解析人类泛化行为中感知的概率动态本质：解锁认知奥秘与临床新契机

《iScience》：The probabilistic and dynamic nature of perception in human generalization behavior

在泛化理论常忽视心理表征动态变化的背景下，研究人员开展 “人类泛化行为中感知的概率和动态本质” 研究。通过对 80 名参与者的巴甫洛夫恐惧条件反射实验数据建模分析，发现感知过程个体差异影响泛化模式，该研究对理解泛化行为及相关认知领域意义重大。

　　在人类的认知世界里，泛化（generalization）就像一座桥梁，连接着过去的学习经验和新遇到的情境，让人们能够高效地运用已有的知识。想象一下，当你学会了识别一只猫，下次看到不同的猫时，即使它们的毛色、大小有所不同，你也能快速认出这是猫，这就是泛化在发挥作用。

然而，传统的泛化理论却存在一个大问题。它们常常忽略了我们在将学习知识转移到新情境的过程中，心理表征（mental representation）是会动态变化的。我们不是直接接触物理现实，而是通过感官系统塑造的心理表征来感知世界。而且，这些心理表征在个体之间以及同一个体的不同时刻都存在差异，可传统理论却把心理和物理维度混为一谈，忽视了感知的个体差异、随时间的变化以及学习对感知的影响。

为了解开这些谜团，来自比利时 KU Leuven 的定量心理学与个体差异系的 Kenny Yu 等人开展了一项研究，相关成果发表在《iScience》杂志上。

研究人员采用的主要关键技术方法有：重新分析两个已发表的恐惧条件反射实验数据，实验参与者共 80 人。运用基于贝叶斯感知理论的状态空间模型（state-space model）来模拟参与者的感知判断，该模型能捕捉感知的概率和动态本质；同时引入新的基于感知分布重叠计算刺激距离的方法，替代传统方法；通过马尔可夫链蒙特卡罗（Markov Chain Monte Carlo，MCMC）与吉布斯采样（Gibbs sampling）进行统计推断。

研究结果主要分为以下几个方面：

• 感知：研究人员运用基于卡尔曼滤波（Kalman filter）的状态空间框架来模拟人类感知。通过模拟 300 名合成参与者的感知反应，成功恢复了模型中的关键参数。在实际实验中，发现个体在感知物理刺激时存在很大差异，比如在感觉映射方面，不同参与者对物理刺激到心理表征的转换方式不同，有的对物理量变化敏感度低，有的则高。同时，感知不确定性会随着时间动态变化，多数参与者在实验过程中感知不确定性逐渐降低。
• 泛化：研究人员对比了两种计算刺激相似性的方法，一种是将刺激视为点，根据点的坐标计算相似性；另一种是将刺激表示为概率分布，根据分布重叠计算相似性。模型比较发现，在实验 1 中，数据更支持基于分布的感知相似性；在实验 2 中，两种方法表现相近，但都优于假设真实刺激感知的模型。而且，基于分布的方法使被归类为感知泛化者（Perceptual Generalizers）的参与者比例增加，物理泛化者（Physical Generalizers）比例减少。

研究结论和讨论部分指出，该研究提出的新框架将感知概念化为概率分布，相比传统的点表示法，更能捕捉人类感知的复杂性，包括感知处理中的固有不确定性、个体差异以及感知的动态演变。通过对比不同的感知假设，揭示了感知过程对恐惧泛化行为的重要影响。这不仅有助于完善泛化理论，加深对人类如何进行泛化的理解，还对其他认知领域，如分类、运动学习、语言处理和面部识别等具有重要意义。在临床方面，异常泛化与焦虑症相关，该研究能帮助临床医生更好地理解焦虑症的潜在机制，为开发更有针对性的治疗干预措施提供依据。不过，研究也存在一些局限性，比如在贝叶斯框架下对人类感知最优性和感知先验（perceptual prior）的假设不统一，且研究仅依赖自我报告来评估恐惧学习、感知和恐惧泛化过程，未来需要进一步研究完善。总体而言，这项研究为人类认知和临床治疗的研究开辟了新的方向，有着重要的理论和实践价值。