3 czerwca 2013
Badanie hipotezy doliny niesamowitości oraz doświadczeń afektywnych wymaga zrozumienia wymiaru podobieństwa do człowieka (DHL) zawartego w tej hipotezie. Niniejszy protokół umożliwia reprezentację DHL oraz analizę percepcji kategorialnej. Przedstawiono wykorzystanie tych samych bodźców oraz fMRI w celu rozróżnienia obszarów mózgu reagujących na zmiany fizyczne i kategorialne.
Ogólnym celem niniejszej procedury jest zbadanie efektów percepcji kategorycznej wzdłuż wymiaru podobieństwa do człowieka w ramach hipotezy doliny niesamowitości. Realizuje się to poprzez uprzednie, staranne wygenerowanie kontinuów morphingowych, które reprezentują wymiar podobieństwa do człowieka. Następnie kontinuum morphingowe jest prezentowane w zadaniu kategoryzacji z wymuszonym wyborem.
Zadanie to służy do określenia, które bodźce są jednoznacznie kategoryzowane jako awatary, a które jako ludzie, oraz do zdefiniowania położenia granicy kategorii. Następnie wybrany zestaw tych obrazów jest wykorzystywany w zadaniu dyskryminacji percepcyjnej. Zadanie to pozwala ustalić obecność i położenie granicy dyskryminacji percepcyjnej.
Wyniki pokazują, że granica dyskryminacji jest zgodna z granicą kategorii. Zbieżność granic wskazuje, że subiektywne postrzeganie obiektów w wymiarze podobieństwa do ludzi można rozumieć w kategoriach psychologicznych efektów percepcji kategorycznej. Główną zaletą tej metody jest to, że umożliwia ona eksperymentalnie kontrolowaną, precyzyjną manipulację wyglądem przypominającym ludzki.
Jest to istotne dla zrozumienia subtelnych zależności między postrzeganym podobieństwem do człowieka a doświadczeniem i zachowaniem związanym z efektem niesamowitości. Wizualna demonstracja tej metody stanowi podstawę do krytycznej dyskusji w towarzyszącym artykule na temat zastosowania tej metody w badaniach nad doliną niesamowitości. Należy rozpocząć od wybrania par obrazów ludzi i awatarów, które będą służyć jako punkty końcowe każdego kontinuum w procedurze morphingu. Zacznij od punktu końcowego reprezentującego człowieka.
Wybierz obraz nieznanej osoby o charakterystycznej twarzy z neutralnym wyrazem i bezpośrednim spojrzeniem. Nie powinny być obecne żadne inne istotne cechy, takie jak zarost czy biżuteria. Dla obrazu punktu końcowego niebędącego człowiekiem wygeneruj twarz awatara pasującą do ludzkiej twarzy.
Zmodyfikuj każdą twarz awatara tak, aby ściśle odpowiadała odpowiadającej jej ludzkiej twarzy pod względem wieku i ogólnej geometrii twarzy. Dopasuj poziomy kontrastu i ogólną jasność każdej pary twarzy rodziców. W tym przypadku koloryt skóry twarzy rodzica-awatara został dopasowany do odpowiadającej jej ludzkiej twarzy rodzica.
Użyj oprogramowania do edycji zdjęć, aby wyciąć zewnętrzne cechy twarzy, nakładając na obraz kształt eliptyczny. Następnie dostosuj ostateczne położenie obrazów, aby zapewnić wyrównanie ogólnej geometrii twarzy pomiędzy każdą parą obrazów końcowych. Gdy obrazy będą gotowe, użyj oprogramowania do morphingu, aby umieścić punkty kontrolne na cechach twarzy rodzicielskich.
Dla każdej twarzy nanosi się około 20 punktów na ustach, 18 na każdym oku, 20 na nosie i osiem na każdej brwi. Po naniesieniu tych punktów obrazy są gotowe do morfingu. W ten sposób dla każdego kontinuum tworzonych jest 13 różnych zmorfowanych obrazów, oznaczonych od M 0 do M 12.
Jak widać tutaj, istnieją dwie twarze rodzicielskie i 11 morfów pośrednich, dla których przeprowadza się zadanie klasyfikacji z wymuszonym wyborem między dwiema alternatywami. Uczestnik ocenia, czy każdy obraz morfa przedstawia twarz awatara czy człowieka. Po przygotowaniu uczestnik ogląda sekwencję prób.
Każda próba rozpoczyna się od wyświetlenia punktu fiksacyjnego przez 500 milisekund, po którym następuje wyświetlenie obrazu morph przez 750 milisekund. Po każdym obrazie uczestnik odpowiada, naciskając odpowiedni przycisk. Następnie, po pewnym czasie, rozpoczyna się kolejna próba.
Dane klasyfikacyjne awatara i człowieka analizuje się za pomocą regresji wielomianowej w celu opisania kształtu funkcji odpowiedzi. Aby przygotować to samo zadanie różnicowania percepcyjnego, należy wybrać dwa morfiki wcześniej skategoryzowane jako awatary oraz dwa jako kontrolę ludzką w celu uwzględnienia różnic fizycznych, wybierając morfiki reprezentujące równoważne przyrosty zmian fizycznych wzdłuż każdego kontinuum; zgodnie z prezentacją stosuje się przyrosty 33%. Następnie wybrane morfiki sortuje się w pary zgodnie z trzema eksperymentalnymi warunkami par morfików.
Warunek „taki sam”, w którym pary morfów są identyczne, co nie reprezentuje żadnej zmiany fizycznej ani kategorialnej; warunek „wewnątrz”, w którym pary są dobierane z w obrębie jednej kategorii; oraz warunek „między”, w którym pary reprezentują różne kategorie. Dla kategorii awatara należy upewnić się, że pierwszy morf każdej pary twarzy w trzech warunkach jest zawsze M four. Tę samą procedurę można zastosować dla par morfów w odniesieniu do kategorii ludzi, zapewniając, że pierwszy morf jest zawsze M eight.
Przeprowadzono zadanie dyskryminacji percepcyjnej typu „taki sam/inny”. Uczestnik wskazywał za pomocą naciśnięcia przycisku, czy twarze w każdej parze są takie same, czy różne pod względem wyglądu. Po zgłoszeniu gotowości uczestnikowi prezentowano sekwencję prób dla każdego badania.
Krzyżyk fiksacyjny jest wyświetlany przez 500 milisekund, po czym przez 500 milisekund prezentowana jest pierwsza twarz z pary twarzy, a następnie następuje interwał międzybodźcowy w postaci pustego ekranu przez 300 milisekund. Następnie pojawia się druga twarz z pary, po której uczestnik decyduje, czy twarze w parze są takie same, czy różne. Przed rozpoczęciem kolejnej próby następuje przerwa trwająca 2 500 milisekund.
Dokładność rozróżniania analizowana jest dla par twarzy przekraczających granicę kategorii w porównaniu z parami twarzy znajdującymi się po tej samej stronie granicy. Dane z prób z awatarami oraz prób z ludźmi są traktowane oddzielnie w analizie; przedstawione tutaj wyniki są reprezentatywne dla zadania kategoryzacji z wymuszonym wyborem. Zostały one zaprezentowane w formie procentowego udziału odpowiedzi, w których twarz została skategoryzowana jako ludzka.
Ciągła niebieska linia przedstawia dopasowaną krzywą odpowiedzi logistycznej, której nachylenie odzwierciedla sigmoidową funkcję skokową zgodną z obecnością a. Niebieska przerywana linia pokazuje szacowaną pozycję granicy kategorii, co wskazuje, że maksymalna niepewność na poziomie 50% w osądach kategoryzacyjnych wiąże się z pozycją numer sześć. W tych wynikach dla zadania kategoryzacji z wymuszonym wyborem, najdłuższy średni czas latencji odpowiedzi wiąże się z pozycją morfologiczną numer sześć.
Jest to zgodne z występowaniem największej niepewności oraz najczęstszymi sądami kategoryzacyjnymi w tej pozycji morfologicznej. Reakcje dyskryminacyjne w tym samym zadaniu różnicowania percepcyjnego wykazują, że dokładność i zdolność rozróżniania par twarzy, które znajdują się po przeciwnych stronach granicy kategorii w warunkach międzygrupowych, jest większa niż w przypadku par twarzy wybranych z wewnątrz kategorii ludzi i awatarów. Zgodnie z większą dokładnością dyskryminacji na granicy kategorii, czasy reakcji przy wydawaniu sądów dla par twarzy przekraczających granicę kategorii w warunku międzygrupowym są krótsze niż dla twarzy wybranych z wewnątrz jednej kategorii.
Podczas stosowania tej procedury największą trudność sprawia generowanie wielu kontinuów morfologicznych, które tworzą jednorodny zestaw bodźców eksperymentalnych. Słaba kontrola nad bodźcami eksperymentalnymi może wprowadzić zmienne zakłócające i artefakty, które silnie wpływają na subiektywne postrzeganie podobieństwa do człowieka. Towarzyszący artykuł omawia te powiązane kwestie.
Niniejsze badanie analizuje hipotezę doliny niesamowitości poprzez badanie wymiaru podobieństwa do człowieka w kontekście percepcji kategorycznej. Protokół obejmuje generowanie kontinuów morficznych oraz wykorzystanie fMRI do zidentyfikowania obszarów mózgu reagujących na zmiany w wyglądzie fizycznym i kategorii.
Zrozumienie percepcji kategorycznej w wymiarze podobieństwa do człowieka dostarcza wiedzy niezbędnej do projektowania humanoidalnych awatarów i interfejsów robotycznych stosowanych w szkoleniach biofarmaceutycznych, angażowaniu pacjentów oraz zastosowaniach terapeutycznych. Brak spójności między realizmem fizycznym a granicami percepcyjnymi może wywołać awersję, co zmniejsza akceptację użytkowników oraz skuteczność cyfrowych narzędzi zdrowotnych. Niniejsza metoda umożliwia kontrolowaną manipulację wyglądem w celu zidentyfikowania progów percepcyjnych, które wspierają pewność predykcyjną w projektowaniu interakcji człowiek-komputer.
Metoda ta wspiera wczesne etapy odkrywania poprzez umożliwienie testowania hipotez dotyczących efektów kategorii percepcyjnych, informowanie o gotowości testu do przesiewowej oceny odpowiedzi użytkownika oraz dostarczanie ilościowych wyników dokładności rozróżniania, które kierują decyzjami go/no-go w rozwoju terapii cyfrowych.