知觉模板模型(PTM)对线性放大模型(LAM)的挑战——一种新的知觉学习机制

摘要

在知觉学习中,学到了什么?我们提出这个问题,是因为分析了在知觉学习过程中,知觉低效是怎样提高的.将添加到信号刺激上的外部噪声数量和受试者接受训练的时间长短作函数分析来系统测量人类表现,这个方法让我们可以跟踪在知觉学习过程中知觉系统的变化特征(例如,内部噪声和知觉模板效率),从而可以了解在知觉学习后表现提高的内在机制.有两个不同的受试者模型,线性放大模型(LAM)和知觉模板模型(PTM),然而这两个模型给我们提供了两个不同的学习机制理论.基于LAM的预测--即在高外部噪声条件下,学习诱导的阈值减低幅度一定比在低外部噪声条件下低或者一样,这在Dosher & Lu(2004)的实验中是行不通的.在基于PTM理论的框架中,通过不同的表现水平在一个给定的内部噪声条件下,一个非常明显的限制强加于知觉学习的相对强度.另一方面,在高外部噪声条件下表现的提高归因于知觉模板重调的机制;然而,在缺乏外部噪声条件下,表现的提高归因于分离刺激增强机制.在基于LAM效应的框架中,存在与不存在外部噪声表现的提高在提高效率方面是耦联的.通过内部噪声的减少,在缺乏外部噪声时额外的提高得到解释.在高外部噪声条件下比在低外部噪声条件下更多表现提高的一个经验范例,基于PTM框架的自然预报将会对基于LAM解释的知觉学习发起经验上的挑战.PTM被用来系统地表现视外周和视小凹在判断运动物体的运动方向上的学习机制的特征和调查研究学习机制从未经训练的眼睛到训练的眼睛的转变程度.Dosher & Lu(2005)的实验证明,在区别运动方向的知觉学习中,没有噪声的运动展示主要包含了单眼运动系统,而添加噪声的运动展示则主要是双眼运动系统.