당신의 두뇌가 무엇을보고 있다고 생각 하느냐에 올인을하십시오.

당신의 두뇌가 무엇을보고 있다고 생각 하느냐에 올인을하십시오.

아프리카 대초원을 따라 걷는다고 상상해보십시오. 갑자기 큰 노란 물체를 부분적으로 가리는 움직이는 수풀을 보게됩니다. 이 제한된 정보를 통해 위험에 처한 상황을 파악하고 대응 방법을 결정해야합니다. 그것은 마른 풀의 더미입니까? 아니면 배고픈 사자?

이와 같은 상황에서 우리의 두뇌는 복잡하고 불확실한 시각적 정보를 사용하여 두 번째 결정을 내려야합니다. 우리가 보는 것에 근거한 추론 및 후속 결정은 위협에 적절하게 대응하고 다음 식사가되는 것과 다를 수 있습니다.

전통적으로 신경 과학자들은 시각 정보 처리가 공간과 시간에 걸쳐 변화하는 입력 신호 (눈에서)를 필터링하면서 하나씩 발생하는 일련의 사건으로 생각했습니다. 그러나 더 최근에 우리는 프로세스를 훨씬 역동적이고 상호 작용 적으로 생각하기 시작했습니다. 시각 시스템은 수신하는 감각 정보의 불확실성을 해결하려고 시도하기 때문에 사전 지식과 현재의 증거를 사용하여 상황에 대한 정보에 근거한 추측을합니다.

시각 시스템 : 눈보다 훨씬

눈은 물론 우리 주변에서 일어나는 일들을 보는 방법에 결정적입니다. 그러나 집중적으로 연구 된 인간 시각 시스템의 대부분은 뇌 속에 있습니다.

눈 뒤쪽의 망막에는 환경에서 빛을 감지하고 반응하는 광 수용체가 있습니다. 이 광 수용체는 다시 뇌의 시각 피질에 정보를 전달하는 뉴런을 활성화시켜 머리 뒤쪽에 있습니다. 시각 피질은 원시 데이터를 처리하여 눈에 대한 원래 입력을 기반으로 적절하게 반응하고 동작하는 방법을 결정할 수 있습니다.

시각 피질은 해부학 적 및 기능적 계층 구조로 구성됩니다. 각 단계는 미세한 해부학 적 구조와 기능적 역할 및 생리학, 즉 뉴런이 다른 자극에 어떻게 반응하는지에있어서 다른 모든 단계와 구별됩니다.

전통적으로 연구자들은이 계층 구조가 정보를 맨 아래에서 맨 위로 순차적으로 필터링한다고 생각했습니다. 그들은 시각적 인 두뇌의 각 처리 수준이 낮은 수준에서받은 시각 신호의보다 세련된 형태를 위쪽으로 통과한다고 믿었습니다. 예를 들어, 계층의 한 단계에서 모양과 오브젝트의 경계를 형성하기 위해 장면에서 고 대비 에지가 추출됩니다.


InnerSelf에서 최신 정보 받기


원래의 생각에 따르면 결국 시각적 피질의 최고 수준은 우리가 행동 할 수있는 세계의 의미있는 표현을 뉴런 활동 패턴에 포함시킬 것입니다. 그러나 신경 과학의 최근 몇 가지 발전은이 견해를 그 머리로 돌 렸습니다.

세상과 시각 환경은 순간마다 매우 불확실합니다. 또한 우리는 많은 연구에서 시각적 인 두뇌의 수용력이 현저하게 제한된다는 것. 두뇌는 다음과 같은 프로세스에 의존합니다. 시각적 주의력 및 시각적 기억 이러한 제한된 리소스를 효율적으로 사용하는 데 도움이됩니다.

따라서 제한된 양의 정보로 매우 불확실한 환경에서 뇌가 정확히 어떻게 효과적으로 움직이는가? 대답은, 그것은 확율과 도박을합니다.

최고의 추측에 기회를 잡는다.

뇌는 그 주변에서 일어나는 일에 대해 정보에 근거한 추측을하기 위해 모호하고 다양한 정보의 제한된 입력을 사용해야합니다. 이러한 추측이 정확하면 좋은 결정의 기초를 형성 할 수 있습니다.

이렇게하기 위해, 뇌는 본질적으로 정보의 하위 집합에 도박을합니다. 감각 정보의 작은 조각에 기초를 두어, 행동 보상으로 최상의 보상을 얻기 위해 세계가 말하고있는 것에 베팅합니다.

사바나에서 움직이는 수풀의 예를 생각해보십시오. 너는 덤불에 의해 가려진 흐릿하고 큰 노란 물건을 보았다. 이 물체로 인해 수풀이 움직이게 되었습니까? 노란색 얼룩이란 무엇입니까? 위협인가?

이 질문은 우리의 행동 측면에서 우리가 다음에 선택하는 것과 관련이 있습니다. 제한된 시각 정보 (움직이는 수풀, 큰 황색 물체)를 효과적으로 사용하는 것은 행동 적으로 중요합니다. 노란색 객체가 실제로 사자 또는 다른 포식자라는 것을 추론하면 우리는 반대 방향으로 빠르게 이동하기로 결정할 수 있습니다.

추론은 증거와 추론에 근거한 결론으로 ​​정의 될 수 있습니다. 이 경우 추론 (사자)은 증거 (큰 노란 물체, 움직이는 수풀)와 추론 (사자가 크고 사바나에 존재 함)을 기반으로합니다. 신경 과학자들은 확률 론적 추론 이전 정보와 현재 증거의 조합이 포함됩니다.

양방향 두뇌 연결

지난 20 년간의 신경 해부학 적 및 신경 생리학 적 증거에 따르면 시각 피질의 계층 구조는 많은 수의 연결 낮은 곳에서 높은 곳으로, 높은 곳에서 낮은 곳으로 각 단계마다. 정보가 거꾸로 된 깔때기를 통해 정보를 얻는 대신 정보가 더 높아지고 높아지면서 세련되면서 시각 시스템이 대화 형 계층 구조 인 것처럼 보입니다. 그것은 분명히 일정한 피드백과 피드 포워드주기를 통해 세계 고유의 불확실성을 해결하기 위해 노력합니다. 이것은 조합 상향식 (bottom-up) 현재의 증거 및 하향식 사전 정보 계층의 모든 레벨에서.

보다 상호 연결된 시각적 인 두뇌를 나타내는 해부학 적 및 생리 학적 증거는 행동 실험에 의해 잘 보완됩니다. 다양한 시각적 작업 - 사물 인식, 관련없는 객체들 중에서 특정 객체 검색하기간단히 제시된 시각 정보 기억하기 - 인간은 확률 론적 추론의 규칙에서 나온 기대에 부합하여 수행한다. 확률 론적 추론이 이러한 능력의 바탕이된다는 가정에 근거한 우리의 행동 예측은 실제 실험 데이터와 잘 일치합니다.

오류를 최소화하면서 정보에 근거한 추측

신경 과학자들은 자연 선택을 통해 두뇌가 진화되어 지각 된 것과 예상되는 것 사이의 불일치 순간을 적극적으로 최소화하도록 제안했습니다. 이 불일치를 최소화하기 위해서는 반드시 probabalistic 추론을 사용하여 전 세계에 대한 지식을 기반으로 들어오는 정보의 측면을 예측해야합니다. 신경 과학자들은이 과정에 이름을 지었다. 예측 코딩.

예측 코딩 접근법을 지원 한 많은 데이터는 시각적 시스템을 연구함으로써 얻은 것입니다. 그러나 현재 연구원들은 아이디어를 일반화하기 시작하다. 이를 뇌의 정보 처리의 다른 측면에 적용 할 수 있습니다. 이 접근법은 현대 신경 과학에 대한 많은 잠재적 미래 방향을 제시했으며, 개별 뉴런과 고차원 뉴런 역학의 저레벨 반응 (예 : 뇌파 또는 뇌파에 기록 된 집단 활동).

인식이 추론의 과정이라는 생각은 새로운 것이 아니다근대 신경 과학은 근년에 그것을 활성화 시켰습니다. 그리고 그것은 분야를 극적으로 변화 시켰습니다. 또한이 접근법은 시각 정보뿐만 아니라 모든 형태의 감각 정보뿐만 아니라 의사 결정, 기억 및 의식적 사고와 같은 상위 수준 프로세스에 대한 정보 처리에 대한 이해를 증진시킬 것입니다.

저자에 관하여

Alex Burmester, 지각 및 기억 연구 보조원, 뉴욕 대학

이 기사는 원래에 게시되었습니다. 대화. 읽기 원래 기사.

관련 서적

{amazonWS : searchindex = Books, keywords = 시각적 인식, maxresults = 3}