Name: İnsan Likeness en Uncanny Vadisi Hipotez Boyut algısal ve Kategori İşleme: Bazı Metodolojik Sorunlar (Video) | JoVE Journal
Uploaded: 2013-06-03T08:58:00.000+00:00
Duration: 7 min 34 s
Description: Keşfedin kategorik algı ve morf sürekliliği kullanarak insan benzerliği boyutunda Uncanny Valley hipotezini inceleme yöntemini. Bu protokol fMRI ile beyin bölgelerini analiz eder ve kategori sınırlarını belirler.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Bu çalışma Avrupa Birliği FET Entegre Projesi PRESENCCIA (Sözleşme numarası 27731) tarafından desteklenen araştırma dayanmaktadır.

<img alt="Şekil 1" fo:content-width="4.5in" fo:src="/files/ftp_upload/4375/4375fig1highres.jpg" src="/files/ftp_upload/4375/4375fig1.jpg" /> Şekil 1. Negatif ve pozitif duygulanım (değerlik) ve algılanan insan benzerlik deneyimi arasındaki doğrusal olmayan ilişki İllüstrasyon. Aksi takdirde pozitif bir ilişki son derece gerçekçi ama bariz bir doğal olmayan insana benzer nesnenin görünümünü ve davranışını ince farklar önerilmektedir hangi tasvir eğrisinin birinci ve ikinci pozitif tepe arasındaki gerçekçilik düzeyinde keskin bir negatif tepe (yani esrarengiz vadi) gösterir yabancılık ve kişisel rahatsızlık (esrarengiz bir duygu yani) duygusu ortaya çıkarmak için. Resim 2 uyarlanmıştır. Biz şu görevlerin her biri için katılımcı farklı gruplar kullanılır. 1. Zorla Seçimi Sınıflandırma Görev </p&gt; 1.1 Uyarılar <ol><li> DHL temsil etmek için doğrusal morph kontinua üretmek için geçişin prosedürü ana yüzleri (yani kontinua uç noktalar) olarak avatar ve insan görüntüleri kullanın. Biz sırasıyla insan ve avatar yüzleri, 32 görüntüleri kullanarak 32 insan-avatar kontinua yarattı. Modelleme paketi Poser 7 (Smith Micro Software, kullanarak avatarlar oluşturmak <a href="http://www.smithmicro.com" target="_blank">www.smithmicro.com</a> diğer yazılım mevcut olmasına rağmen,). Biz Funmorpher (Zealsoft Inc, Eden Prairie, MN) kullanarak bu morph kontinua oluşturulan, ancak diğer geçişin yazılım kullanılabilir. </li><li> Morph yazılımı kullanarak, ana yüzlerin ilgili özellikleri üzerinde kontrol noktaları yerleştirin. Her yüz için, ağız 20 puan, her göze 18 sayı, burun üzerinde 20 puan ve her kaş üzerinde 8 puan yerleştirilir. Böylece 100 kontrol noktaları çapında kullanılan. Kontrol noktalarının sayısını sabit tutmaya çalışın, ancak fin herhangi eserler ortadan kaldırmak için daha fazla puan eklemekkontinua al morphs. </li><li> Emin olun potansiyel boşa geçişin prosedürü girmiş değildir. Örneğin, nötr ifade, doğrudan bakışları ve bu sakal ya da takı ve son nokta görüntü olarak başka belirgin özellikleri ile bilinmeyen belirsizdi erkek yüzleri her süreklilik görüntülerin uç noktaları olarak kullanılan yakından yaş, configural ipuçları ve genel yüz geometri için eşleştirilmiştir . </li><li> Örneğin eliptik şeklinde siyah bir kaplama ile dış özellikleri kırpmak için fotoğraf düzenleme yazılımı kullanın, Photoshop,, CS3 (biz Adobe kullanılan <a href="http://www.adobe.com" target="_blank">www.adobe.com</a> ). Geçişin önce, configural ipuçlarının son nokta görüntüler arasında uyum sağlamak için görüntülerin konumunu ayarlamak, ve kontrast seviyelerini, genel parlaklığı ve her bütünün uç nokta uyaranların her bir çiftin cilt tonunu ayarlayın. </li><li> Bir DHL süreklilik her morph önceden tanımlanmış artışlarla fiziksel humanlike benzerlik bir farkı ifade eder. Biz 1 oluşturulan3 farklı biçim değiştirmiş bir görüntü ve bu etiketli, iki uç 11 ve ara madde morphs (Şekil 2B) olan M0 M12. </li></ol> 1.2 Stimulus sunum ve talimatları <ol><li> Açıkça avatar olarak kategorize ve insan olan bu morphs belirlemek için ve kategori sınır 8 konumunu tanımlamak için iki alternatif zorunlu seçim sınıflandırma görevi kullanın. </li><li> Mevcut çalışmalarda 750 msn için bir morph görüntü izledi 500 milisaniye (katılımcılar tespit korumak için gereklidir) için bir odaklanma noktası ile başlayan. Biz Sunum kullanılan, yazılım (Sürüm 14.1, <a href="http://www.neurobs.com" target="_blank">www.neurobs.com</a> bu protokoldeki tüm görevleri uyaran sunum, ancak diğer uyaran sunum platformları için) kullanılabilir. </li><li> Iki respo birine basarak hızlı ve hassas mümkün olduğunca bir avatar ya da insan ya olarak sunulan morph uyarıcı tanımlamak için katılımcı bilgilendirin<html> nse tuşları. </li></ol> 1.3 Veri Analizi Tepki fonksiyonu şeklini tanımlamak için polinom regresyon kullanarak avatar-insan sınıflandırma verileri özetler. Her katılımcı ve süreklilik yanıt verileri uydurma lojistik fonksiyonu modelleri Bu belirleyin. İlk olarak, lojistik fonksiyonları en uygun sağlamak için katılımcılar arasında bireysel kontinua analiz. Her süreklilik lojistik fonksiyonu elde edilen parametre tahmin kullanarak tüm kontinua genelinde avatar-insan kategorisine tepki fonksiyonu bir adım gibi şekil için bir tek örnek t-testi sıfır karşı Daha sonra, test, katılımcılar arasında ortalama. Bir logit dönüşüm 9 için her süreklilik lojistik işlevinin parametre tahminleri göndererek her sürem boyunca kategorisinde sınır konumunu tahmin edin. Biz SPSS sürüm 16 kullanarak zorla seçim sınıflandırma ve algısal ayrımcılık görevler için tüm analizleri yapılan (ibm.com / yazılım / analytics / spss &quot;target =&quot; _blank &quot;&gt; www.ibm.com / yazılım / analytics / spss). Tepki süresi (RT) verileri de analiz edilebilir. Bu analizde, morph konumuna bağlı yanıt süreleri farklılıklar bağımlı değişken olarak tüm kontinua genelinde her bireyin ortalama RT kullanarak, 13 morph pozisyonları ile, bir tek faktörlü ANOVA girilir. <img alt="Şekil 2," fo:content-width="4in" fo:src="/files/ftp_upload/4375/4375fig2highres.jpg" src="/files/ftp_upload/4375/4375fig2.jpg" /> Şekil 2,. Zorunlu tercih sınıflandırılması görev (A) ve bir sürekli Morph (B) bir örnek sonuçları. Panelinde B&#39;de, avatar ve insan uç noktaları arasındaki 13 morph-sürem boyunca doğrusal fiziksel geçiş göreli derecesi yüzde olarak gösterilir. M0 ve M4 inci insan olarak avatarlar ve M8 ve M12 olarak tanımlanmıştırpanelinde bir gösterildiği gibi e, seçim sınıflandırma görev zorladı. 2. Algısal Ayrımcılık Görev 2.1 Uyarılar <ol><li> Aynı-farklı algısal ayrımcılık görevi 10 bu sürümü için, her morph sürekli seçim avatar (örneğin M0 ve M4) ve insan olarak iki (örneğin M8 ve M12) gibi önceki sınıflandırma görev kategorize iki morphs. Morphs arasındaki fiziksel farklılıklar kontrol etmek için, her sürem boyunca fiziksel değişim eşdeğer artışlarla temsil morphs seçin. Biz 33.33% artışlarla (yani M0, M4, M8, M12) (Şekil 2B) kullanılır. </li></ol><img alt="Şekil 3," fo:content-width="4in" fo:src="/files/ftp_upload/4375/4375fig3highres.jpg" src="/files/ftp_upload/4375/4375fig3.jpg" /> &quot;Aynı-farklı&quot; algısal ayrımcılığı için Şekil 3. Uyarıcı koşullarıination görev (N = 20). Morphs çiftleri oluşturmak için seçilir. Bir çift morphs (&quot;içinde&quot;), (&quot;aynı&quot;) aynıdır, ya da onları (&quot;arasında&quot;) arasında kategorisinde bir değişiklik gösterir aynı kategori içinde çekilir. Morphs M0, M4 ve M8 insan denemeler (B) avatar denemeler (A) ve M4, M8 ve M12 için kullanılır. Avatar çalışmalarda bir morph çiftinin ilk morph M8 her zaman M4 ve insan çalışmalarda ve bu avatar ve insan çalışmalarda farklı kontinua alınan morphs dayanmaktadır unutmayın. <ol start="2"><li> (Bir çift morphs fiziksel veya kategori değişikliği temsil eden, aynıdır) &quot;aynı&quot;, (bir çift morphs olan &quot;içinde&quot;: üç deneysel morph-çift koşulları (Şekil 3) göre çiftleri içine seçilen morphs sıralama ) bir kategori içinde alınan ve &quot;arasında&quot; (bir çift morphs farklı kategoride temsil). </li><li> Ilgili olarak morph çiftlerinin morphs arasında ayrımcılık performans araştırmakavatar kategori (bu morph çift böylece &quot;avatar denemeler&quot; olarak adlandırılır) için üç koşul her morph çiftinin ilk morph (Şekil 3A) (avatar kategoriden) her zaman M4 olduğundan emin olun. &quot;Aynı&quot;, M4 için M4 - - Morph çift M4 ile sonuçlanır &quot;içinde&quot; ve M4 için M0 - koşulları &quot;arasında&quot; için M8. Aynı prosedür ilk morph her zaman M8 sağlamak, (böylece &quot;insan denemeler&quot; olarak adlandırılan) insan kategorisine göre morph çiftleri için uygulanabilir: &quot;Aynı&quot; (M8 - M8), (M8 - M12) &quot;içinde&quot; ve &quot;arasında&quot; (M8 - M4) (Şekil 3B). </li><li> Her zaman morph çiftinin iki morphs, başlangıçta morphed edildiği aynı sürekli çekilir emin olun. Aynı sürekli içinde hiçbir çiftleri yakın sırayla gösterilir böylece morph çift sunum Sözde rastgele. Belirli bir sürekli gelen avatar veya insan çalışmaların sunumu rastgele ama her bir katılımcı ya görünümü sağlamak için tüm katılımcılar arasında denge olduğuavatar veya insan çalışmaların eşit sayıda herhangi bir sürekli gelen ancak her ikisi ve bu avatar veya insan çalışmalarda görülmektedir. </li></ol> 2.2 Sunum ve talimatları <ol><li> Bir çift yüzleri arasında 300 milisaniye arası bir uyaran aralığı (ISI) ile 500 msn için bir yüz çift her yüz takip 500 msn (katılımcılar tespit korumak için gereklidir) için bir tespit çapraz sunuyoruz. Ayrıca ISI farklı süreler farklı şekilde ayrımcılık performansı etkileyecek olmadığını doğrulamak için 75 msn bir ISI kullanılır. Morph çiftleri çalışmalar arasında bir değişken arası deneme aralığı mevcut: biz 2500 msn ortalama bir aralık kullanılır. </li><li> Bir morph çift oluşan her deneme görüntülemek için Katılımcıları talimat, morphs davasının gittikçe sunuluyor ve her yüz çiftin yüzleri görünüş olarak &#39;aynı&#39; ya da &#39;farklı&#39; olup olmadığını olarak hızlı ve hassas olarak mümkün düğmesine basın tarafından belirtmek için . </li></ol> 2.3 Veri Analizi </p&gt; Ayrımcılık doğruluk sınır aynı tarafından yüz çiftleri ile karşılaştırıldığında kategorisinde sınır çapraz yüz çiftleri için analiz edilir. 3 &quot;yüz çift, bu için, &#39;farklı&#39; yanıtları (bir çift her iki yüzü farklı fiziksel görünüm olduğunu belirten) morph yüz çiftlerinin toplam sayısının oranlarda olarak hesaplanır ve 2 X 3 faktörlü ANOVA tabi deneme türleri &quot;(içinde, arasında, aynı) ve 2&quot; ISI &quot;koşulları (75 msn, 300 msn). Küresellik bir varsayımı ihlal edildiğinde Sera-Geisser ayarı kullanılır. Avatar çalışmalar ve insan çalışmaları için veri analizi ayrı ayrı tedavi edilir. Bireysel doğruluğu puanları da kullanmış belirlenebilir &#39;istatistik 47,79 (Sinyal Algılama Teorisi için bkz, örneğin 45, 46, 47). Bir cevabı önyargı bağımsızdır ayrımcılık hassasiyeti ölçümüdür sağlar. Bu 0.5 (şans) ve 1 (perfe arasında değişmektedirct ayrımcılık). Çeşitli yazılım paketleri A &#39;ve ayrımcılık duyarlılık diğer önlemler (ve önyargı) 46, 47, 48 49, 50 hesaplamak için kullanılabilir. Biz, avatar çalışmalar ve insan çalışmaları için ayrı analizlerle, 2 &quot;yüz çifti deneme türleri&quot; (arasında, içinde) ve &quot;ISI&quot; koşulları (75 msn, 300 msn) ile, 2 X 2 tekrarlayan ölçümler ANOVA kullanılarak ayrımcılık duyarlılığı analiz bağımlı değişken olarak ve A &#39;. Tepki önyargı genellikle genel rapor, ancak 38 bakınız değildir. Yanıt önyargı için, aksi takdirde aynı 2 X 2 ANOVA tasarım kullanarak ayrı bir analizinde bağımlı değişken olarak β &quot;D istatistik 47 kullanılır. RT veriler de yanıtları &quot;arasında&quot; &quot;aynı&quot; ve &quot;farklı&quot; için analiz edilebilir. Bu örnekte, biz, &quot;farklı&quot; &quot;Aynı&quot; ve her koşulda arasında RT bir özet görünümü elde etmek için bir analiz avatar ve insan yollar için koşullar &quot;arasında&quot; karşılaştırma. Bunun için, biz bir 3 X 2 X 2 ANOVA uygulandıgibi tüm kontinua genelinde her bireyin doğru yanıtların ortalaması RT kullanarak faktörler &quot;yüz çifti deneme türleri&quot; (aynı, farklı, arasında), &quot;kategori&quot; (avatar, insan) ve &quot;ISI&quot; (75 msn, 300 msn), bağımlı değişken. 3. fMRI Görev 3.1 Uyarılar Uyarıcı koşulları,, içinde aynı ve Avatar koşulları ve insan çalışmaları arasında yüz çiftleri için geçişin uyarı, yani önceki algısal ayırımını anlatılan ile aynıdır. 3.2 Sunum ve talimatları <ol><li> Ilgi uyaranlara katılımcıların dikkatini korurken DHL boyunca fiziksel ve kategori ile ilgili değişim örtülü işleme incelemek için bir hedef izleme görevi kullanın. </li><li> Nadir bir hedefin tespit edilmesi üzerine bir yanıt düğmesine basın katılımcıların söyleyin. Biz hedefleri, ters gösterilen yüzleri gibi tüm morph çiftleri 15% sundu. Hedef olarak kullanındört olası morphs biri (M0, M4, M8, veya M12) olarak uyaran sunum için kullanılmayan bir morph sürekli rastgele seçilmiş. Hedef morph morph çiftlerinin birinci veya ikinci morph hedefleri için izleme sırasında diferansiyel dikkat önlemek için morph çiftinin birinci veya ikinci morph olarak sunulmuştur emin olun. </li><li> Her tarama oturumu katılımcıların genelinde amacıyla denge uyaran sunum iki deneysel çalışma oluşur. Çalışır arasındaki ara katılımcılar kısa bir dinlenme sağlar. Katılımcılar MR sinyal sürekli bir devlet kurma her çalışma başında bir haç sabitleşmek. </li></ol> 3.3 Konu Tarama için hazırlanması <ol><li> Deneysel protokol uygulanmadan önce tüm katılımcılara yazılı onam sağlar. Protokol, tüm işlemler ve onam formları yerel Etik Komitesi tarafından onaylanmıştır. Sağ elini seçe tarayarak beyin etkinleştirme lateralizasyonunda boşa kaçınınipants. Avatarlar önceki deneyim potansiyel etkisini için kontrol edin. </li><li> Tarama önce, katılımcılar tarama işlemleri hakkında bilgi laboratuar, hedef izleme görev olarak verilen açık talimatlar, toplam tarama süresi ve nasıl gerekirse personel uyarmak için ile tanıtılır. </li><li> Tarama için, katılımcı tarama masaya sırtüstü yatıyor. Kafa yastıkları konfor sağlamak ve tarama sırasında baş hareketi en aza indirmek için kullanılır. Katılımcılar tarayıcı gürültü etkisini azaltmak için ve deneyci ile iletişimi sağlamak için kulaklık ve kulaklık verilmektedir. </li><li> Katılımcıların sağ hedef izleme görev için yanıt paneli üzerinde konumlandırılmış. Katılımcı Taramayı durdurmak istiyorum olmalıdır sol acil stop butonu yanına yerleştirilir. </li><li> Görsel uyaranlara önünde veya MRI tarayıcısı arkasındaki yerleştirilen bir projeksiyon ekranında sunulabilir. - Biz bir MR uyumlu baş-üstü ekran (&quot;VisuaStim kullanılanDijital &quot;, Rezonans Technology Inc.) Bu görüşte, amaçlanan uyaranlara dışındaki tüm görüntü girişi hariç avantajına sahiptir. </li><li> Veri toplama başlamadan önce, bu uyaran sunum, tepki paneli ve acil stop butonu düzgün çalıştığından emin olun. </li></ol> Parametreler Kayıt ve Tarama 3.4 Veri Biz 3-T tüm vücut MR ünitesi (Philips Medical Systems, Best, Hollanda) kullanarak tüm beynin yapısal ve fonksiyonel görüntüler satın aldı. Yapısal görüntüler T1 ağırlıklı 3D, şımarık gradyan eko darbe dizisi (180 dilim, TR = 20 msn, TE = 2.3 msn, = 20 °, FOV = 220 mm x 220 mm x 135 mm, matris boyutu = çevirme açısı ile tescil edilmiştir 224 × 187, voksel boyutu = 0.98 mm x 1,18 mm x 0,75 mm, 0,86 mm resliced ​​× 0.86 mm x 0.75 mm). Fonksiyonel Görüntüler tek-shot eko planar dizisi kullanarak çalıştırmak başına 225 tam kafa taramaları (tekrar t elde edildiime, TR = 2.6 sn; eko zamanı, TE = 35 msn; view = 220 mm alanı × 220 mm x 132 mm; çevirme açısı = 78 °; matris boyutu = 80 × 80; voksel boyutu = 2.75 mm x 2.75 mm × 4 mm, 1.72 mm resliced ​​x 1.72 mm x 4 mm). 3.5 Veri Analizi <ol><li> Biz MATLAB 2006b (Mathworks Inc, Natick, ABD MA,) ve SPM5 yazılım paketi (kullanılan <a href="http://www.fil.ion.ucl.ac.uk/spm" target="_blank">http://fil.ion.ucl.ac.uk/spm</a> ön işleme ve MR veri analizi için). Ön işleme genellikle ilk kaydedilen ses, hareket düzeltme, standart stereotaktik uzaya normalleşmesine görüntüleri uyum gerektirir ve yumuşatma (örneğin 6 mm 3 Çekirdek). </li><li> FMRI veri analizi tekrarlama bastırma (SC) (11, 13, 14, inceleme için, 15, 16) olarak adlandırılan bir fenomen kullanır. DHL bağlamında değerlendirdiğimizde, bir morph çiftinin morphs hızlı arkaya sunulmaktadır. Temsilcibeyin bölgesinde aktivasyon (yani SC) bir azalma ilk morph sonuçları sunulan uyarıcı ya da uyarıcı özellikleri, ikinci morph içinde etition belirli uyaran veya nitelikleri (örneğin fiziksel veya kategori ile ilgili özellikleri) duyarlı var. Bu protokol, birinci ve ikinci morph arasındaki uyarıcı veya uyarıcı özellikleri tekrarı &quot;içinde&quot;, &quot;arasında&quot; manipüle edilir ve DHL fiziksel ve kategori ile ilgili niteliklerin benzerlik ya da farklılık bakımından &quot;aynı&quot; koşullar . Bu koşullar zıt olarak, fMRI veri analizi uyarıcı tekrarı, 17, 18, ​​19, 20 sonraki sinyal azalması göreli farklar ölçüde temelinde, belirli bir uyarıcı veya fiziksel veya kategori ilgili uyarıcı öznitelik işlem yapan beyin bölgeleri tanımlar. </li><li> Fiziksel ve uyarıcı Conditi, aşağıdaki kontrast kullanarak DHL boyunca kategori ile ilgili değişime duyarlı beyin bölgelerinde tespitons (arasında, içinde ve aynı). Bu tezat üç yüz çifti koşulları (ilk morph sırasıyla, avatar ve insan çalışmalarda aynı olduğunu unutmayın), ikinci yüzü olarak kullanılan morph açısından tanımlanır. Avatar denemeleri için fiziksel değişime duyarlılığı saptamak için, kontrast M0 artı M8&gt; M4, ve insan denemeleri için M12 artı M4&gt; M8 kullanın. Insan (yani avatar çalışma) için yön avatar olarak sınır boyunca kategori değişikliğine seçici duyarlı beyin bölgeleri tespit etmek için, kontrast M8&gt; M4 artı M0 kullanın. Avatar insan yönü için, kontrast M4&gt; M8 artı M12 kullanın. </li><li> Bireysel düzeyde analizler için, altı morph çifti koşulları (avatar ve insan denemeleri için yani aynı, içinde ve arasında) her birinde her morph çiftinin ikinci morph her ​​konunun fMRI yanıtları bu arasındaki kontrast beyin aktivitesi için kullanılabilir şartları. Bu bireysel tezat daha sonra grubu düzeyinde analizleri f girilirveya dolaylı amaçlar. </li></ol>

Çıkar çatışması ilan etti.

<table><tbody><tr><td>Funmorph</td><td>Zealsoft Inc.</td><td></td><td></td></tr><tr><td>Poser 7</td><td>Smith Micro Software</td><td></td><td>&lt;a href=&quot;http://www.smithmicro.com&quot; target=&quot;_blank">www.smithmicro.com&lt;/a&gt;</td></tr><tr><td>Adobe; Photoshop; CS3</td><td>Adobe</td><td></td><td>&lt;a href=&quot;http://www.adobe.com&quot; target=&quot;_blank">www.adobe.com&lt;/a&gt;</td></tr><tr><td>Sunum yazılımı</td><td></td><td></td><td>Sürüm 14.1, &lt;a href=&quot;http://www.neurobs.com&quot; target=&quot;_blank">www.neurobs.com&lt;/a&gt; </td></tr><tr><td>SPSS Sürüm 16 </td><td></td><td></td><td>&lt;a href=&quot;http://www.ibm.com/software/analytics/spss&quot; target=&quot;_blank">www.ibm.com/software/analytics/spss&lt;/a&gt; </td></tr><tr><td>MR uyumlu başa monte ekran</td><td>Resonance Technology Inc.</td><td></td><td>&quot;VisuaStim - Digital&quot;</td></tr><tr><td>3-T tüm vücut MR ünitesi</td><td>Philips Medical Systems</td><td></td><td></td></tr><tr><td>MATLAB 2006b</td><td>Mathworks Inc.</td><td></td><td></td></tr><tr><td>SPM5 yazılım paketi</td><td></td><td></td><td>&lt;a href=&quot;http://fil.ion.ucl.ac.uk/spm&quot; target=&quot;_blank">http://fil.ion.ucl.ac.uk/spm&lt;/a&gt;</td></tr></tbody></table>

İnsan likeness en uncanny vadisi hipotez &#39;boyut algısal ve kategori İşleme: bazı metodolojik sorunlar

Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues

Mori en Uncanny Vadisi Hipotez 1,2 gibi robotlar gibi humanlike karakter algılama ve, uzantısı, avatarları (bilgisayar tarafından oluşturulan karakter) bir birlikte görsel ve davranışsal gerçekçilik nesnenin derecesine bağlı olarak olumlu ya da olumsuz etkisi (değerlik) uyandırabilir önermektedir insan benzerlik boyut (DHL) (Şekil 1). Ancak değişik gerçekçi bir insan-olmayan karakterden kişisel yanıtların etkili valanslı klinik çalışmalar çelişkili bulgular, 3, 4, 5, 6 üretmişlerdir. Bunun nedeni, bir dizi bir hipotezi olarak bu insan benzerlik algılanan değildir. DHL fiziksel humanlike benzerlik derecesi bir düzgün doğrusal değişim olarak Mori açıklaması sonrasında tanımlanabilir ise, DHL boyunca nesnelerin öznel algısı kategorik algı (CP) 7 psikolojik etkiler açısından anlaşılabilir. Ca daha fazla davranışsal ve beyin görüntüleme incelemeleriDHL boyunca ve duygusal deneyim boyut en temel kategori yapısı potansiyel etki tegory işleme ve CP ihtiyaç vardır. Bu protokol bu nedenle DHL odaklanır ve CP incelenmesi sağlar. Örnek olarak video sunulan protokolüne dayanarak, DHL temsil Morph continua çekilen uyarıcının &quot;esrarengiz&quot; araştırma protokolü ve kullanılmakta olan yöntem çevre sorunları video eşlik makale tartışılmıştır. Kategori değiştirme ve kategori işleme duyarlı olan, fiziksel insan benzeri benzerliğine nöral duyarlı beyin bölgelerinde çözündürmek amacı ile DHL temsil etmek için görüntüleme ve Morph uyarıcıların kullanımı kısaca gösterilmiştir.

1. Zorunlu seçim sınıflandırma görev N tepkisi verilerinin analizi = 25 katılımcıları, 7&#39;de rapor edilmiştir. Bu her bir süreklilik ve tüm continua arasında monte regresyon eğrisinin eğimi bir lojistik profili (Şekil 2A) olduğunu doğruladı. Bu eğim continua en morph yüzleri için katılımcıların yanıtları bir kategorik bileşenin DHL boyunca varlığı ile uyumlu bir sigmoid adım gibi fonksiyonu yansıtır. Eğrisinin eğimi dolayısıyla avatar alt ve üst asimptotlar veya avatarlar ve insanlar için 100% 100% yaklaşım insan kategorizasyon yanıtları ile karakterizedir. Buna karşılık, sınıflandırma yanıtların alt ve üst asimptotların arasındaki geçme lojistik eğri ve ordinat orta türetilen ortalama kategori sınır değerinin tahmini sınıflandırma yargılar içinde en az% 50 en fazla belirsizlik t ilişkili olduğunu gösteriro morph M6. RT verilerinin analizi, 7 de rapor edilmiştir. Tüm morphs RT analizi (bkz. Şekil 4) maksimum olduğu hangi M6 de continua en avatar ve insan uçlarından daha morph mesafe RT artan ve uzun RTS, kontinua bir avatar ve insan amaçları için kısa RTS gösterdi Kategori karar yanıtları belirsizlik, Şekil 2B&#39;de görülebilir. Daha açık bir şekilde son bulan doğrulamak için, M6, ortalama RT değerleri tüm diğer pozisyonlarda Morph ortalama RT değerlerle karşılaştırılabilir. Bir tek yönlü RM-ANOVA morph konumu ile analizi (iki düzeyde: M6 diğer morphs karşı) bağımlı değişken kontinua karşısında çöktü ve RT M6 için RT (M = 1.42, SD = 0.26) için RT gelen ileri derecede anlamlı bir fark olduğunu gösterdi diğer morph konumları (M = 0.99, SD = 0.46), F (1,24) = 62.04, p &lt;0.001. Birlikte ele alındığında categorization yanıt verileri yanıt verileri ile tutarlı olan CP varlığı için ilk kriter kategorisi kararlar için bir kategori sınır (tüm kriterleri için, örneğin, 11), ve tepki süreleri olduğunu, yani yerine olduğunu teyit ki onlar artan sınıflandırma belirsizlik ile daha uzun yanıt süreleri göstermektedir. <img alt="Şekil 4," fo:content-width="5in" fo:src="/files/ftp_upload/4375/4375fig4highres.jpg" src="/files/ftp_upload/4375/4375fig4.jpg" /> Uzun gösteren zorunlu seçim sınıflandırma görevin Şekil 4. Tepki süresi sonuçları, morph pozisyon sınıflandırma belirsizlik büyük olan az M6 de uyaranlara için sınıflandırma kararları için tepki gecikme anlamına gelir. Hata çubukları ± 1 standart hata gösterir. 2. Algısal ayrımcılık görev N = 20 katılımcı veri analizleri zaten repo oldu7 rted. Örnek olarak kullanarak bu çalışma (Şekil 5) avatar çalışmalar için veri, analiz durumu içinde yüz çiftleri için zayıflatılmış ayrımcılık doğruluk ile karşılaştırıldığında durumu arasındaki en kategori sınır çapraz yüz çiftleri için geliştirilmiş ayrımcılık doğruluk gösterdi. Bu CP ile tutarlıdır. Veriler aynı durumda daha durumu içinde yüz çiftleri için büyük bir ayrımcılık doğruluk olduğunu en kategori içinde ayrımcılık doğruluğu önemli bir fark olduğunu da göstermektedir. 75 ve 300 msn ISI değişimi diferansiyel ancak insan çalışmalarda, katılımcıların yanıtları etkiledi. <img alt="Şekil 5," fo:content-width="3in" fo:src="/files/ftp_upload/4375/4375fig5highres.jpg" src="/files/ftp_upload/4375/4375fig5.jpg" /> &quot;Aynı-farklı&quot; algısal ayrımcılık görev f Şekil 5. Sonuçlarya avatar denemeler. Katılımcılar (N = 20). Bir Morph çiftinin morphs fiziksel görünümünü, aynı ya da farklı olup değerlendirilecektir. Kontinua boyunca morphs göreli mesafe için kontrol, sonuç aynı çekilir çiftleri için daha kategorisinde sınır (zorunlu seçim sınıflandırma görevi kararlı olduğunu) geçti yüz çiftleri için iyi ayrımcılık doğruluk (yani avatar veya insan) yan göstermek sınır, böylece insan benzerlik kontinua boyunca kategorik algı gösteren. 75 ms ve 300 ms arasında daha kısa ve daha uzun ISI etkisi de test edilmiştir ve ancak avatar denemeleri için seçicilik performans etkilediği bulunmuştur. Hata çubukları ± 1 standart hata gösterir. Yanıt önyargı bağımsız ayrımcılık performans ölçütü olarak bir &#39;istatistik kullanarak, yüz çift deneme türleri (yani (içinde ve arasında) ayrımcılık hassasiyeti üzerinde önemli bir temel etkisi, avatar çalışmalarda vardıF (2,38) &#39;içinde-kategori çiftleri için daha (= 0.89, SD = 0.07 (bir çapraz kategori için daha fazla ayrımcılık hassasiyet A)&#39; = 0.55, SS = 0.17) (Şekil 6 ile = 107.11, p &lt;0.001, .) Benzer şekilde, F (2,38) =, insan rotaları &#39;içinde-kategori çiftleri için daha (= 0.94, SD = 0.1 (bir çapraz kategori için anlamlı olarak daha fazla ayrımcılık hassasiyet A)&#39; = 0.56, SS = 0.22) oldu 107.11, p &lt;0.001. ISI yüzü çift deneme türleri hiçbir etkisi yoktu. Yanıt önyargı bir ölçüsü olarak β &quot;D istatistiği kullanılarak, yüz çift deneme türleri önyargı üzerinde önemli bir temel etkisi vardı [F (2,38) = 70.53, p &lt;0.001], yargılamak için güçlü bir eğilim gösteren katılımcılarla farklı (β olarak içinde-kategori çiftleri &quot;(D = -0.18, SD = 0.59 D = 0.81, SS = 0.23) çapraz kategori çiftleri β) yanıtı ile karşılaştırıldığında&quot;. Bu conkatılımcılar aynı-farklı karar içi kategori çiftleri için daha zor olduğu bu özel görevi &quot;farklı&quot; kararlar lehine eğilimi fikri ile tutarlıdır. <img alt="Şekil 6," fo:content-width="3in" fo:src="/files/ftp_upload/4375/4375fig6highres.jpg" src="/files/ftp_upload/4375/4375fig6.jpg" /> Şekil 6. Yanıt önyargı bağımsız ayrımcılık performansı (N = 20) bir ölçüsü olarak bir &#39;istatistik kullanarak, ayrımcılık hassasiyet avatar ve insan çalışmalarda hem de içinde-kategori çiftleri için daha çapraz kategori için daha fazla oldu. Hata çubukları ± 1 standart hata gösterir. RT verilerin analizi avatar ve insan denemeler arasında ve kısa ve uzun ISI arasında anlamlı fark yoktu. Gibi üç uyarıcı çifti koşullar (bakınız Şekil 7), F (2,38) = 34.55, p &lt;0.001 ile RT için bir temel olarak anlamlı bir etkisi yoktur idi. Öniçinde-konu tezat planlanan testler çapraz kategori yüzler için RT (yüz çifti deneme türü &#39;arasında&#39; yani) daha hızlı anlamlı olduğunu göstermiştir (M = 0.79, SE = 0.05) bir kategori içinde yüz çiftleri için RT (&#39;içinde daha &#39;deneme tip) (M = 1.26, SE = 0.09) [F (1,19) = 60.09, p &lt;0.001] ve yüz çiftleri aynı yüz çifti durumda (M = 0.88, SE = 0.08), F (1, 19) = 43.1, p &lt;0.001. <img alt="Şekil 7" fo:content-width="4.5in" fo:src="/files/ftp_upload/4375/4375fig7highres.jpg" src="/files/ftp_upload/4375/4375fig7.jpg" /> Şekil 7. Tepki süresi (RT) avatar ve insan denemeleri için &quot;aynı-farklı&quot; algısal ayrımcılık görev (N = 20) sonuçları. Grafik kategori sınır çapraz uyarıcı çiftleri için RT (koşul arasında yani) ac içinden yüzler için RT daha kısa olduğunu gösteriyorategory. Hata çubukları ± 1 standart hata gösterir. Sınıflandırma yanıt verileri böylece kategori içinde alınan eşit uzaklıkta çiftleri için daha kategorisinde sınır çapraz çiftleri için daha iyi ayrımcılık doğruluk olduğunu CP varlığı için ikinci kriter onaylayın. Bu kategori sınırına yakın fiziksel uyarıcı özellikler için daha iyi bir hassasiyet ile adlandırılan bir ayrım sınır olmadığını göstermektedir. RT verilerle kategori yüz çiftleri ile karşılaştırıldığında çapraz kategori için daha kısa tepki gecikmeleri gösteren bu destek. Bu özel algısal ayrımcılık görev DHL boyunca ayrımcılık sınırının belirli bir noktaya tanımlamaz. Sunulan morphs çiftleri arasındaki bir çok daha küçük morph mesafe bu sorunu çözmek için kullanılabilir. Burada geleneksel ABX ayrımcılık görevi 12, 13 kullanarak bir örnek göstermektedir. ABX ayrımcılık ayırıcı sıralı sunumu gerektirirA veya B hedef uyaran X olarak görüntü A, B ve X gördükten sonra, katılımcılar A veya B X ile aynı olup olmadığını göstermek için gerekli olan ikinci bir sunum izledi t yüz uyaranlara (örneğin Morph A ve Morph B) Bu örnekte, dönüşür (örneğin, 1-3, 2-4, 3-5, vb) arasında, 2 aşamalı bir ayırma prosedürü (Şekil 8B) sunulmuştur. Analizler 8&#39;de tarif edilmektedir. Örnekleme amacıyla, ABX ayırımını Cheetham ve ark. 7 çalışmada çekilen nokta uyaranlara kullanılarak 4, Morph kontinua, 11 morphs her kullanılarak 24 katılımcı üzerinde gerçekleştirildi. ABX ayrımcılık görevi ardından, zorunlu seçim sınıflandırma görevi aynı katılımcılarla gerçekleştirildi. Görev sunum Bu dizi ABX ayrımcılık görev alma açık kategori karar etkisini en aza indirmek için düşünülmektedir. Şekil 8B algısal ayrımcılık sens bir zirve olduğunu açıkça gösterirmorph pozisyonda iTivity tarafından tahmin ve kategori sınır (Şekil 8A bakınız) ile uyumlu. Morphs, performans açıkça morph çift M5-M7 arasındaki aralığı tespit edilebilir ayrımcılık tepe arasındaki 2-adım mesafe kullanma. Maymun, inek ve continua en uç noktaları gibi insan yüzleri ile insan benzerlik boyutları çekilen ABX paradigma ve morph uyaranlara kullanarak bulgular için 8 bakın. <img alt="Şekil 8," fo:content-width="3.5in" fo:src="/files/ftp_upload/4375/4375fig8highres.jpg" src="/files/ftp_upload/4375/4375fig8.jpg" /> Şekil 8. ABX algısal ayrımcılık ve zorla seçim sınıflandırma görevlerin Temsilcisi sonuçları. Panel B ABX algısal ayrım görev 2 adımlı ayırma prosedürü (örneğin, 1-3, 2-4, 3-5, vb) algısal ayrım hassasiyeti tepe tahmin olduğunu gösterirpanelinde bir gösterilen zorunlu seçim sınıflandırma görev belirlenen kategori sınır tarafından. Panel A dört Sürekli ortamların monte regresyon eğrilerinin lojistik profilini gösterir. Insan olarak morphed yüzleri sınıflandırma kararları% 50 azami belirsizlik morph M6 ile ilişkilidir. Aynı-farklı ayrımcılık görev teyit ayrımcılık sınır kategori sınır ile uyumlu olduğunu gösteren CP varlığı için üçüncü kriter. Diğer bir deyişle, bu kategori sınır konumunu ayrım sınır konumunu tahmin eder. Her zaman CP 13, 14 çalışmalarda uygulanmaz Dördüncü kriter, ayrımcılık kategoriler içinde şans olduğunu. ABX tasarım kullanarak açıklayıcı örnek veri ayrımcılık biraz kontinua uç noktaları arasında yer alan bu morphs için bir şans ve kedi üzerinde öneririmegory sınır. 3. fMRI görev Fiziksel değişime 4.3.1 Duyarlılık Böyle bir değişiklik, fusiform girus (Şekil 9A) ve beyin bölgesinin ince sunumu duyarlı olduğu gösterilmiştir var olduğu durum ile birinci ve ikinci Morph arasında fiziksel bir değişiklik olduğu koşullar karşılaştırarak avatar çalışmalarda yüz morphs fiziksel görünüş olarak DHL boyunca taneli değişim. İnsan denemeleri için de benzer bir sonuç Şekilde gösterilmemiştir. Bu bölge, çünkü yüz bilgi işleme görsel sisteminin bir parçası olarak rolü fuziform yüz alanı olarak anılır olmuştur. Birlikte insan çalışmaları ile birlikte, bu bulgular yüz fiziksel özellikleri açısından farklılık 23, yüz geometrisi 16, 21, 24 ve 21 ile yüz doku fuziform alanlarında rapor edilen cevap ile tutarlıdır. 4.3.2 Sekategori değişikliğine nsitivity DHL boyunca kategori değişikliğine duyarlı avatar çalışmalarda, beyin bölgelerinin örneğinde, 9B gösterir Şekil. Bu, böyle bir değişiklik olduğu durum ile birinci ve ikinci Morph Kategori arasında değişiklik olduğu koşullar karşılaştırılarak elde edildi. Görüntüleme verileri avatar çalışmalarda kategori değişim (yani DHL boyunca avatar-insana yönünden bir değişiklik) hipokampus, amigdala ve insula bir yanıt ortaya olduğunu göstermektedir. Bu bölgelerin rolü paradigma kullanılır ve sınıflandırılması bağlamında yorumlanmalıdır ve daha önce tarif edilmiştir 7 gerekmektedir. Genel olarak, amigdala yüzler, duygusal değerlik, yenilik ve belirsizlik 55, 56, 57, 58, 59 duyarlı. Amigdala bir durum 60 duygusal anlamı bağlı sınıflandırma ile ilgili diğer beyin bölgelerinin işleme etkilemeye önerilmektedir. Bölgesindekisula sürekli belirsizlik şartları 61, 62, 63 kategorisi altında işleme ve işleme ile ilişkili olduğu bildirilmektedir. Kullanılan paradigma bağlamında, bu bölgede sınıflandırma işleme 63 dikkat bilgi sahibi personel için katkıda bulunabilir. Aktivasyon belirli bir bölge de belirsizlik, tehdit veya potansiyel tehdit 64, 65 varlığı sinyal ile ilişkili olabilir. Hipokampus görsel sınıflandırma ve algısal öğrenme 66 yer almaktadır. İnsan çalışmalarda kategori değişim (DHL boyunca insan-için-avatar yönde yani bir değişiklik) putamen, kaudat başkanı ve talamus, bu durum duyarlı olduğunu ortaya koymuştur. Genel olarak, bu bölgelerde kategori üyelik ve temsilcisi ayarı kurmak için kullanılan potansiyel kategori kuralları arasında geçiş, sınıflandırma sırasında, karar belirsizlik kategori üyelik sinyal, uyarı kategori dernekler öğrenme ile ilişkilidirted kategorik sınır hataları 67, 68, 69, 70 en aza indirmek için. Geniş bir düzeyde ve kullanılan deneysel paradigma kapsamında bu sonuçların yorumlanması bu avatar ve insan yüzleri belirli bir kategori (örneğin 25) ile önceki sınıflandırma deneyim derecesine bağlı olarak farklı sınıflandırma sorunları temsil etmektedir; katılımcıların insan uzman yüz işleme ama özellikle onlar bilgi alma doğruladı avatar yüzleri (örneğin video oyunları, film, ikinci hayatta) ve, daha önce karşımıza tür yüzlerini hiç görmediği bir önceki hali açık bir bilgi rapor olması temelinde seçilmiştir. <img alt="Şekil 9," fo:content-width="6in" fo:src="/files/ftp_upload/4375/4375fig9highres.jpg" src="/files/ftp_upload/4375/4375fig9.jpg" /> Şekil 9. Fiziksel bir Nöral ilişkilendiriravatar çalışmalarda DHL boyunca kategori değişim d. Aktivasyon haritalar koronal üst üste (A), enine (B) ve tek konunun sagital (C) bakıldı. Renk çubukları aktivasyon haritalar (p &lt;0.005, 20 bitişik vokseller) t değerleri degrade anlamına gelir.

İncelenmesi<em&gt; Uncanny Vadisi Hipotez</em&gt; Ve duygusal deneyim hipotezi bir anlayış gerektirir &#39;<emInsan benzerlik&gt; boyutu (DHL)</em&gt;. Bu protokol kategorik algı DHL ve sınav temsil sağlar. Olan Uncanny Vadisi Hipotez ve duygusal deneyim illustrated.Investigation insan benzerlik (DHL) ile ilgili hipotezi &#39;boyutunun bir anlayış gerektirir aynı uyaranlara ve fiziksel ve kategori değişikliğine duyarlı beyin bölgeleri ayırmak için fMRI kullanımı. Bu protokol kategorik algı DHL ve sınav temsil sağlar. Aynı uyaranlara ve fiziksel ve kategori değişikliğine duyarlı beyin bölgeleri ayırmak için fMRI kullanımı gösterilmiştir.

İnsan Likeness en Uncanny Vadisi Hipotez &#39;Boyut algısal ve Kategori İşleme: Bazı Metodolojik Sorunlar

Mori'nin Tekinsiz Vadi Hipotezi1,2, robotlar ve dolaylı olarak avatarlar (bilgisayar tarafından üretilen ... gibi insan benzeri karakterlerin algısının...

Bu prosedürün genel amacı, tekinsiz vadi hipotezinin insan benzerliği boyutu boyunca kategorik algılamanın etkilerini incelemektir. Bu, öncelikle insan benzerliği boyutunu temsil edecek morf sürekliliklerinin dikkatle oluşturulmasıyla gerçekleştirilir. Ardından, bu morf süreklilikleri zorunlu seçimli bir kategorizasyon görevinde sunulur.Bu görev, hangi uyaranların açıkça avatar ve hangilerinin insan olarak kategorize edildiğini belirlemek ve kategori sınırının konumunu tanımlamak için kullanılır. Ardından, bu görüntülerin bir seçkisi algısal ayırt etme görevinde kullanılır. Bu görev, algısal ayırt etme sınırının varlığını ve konumunu belirler.Sonuçlar, ayrım sınırının kategori sınırı ile uyumlu olduğunu göstermektedir. Sınır uyumu, nesnelerin insan benzerliği boyutu boyunca sübjektif algısının, kategorik algının psikolojik etkileri açısından anlaşılabileceğini göstermektedir. Bu yöntemin temel avantajı, insan benzeri görünümün deneysel olarak kontrol edilebilen, hassas manipülasyonuna olanak tanımasıdır.Bu durum, algılanan insan benzerliği ile tekinsizlik ile ilgili deneyim ve davranışlar arasındaki ince ilişkilerin anlaşılması için önemlidir. Bu yöntemin görsel gösterimi, beraberindeki makalede yer alan, bu yöntemin tekinsiz vadi araştırmalarında kullanımına dair kritik tartışmanın temelini oluşturur. Morfing prosedüründe her bir sürekliliğin uç noktası olarak kullanılacak insan ve avatar imaj çiftlerini seçerek başlayın. İnsan uç noktası ile başlayın.Belirgin yüz hatlarına, nötr bir ifadeye ve doğrudan bakışa sahip, bilinmeyen bir kişinin görüntüsünü seçin. Yüz kılları veya takılar gibi başka belirgin özellikler bulunmamalıdır. İnsan dışı bitiş görüntüsü için, insan yüzüyle eşleşecek bir avatar yüzü oluşturun.Her bir avatar yüzünü; yaş ve genel yüz geometrisi açısından karşılık gelen insan yüzüyle yakından eşleşecek şekilde değiştirin. Her bir ebeveyn yüz çiftinin kontrast seviyelerini ve genel parlaklığını eşleştirin. Burada, avatar ebeveyn yüzünün cilt tonu, karşılık gelen insan ebeveyn yüzüyle eşleştirilmiştir.Görüntünün üzerine eliptik bir form yerleştirerek yüzlerin dış özelliklerini kırpmak için fotoğraf düzenleme yazılımı kullanın. Ardından, her bir uç nokta görüntü çifti arasındaki genel yüz geometrisinin hizalanmasını sağlamak için görüntülerin nihai konumlarını ayarlayın. Görüntüler hazır olduğunda, ana yüzlerin özellikleri üzerine kontrol noktaları yerleştirmek için morphing yazılımını kullanın.Her yüz için ağza yaklaşık 20 nokta, her göze 18 nokta, burna 20 nokta ve her kaşa sekiz nokta yerleştirilir. Bu noktalar yerleştirildikten sonra görüntüler morflanmaya hazır hale gelir. Bu işlemle, her süreklilik için 13 farklı morflanmış görüntü oluşturulur ve bunlar M0 ile M12 arasında etiketlenir.Burada görüldüğü gibi, iki ebeveyn yüz ve 11 ara morflar bulunmaktadır; iki alternatifli zorunlu seçimli bir sınıflandırma görevi gerçekleştirilir. Katılımcı, her bir morf görüntüsünün bir avatar mı yoksa insan yüzü mü olduğunu değerlendirir. Hazır olduğunda katılımcı, bir dizi denemeyi izler.Her deneme, 500 milisaniye boyunca sunulan bir fiksasyon noktasıyla başlar ve ardından 750 milisaniye boyunca bir morf görüntüsü gelir. Katılımcı, her görüntüden sonra uygun düğmeye basarak yanıt verir. Ardından bir sonraki deneme başlar.Avatar ve insan sınıflandırma verileri, yanıt fonksiyonunun şeklini tanımlamak için polinom regresyonu kullanılarak analiz edilir. Aynı farklı algısal ayırt etme görevini kurmak için, daha önce avatar olarak kategorize edilmiş iki morf ve fiziksel farklılıklar için insan kontrolü olarak iki morf; her bir süreklilik boyunca eşdeğer fiziksel değişim artışlarını temsil eden morflar seçilerek belirlenir. Burada görüldüğü üzere, %33'lük artışlar kullanılmıştır. Seçilen morfları üç deneysel morf çifti koşuluna göre çiftler halinde sıralayın.Çiftlerin özdeş olduğu ve içerisinde herhangi bir fiziksel veya kategorik değişim bulunmadığı "aynı", çiftlerin aynı kategori içerisinden seçildiği "içinde" ve çiftlerin farklı kategorileri temsil ettiği "arasında" koşulları belirlenmiştir. Avatar kategorisi için üç koşuldaki her yüz çiftinin ilk morph'unun her zaman M four olduğundan emin olun. Benzer prosedür, ilk morph'un her zaman M eight olduğu garanti edilerek, insan kategorisiyle ilgili morph çiftleri için de uygulanabilir.Aynı-farklı algısal ayırt etme görevi uygulanır. Katılımcı, her yüz çiftindeki yüzlerin görünüş olarak aynı mı yoksa farklı mı olduğunu bir butona basarak belirtir. Katılımcı hazır olduğunda, her deneme için bir dizi deneme gösterilir.500 milisaniye boyunca bir fiksasyon haçı gösterilir, ardından bir yüz çiftinin ilk yüzü 500 milisaniye boyunca sunulur ve ardından 300 milisaniye boyunca boş bir ekran gösteren bir uyaran arası aralık gelir. Sonrasında yüz çiftinin ikinci yüzü gösterilir ve katılımcı, çiftteki yüzlerin aynı mı yoksa farklı mı olduğuna karar verir. Bir sonraki deneme sunulmadan önce 2.500 milisaniyelik bir aralık geçer.Kategori sınırını geçen yüz çiftleri için ayrım doğruluğu, sınırın aynı tarafındaki yüz çiftleri ile karşılaştırılarak analiz edilir. Avatar denemeleri ve insan denemelerine ait veriler analizlerde ayrı ayrı ele alınmıştır; burada görülenler, zorunlu seçim kategorizasyon görevinin temsili sonuçlarıdır. Bunlar, bir yüzün insan olarak kategorize edildiği yanıtların yüzdesi cinsinden sunulmuştur.Düz mavi çizgi, eğimi a'nın varlığıyla tutarlı bir sigmoid basamak fonksiyonunu yansıtan uyarlanmış lojistik yanıt eğrisini göstermektedir. Mavi kesikli çizgi, kategorizasyon yargılarındaki %50'lik maksimum belirsizliğin altı numaralı pozisyonla ilişkili olduğunu belirterek, kategori sınırının tahmini konumunu göstermektedir. Zorunlu seçim kategorizasyon görevinin bu sonuçlarında, en uzun ortalama yanıt gecikmesi altı numaralı morf pozisyonu ile ilişkilidir.Bu durum, en yüksek belirsizliğin ve kategorizasyon yargılarının bu morf konumunda gerçekleşmesiyle tutarlıdır. Aynı farklı algısal ayrıştırma görevindeki ayrıştırma yanıtları; kategori sınırının "arasında" (between) olduğu koşullarda, sınırın her iki yanına uzanan yüz çiftleri arasındaki doğruluğun ve ayrıştırma başarısının, insan ve avatar kategorilerinin içerisinden seçilen yüz çiftlerine göre daha yüksek olduğunu göstermektedir. Kategori sınırındaki daha yüksek ayrıştırma doğruluğu ile tutarlı olarak, "arasında" koşulunda kategori sınırına uzanan yüz çiftleri için verilen yargı yanıt süreleri, aynı kategori içerisinden seçilen yüzlerinkinden daha kısadır.Bu prosedür uygulandığında, karşılaşılan en büyük zorluk, homojen bir deneysel uyaran seti oluşturan birden fazla morf sürekliliği oluşturmaktır. Deneysel uyaranlar üzerindeki yetersiz kontrol, insan benzerliğinin subjektif algısını güçlü bir şekilde etkileyen karıştırıcı değişkenlere ve artefaktlara yol açabilir. Eşlik eden makalede bu ilgili konular ele alınmaktadır.

perceptual-category-processing-uncanny-valley-hypothesis-dimension

Research

JoVE Journal

Behavior

Davranış

Biz, sorgulayıcı bir robot kalemi tutan ve başka bir parti (insan ya da yapay) ile etkileşim olduğu bir tele-robot sistemi ile yönetilen bir Turing gibi Handshake testi sunuyoruz. Biz zorunlu bir seçim yöntemi kullanın ve yapay model bir insan el sıkışma benzerlik için bir ölçü ayıklamak.

Motor İstihbarat Bir Boyutlu Turing Gibi El Sıkışma Testi

Biz kesin tanımlanmış özelliği varyasyonları ile natüralist 3 boyutlu nesneler ve nesne kategoriler oluşturmak için yeni bir yöntem tarif. Biz morfolojilerinden ve ardından görsel veya dokunsal nesneleri olarak kılınabilir roman, natüralist sanal 3 boyutlu nesneler ve nesne kategoriler oluşturmak için phylogenesis biyolojik proseslerin simülasyonları kullanın.

Algı ve Algısal Öğrenme Öğrenmenin Nesneler ve Nesne Kategorileri Oluşturma

Bu deneysel paradigma gerçek suç bir görgü tanığı bellekten suçlu bütünsel yüz kompozit oluşturmak ve sonra suçlu ya o ya da o olduğu birini içeren video line-up suçlu tespit deneyebilir hangi koşullar çoğaltır uygulanan mevcut değil.

Bütünsel Yüz Kompozit yaratılması ve Müteakip video onbirler Görgü Kimlik Paradigma

Bu makalede, ayna yanılsama kullanarak ve makine öğrenimini kullanarak bir analizi ile bir psiko-fiziksel prosedür birleştirerek bir 2B düzlemde proprioseptif sürüklenme tahmin etmek için yeni bir yöntem açıklanır.

Destek Vektör Makinesi Kullanarak 2B Düzlemde proprioseptif Drift için görselleştirme yöntemi

Bu yazıda Leonardo da Vinci'nin La Bella Principessa portre 'uncatchable Gülümseme' yanılsama ortaya çıkarmak için kullanılan metodolojiyi anlatılır. üç yöntemden bir kombinasyonu böylece potansiyel araştırmacı önyargı azaltır önceki inançları olmadan kendisini şeklinde bir soruşturma açtı (inter-gözlem, yapılandırılmış mülakat ve psikofiziksel deneyler) kullanılmıştır.

Bir Kız Mona Lisa ve Pollaiuolo en portre ile Bir Karşılaştırma: Leonardo da Vinci&#39;nin La Bella Principessa içinde &#39;uncatchable Gülümseme&#39; Araştırılması

Burada, sanal el ve vücut ilgili öz-algı / -representation incelemek için kullanılabilir sanal yüz yanılsama paradigmaları açıklar. Zaten belirli koşullar altında, bir sanal el ya da yüz vücut gösterimleri oldukça esnek olduğunu öne sürerek, kişinin vücut temsil içine dahil edilebilir, göstermek için çeşitli çalışmalarda kullanılmıştır.

Sanal el ve Sanal yüz Illusions oluşturma Kendinden temsil Araştırma

Bir nesne transfer görevi sırasında uyumsuz görsel-dokunsal uyaranlara uygulamak için bir protokol sunuyoruz. Özellikle, el gizli durumdayken gerçekleştirilen blok aktarımları sırasında, bloğun sanal sunumu yanlış blok damlalarının rasgele oluşumunu gösterir. Protokol ayrıca motor görevini gerçekleştirirken Vibrotactile geribildirim eklemeyi de açıklar.

Vibro-dokunsal geribildirim ile nesne aktarımı sırasında uyumsuz görsel-dokunsal uyaranlara uygulama

Protokol, büyük miktarlarda benzerlik yargıları elde etmek için deneysel bir psikofizik paradigması ve buna eşlik eden bir analiz iş akışı sunar. Paradigma, bağlam etkilerini araştırır ve benzerlik verilerinin en az beş boyutlu Öklid uzayları açısından modellenmesini sağlar.

Benzerlik Yargılarının Toplanması ve Analizi için Bir Psikofizik Paradigması

Duyusal işleme objektif ve kolay ölçüm sözsüz veya savunmasız pediatrik hastalarda son derece zordur. Biz aktif katılımını gerektiren konu ya da hassas hastalarda rahatsızlık yaratmadan, kantitatif bebekleri ve hafif dokunma çocuk kortikal işleme, konuşma sesleri değerlendirmek için yeni bir metodoloji ve 2 uyaranların multisensory işleme geliştirdi.

Engelli Çocuklarda Kortikal İşitsel-dokunsal İşleme Kantitatif Değerlendirilmesi

Transkraniyal manyetik stimülasyon (TMS) non-invazif nöral bilgi işleme bozan ve davranışları üzerindeki etkisini ölçmek için bir tekniktir. TMS bir görev ile müdahale, bu uyarılmış beyin bölgesi bir sistematik bilişsel işlevler beyin bölgeleri ilgili izin, normal bir iş yerine getirilmesi için gerekli olduğunu gösterir.

Nedensel Beyin-davranış İlişkiler ve Zaman Kursu araştırılması için Transkraniyal Manyetik Uyarım

Keşfedin kategorik algı ve morf sürekliliği kullanarak insan benzerliği boyutunda Uncanny Valley hipotezini inceleme yöntemini. Bu protokol fMRI ile beyin bölgelerini analiz eder ve kategori sınırlarını belirler.

İnsan Likeness en Uncanny Vadisi Hipotez 'Boyut algısal ve Kategori İşleme: Bazı Metodolojik Sorunlar

Daha fazla video keşfet