 37, podczas gdy w innych badaniach pojedyncza ludzka twarz służyła do reprezentowania ludzkiego aspektu DHL 3. W takich badaniach próbowano analizować doświadczenie niesamowitości (uncanny experience), co przyniosło niejednoznaczne wyniki. Wyniki dotyczące CP sugerują, że w tych badaniach mogły nie zostać zaprezentowane bodźce niezbędne do wywołania ukrytych lub jawnych procesów podejmowania decyzji percepcyjnych oraz procesów rozwiązywania konfliktów w odpowiedzi na niejednoznaczność kategorii wzdłuż DHL.

Niniejszy protokół ilustruje przykład wykorzystania morfów pochodzących z kontinuów reprezentujących DHL do identyfikacji za pomocą fMRI i z wykorzystaniem efektu supresji repetycyjnej obszarów mózgu wrażliwych na zmiany w fizycznym podobieństwie do człowieka oraz zmiany w informacjach związanych z kategorią. Na skuteczność projektu fMRI silny wpływ ma staranne generowanie i selekcja bodźców morfologicznych. Zadania wymuszonego wyboru oraz dyskryminacji percepcyjnej zostały zatem zastosowane, aby zapewnić porównywalność między kontinuami w zakresie kształtu krzywych klasyfikacji awatar-człowiek (i.e. nachylenia funkcji odpowiedzi) oraz w wynikach dyskryminacji. Zaletą tego projektu fMRI jest to, że pozwala on na symulację warunków bodźcowych opisanych przez Moriego (i.e. pasywną obserwację nowych obiektów nieludzkich, które subtelnie różnią się wyglądem fizycznym od ich ludzkich odpowiedników) w ramach ograniczeń metodologii fMRI, przy użyciu bodźców wybranych zgodnie z definicją podobieństwa do człowieka zawartą w hipotezie, a także na badanie efektów przetwarzania kategorii przy jednoczesnej kontroli efektów zmian fizycznych wzdłuż DHL. Paradygmat fMRI nie jest zaprojektowany do badania doświadczenia niesamowitości (uncanny experience), ale mógłby zostać zaadaptowany do zbadania doświadczeń afektywnych związanych na przykład z samą granicą kategorii. Byłby to ważny krok w kierunku zbadania w mózgu efektów przetwarzania kategorii i niejednoznaczności kategorii w powiązaniu z doświadczeniem afektywnym dla bodźców pochodzących z DHL.

Oświadczenia

Nie zgłoszono żadnych konfliktów interesów.

Podziękowania

Niniejsza praca opiera się na badaniach wspieranych przez zintegrowany projekt PRESENCCIA w ramach programu FET Unii Europejskiej (numer umowy 27731).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
FunmorphZealsoft Inc.
Poser 7Smith Micro Softwarewww.smithmicro.com
Adobe; Photoshop; CS3Adobewww.adobe.com
Oprogramowanie do prezentacjiWersja 14.1, www.neurobs.com
SPSS wersja 16 www.ibm.com/software/analytics/spss
Ekran montowany na głowie, kompatybilny z MRIResonance Technology Inc."VisuaStim - Digital"
Skaner MRI całego ciała 3-TPhilips Medical Systems
MATLAB 2006bMathworks Inc.
Pakiet oprogramowania SPM5http://fil.ion.ucl.ac.uk/spm

Bibliografia

  1. Mori, M. Bukimi no tani [The uncanny valley. Energy. 7, 33-35 (1970).
  2. Androids as an experimental apparatus: Why is there an uncanny valley and can we exploit it?. MacDorman, K. Toward Social Mechanisms of Android Science: A CogSci 2005 Workshop, , 106-118 (2005).
  3. Tinwell, A., Grimshaw, M., Williams, A. The uncanny wall. International Journal of Arts and Technology. 4, 326-341 (2011).
  4. Tinwell, A. Uncanny as usability obstacle. HCI. 12, 622-631 (2009).
  5. MacDorman, K. F., Ishiguro, H. The uncanny advantage of using androids in cognitive and social science research. Interaction Studies. 7, 297-337 (2006).
  6. Upending the uncanny valley. Hanson, D., Olney, A., Prillman, S., Mathews, E., Zielke, M., Hammons, D., Fernandez, R., Stephanou, H. E. 20th National Conf. on Artificial Intelligence and the 17th Innovative Applications of Artificial Intelligence Conf, , 1728-1729 (2005).
  7. Cheetham, M., Suter, P., Jancke, L. The human likeness dimension of the "uncanny valley hypothesis": behavioral and functional MRI findings. Front Hum. Neurosci. 5, 126(2011).
  8. Campbell, R., Pascalis, O., Coleman, M., Wallace, S. B., Benson, P. J. Are faces of different species perceived categorically by human observers? Proc. Biol. Sci. 264, 1429-1434 (1997).
  9. Finney, D. J. Probit analysis. , (1964).
  10. Angeli, A., Davidoff, J., Valentine, T. Face familiarity, distinctiveness, and categorical perception. Q.J. Exp. Psychol. (Hove). 61, 690-707 (2008).
  11. Studdert-Kennedy, M., Liberman, A. M., Harris, K. S., Cooper, F. S. Theoretical notes. Motor theory of speech perception: a reply to Lane's critical review. Psychol. Rev. 77, 234-249 (1970).
  12. Liberman, A. M., Hariris, K. S., Hoffman, H. S., Griffith, B. C. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).
  13. Harnad, S. R. Introduction: Psychological and cognitive aspects of categorical perception: A critical overview. In: Categorical perception: The groundwork of cognition. Harnad, S. R. , Cambridge University Press. New York. 1-25 (1987).
  14. Repp, B. H. Categorical perception: Issues, methods, findings. Speech Lang. Adv. Basic Res. Pract. 10, 243-335 (1984).
  15. Grill-Spector, K., Henson, R., Martin, A. Repetition and the brain: neural models of stimulus-specific effects. Trends. Cogn. Sci. 10, 14-23 (2006).
  16. Jiang, X., Rosen, E., Zeffiro, T., Vanmeter, J., Blanz, V., Riesenhuber, M. Evaluation of a shape-based model of human face discrimination using FMRI and behavioral techniques. Neuron. 50, 159-172 (2006).
  17. Henson, R. N. Neuroimaging studies of priming. Prog. Neurobiol. 70, 53-81 (2003).
  18. Grill-Spector, K., Malach, R. fMR-adaptation: a tool for studying the functional properties of human cortical neurons. Acta. Psychol. (Amst). 107, 293-321 (2001).
  19. Jiang, X., Bradley, E., Rini, R. A., Zeffiro, T., Vanmeter, J., Riesenhuber, M. Categorization training results in shape- and category-selective human neural plasticity. Neuron. 53, 891-903 (2007).
  20. van der Linden, M., van Turennout, M., Indefrey, P. Formation of category representations in superior temporal sulcus. J. Cogn. Neurosci. 22, 1270-1282 (2010).
  21. Jiang, F., Dricot, L., Blanz, V., Goebel, R., Rossion, B. Neural correlates of shape and surface reflectance information in individual faces. Neuroscience. 163, 1078-1091 (2009).
  22. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  23. Xu, X., Yue, X., Lescroart, M. D., Biederman, I., Kim, J. G. Adaptation in the fusiform face area (FFA): image or person. Vision Res. 49, 2800-2807 (2009).
  24. Liu, X., Steinmetz, N. A., Farley, A. B., Smith, C. D., Joseph, J. E. Mid-fusiform activation during object discrimination reflects the process of differentiating structural descriptions. J. Cogn. Neurosci. 20, 1711-1726 (2008).
  25. Poldrack, R. A., Prabhakaran, V., Seger, C. A., Gabrieli, J. D. Striatal activation during acquisition of a cognitive skill. Neuropsychology. 13, 564-574 (1999).
  26. Ho, C. C., MacDorman, K. F., Pramono, Z. A. D. Human emotion and the uncanny valley: A GLM, MDS, and isomap analysis of robot video ratings. ACM/IEEE international conference on human-robot interaction, , 169-176 (2008).
  27. Seyama, J., Nagayama, R. S. The Uncanny Valley: Effect of Realism on the Impression of Artificial Human Faces. Presence: Teleoperators and Virtual Environments. 16, 337-351 (2007).
  28. Hanson, D. Exploring the aesthetic range for humanoid robots. CogSci Workshop: Toward Social Mechanisms of Android Science, , (2006).
  29. Pastore, R. E. Categorical perception: Some psychophysical models. Categorical perception: The groundwork of cognition. Harnad, S. , New York. 29-52 (1987).
  30. MacDorman, K. F., Green, R. D., Ho, C. C., Koch, C. T. Too real for comfort? Uncanny responses to computer generated faces. Computers in Human Behavior. 25, 695-710 (2009).
  31. Levin, D. T. Race as a visual feature: using visual search and perceptual discrimination tasks to understand face categories and the cross-race recognition deficit. J. Exp. Psychol. Gen. 129, 559-574 (2000).
  32. Beale, J. M., Keil, F. C. Categorical effects in the perception of faces. Cognition. 57, 217-239 (1995).
  33. Calder, A. J., Young, A. W., Perrett, D. I., Etcoff, N. L., Rowland, D. Categorical perception of morphed facial expressions. Visual Cognition. 3, 81-117 (1996).
  34. Etcoff, N. L., Magee, J. J. Categorical perception of facial expressions. Cognition. 44, 227-240 (1992).
  35. Campanella, S., Quinet, P., Bruyer, R., Crommelinck, M., Guerit, J. M. Categorical perception of happiness and fear facial expressions: an ERP study. J. Cogn. Neurosci. 14, 210-227 (2002).
  36. Macrae, C. N., Bodenhausen, G. V. Social cognition: thinking categorically about others. Annu. Rev. Psychol. 51, 93-120 (2000).
  37. Schneider, E., Wang, Y., Yang, S. Exploring the Uncanny Valley with Japanese Video Game Characters. Conference proceedings of DIGRA 2007, , SMU Press. (2007).
  38. Looser, C. E., Wheatley, T. The tipping point of animacy: How, when, and where we perceive life in a face. Psychological Science. 21, 1854-1862 (2010).
  39. Macmillan, N. A., Goldberg, R. F., Braida, L. D. Resolution for Speech Sounds: Basic sensitivity and context memory on vowel and consonant continua. Journal of the Acoustical Society of America. 84, 1262-1280 (1988).
  40. Newell, F. N., Bulthoff, H. H. Cognition Categorical perception of familiar objects. Cognition. 85, 113-143 (2002).
  41. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  42. Massaro, D. W., Cohen, M. M. Categorical or continuous speech perception: A new test. Speech Communication. 2, 15-35 (1983).
  43. Snodgrass, J. G., Corwin, J. Pragmatics of measuring recognition memory: Applications to dementia and amnesia. Journal of Experimental Psychology: Genera. 117, 34-50 (1988).
  44. Macmillan, N. A., Creelman, C. D. Detection theory: A user's guide. , Cambridge University Press. Cambridge. (1991).
  45. Snodgrass, J. G., Levy-Berger, G., Haydon, M. Human experimental psychology. , Oxford University Press. New York. (1985).
  46. Donaldson, W. Accuracy of d' and A' as estimates of sensitivity. Bulletin of the Psychonomic Society. 31, 271-274 (1993).
  47. Donaldson, W. Measuring recognition memory. Journal of Experimental Psychology: General. 121, 275-278 (1992).
  48. Stanislaw, H., Todorov, N. Calculation of signal detection theory measures. Behavior Research Methods, Instruments, & Computers. 31, 137-149 (1999).
  49. Wright, D. B., Horry, R., Skagerberg, E. M. Functions for traditional and multilevel approaches to signal detection theory. Behavior Research Methods. 41, 257-267 (2009).
  50. Sorkin, R. D. Spreadsheet signal detection. Behavior Research Methods, Instruments, & Computers. 31 (1), 6-54 (1999).
  51. Verde, M. F., Macmillan, N. A., Rotello, C. M. Measures of sensitivity based on a single hit rate and false-alarm rate: The accuracy, precision, and robustness of d', Az, and A'. Perception & Psychophysics. 68, 643-654 (2006).
  52. Swets, J. A. Form of empirical ROCs in discrimination and diagnostic tasks: Implications for theory and measurement of performance. Psychological Bulletin. 99, 181-198 (1986).
  53. Pollack, I., Norman, D. A. A nonparametric analysis of recognition experiments. Psychonomic Science. 1, 125-126 (1964).
  54. Macmillan, N. A. Signal detection theory as data analysis method and psychological decision model. A handbook for data analysis in the behavioral sciences: Methodological issues. Keren, G., Lewis, C. , Erlbaum. Hillsdale, NJ. 21-57 (1993).
  55. Todorov, A., Engell, A. The role of the amygdala in implicit evaluation of emotionally neutral faces. Soc. Cogn. Affect. Neurosci. 3, 303-312 (2008).
  56. Phelps, E. A., LeDoux, J. E. Contributions of the amygdala to emotion processing: from animal models to human behavior. Neuron. 48, 175-187 (2005).
  57. Herwig, U., Kaffenberger, T., Baumgartner, T., Jancke, L. Neural correlates of a "pessimistic" attitude when anticipating events of unknown emotional valence. Neuroimage. 34, 848-858 (2007).
  58. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. 103, 1036-1047 (2010).
  59. Neta, M., Whalen, P. J. The primacy of negative interpretations when resolving the valence of ambiguous facial expressions. Psychol. Sci. 21, 901-907 (2010).
  60. Seger, C. A., Miller, E. K. Category learning in the brain. Annu. Rev. Neurosci. 33, 203-219 (2010).
  61. Volz, K. G., Schubotz, R. I., von Cramon, D. Y. Predicting events of varying probability: uncertainty investigated by fMRI. Neuroimage. 19 (1), 271-280 (2003).
  62. Grinband, J., Hirsch, J., Ferrera, V. P. A neural representation of categorization uncertainty in the human brain. Neuron. 49, 757-763 (2006).
  63. Heekeren, H. R., Marrett, S., Ungerleider, L. G. The neural systems that mediate human perceptual decision making. Nat. Rev. Neurosci. 9, 467-479 (2008).
  64. Gray, M. A., Critchley, H. D. Interoceptive basis to craving. Neuron. 54, 183-186 (2007).
  65. Wager, T. D., Phan, K. L., Liberzon, I., Taylor, S. F. Valence, gender, and lateralization of functional brain anatomy in emotion: a meta-analysis of findings from neuroimaging. Neuroimage. 19, 513-531 (2003).
  66. Poldrack, R. A., Rodriguez, P. How do memory systems interact? Evidence from human classification learning. Neurobiol. Learn. Mem. 82, 324-332 (2004).
  67. Seger, C. A., Cincotta, C. M. The roles of the caudate nucleus in human classification learning. J. Neurosci. 25, 2941-2951 (2005).
  68. Seger, C. A., Peterson, E. J., Cincotta, C. M., Lopez-Paniagua, D., Anderson, C. W. Dissociating the contributions of independent corticostriatal systems to visual categorization learning through the use of reinforcement learning modeling and Granger causality modeling. Neuroimage. 50, 644-656 (2010).
  69. Filoteo, J. V., Maddox, W. T., Salmon, D. P., Song, D. D. Information-integration category learning in patients with striatal dysfunction. Neuropsychology. 19, 212-222 (2005).
  70. Bonnet, C., Fauquet Ars, J., Estaún Ferrer, S. Reaction times as a measure of uncertainty. Psicothema. 20 (1), 43-48 (2008).
  71. Hyman, R. Stimulus information as a determinant of reaction time. J. Exp. Psychol. 45, 188-196 (1953).
  72. Wickelgren, W. A. Speed-accuracy tradeoff and information processing dynamics. Acta. Psychologica. 41, 67-85 (1977).
  73. Zacksenhouse, M., Bogacz, R., Holmes, P. Robust versus optimal strategies for two-alternative forced choice tasks. Journal of Mathematical Psychology. 54 (2), 230-246 (2010).
  74. Campanella, S., Chrysochoos, A., Bruyer, R. Categorical perception of facial gender information: Behavioural evidence and the face-space metaphor. Visual Cognition. 8, 237-262 (2001).
  75. Farrell, B. 'Same - different' judgments: A review of current controversies in perceptual comparisons. Psychological Bulletin. 98, 419-456 (1985).
  76. Palmer, J., Huk, A. C., et al. The effect of stimulus strength on the speed and accuracy of a perceptual decision. J. Vision. 5, 376-404 (2005).
  77. Mori, M. The uncanny valley (K. F. MacDorman & Norri Kageki, Trans.). IEEE Robotics and Automation. 19 (2), 98-100 (1970).
  78. MacDorman, K., Green, R., Ho, C. -C., Koch, C. Too real for comfort? Uncanny responses to computer generated faces. Comput. Hum. Behav. 25, 695-710 (2009).
  79. Grier, J. B. Nonparametric indexes for sensitivity and bias - computing formulas. Psychological Bulletin. 75 (6), 424-429 (1971).
  80. Repp, B. H. Categorical perception: Issues, methods and findings. Speech and language: Advances in basic research and practice. Lass, N. 10, Academic Press. Orlando, FL. 244-335 (1984).
  81. de Gelder, B., Teunisse, J. P., Benson, P. J. Categorical perception of facial expressions: Categories and their internal structure'. Cognition and Emotion. 11 (1), 1-23 (1997).
  82. Liberman, A. M., Harris, K., Hoffmann, H. S., Griffith, B. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).

Przedruki i uprawnienia

Tagi

Percepcja kategorycznawymiar podobieństwa do człowiekakontinuum morfologicznekategoryzacja z wymuszonym wyboremzadanie dyskryminacji percepcyjnejmetody obrazowania neuronowegoklasyfikacja awatarów jako ludzianaliza dopasowania granicprotokół generowania bodźców