Module 04 · Cognition认知
Problems of perception知觉的难题与挑战
引言：知觉看似简单，实则复杂
知觉问题乍看之下似乎并不困难。世界上有树木、人类、岩石、行星和猴子等物体，我们看见它们，并且知道它们是什么。然而，知觉的真实难度并不像我们直观上感受到的那样简单。下面有一个故事，虽然不确定是否完全真实，但它揭示了知觉问题的复杂性。
故事：人工智能研究者的挑战
这个故事讲述了一位1960年代的著名人工智能研究者，他给自己设定了一个任务：制造一个机器人。为了让机器人能够在世界中自由行动，它必须能够看到并识别物体。于是，这位研究者将这个任务交给了一位研究生，作为他的暑期项目。研究生被要求在几个月内解决“如何识别物体”的问题。
心理学家非常喜欢这个故事，因为它生动地表达了知觉问题看似简单，但实际上极为复杂的观点。如果这个故事是真的，那么这位研究生实际上并没有完成项目。事实上，计算机和人工智能领域在物体识别方面的研究已经持续了多年，直到最近，我们才开始看到一些进展。
机器识别的局限性
几年前，我曾在讲座中提到，“目前还没有任何机器能够接近人类在物体识别方面的能力。”随着技术的进步，机器的物体识别能力越来越强，我有预感，未来某一天，我可能无法再这么说了。也许将来，是Facebook或Google的机器能够达到与人类相当的物体识别能力，但它们离这个目标还很远。
知觉的复杂性：从图像到认知
对于那些认为物体知觉很简单的人，他们的想法可能是这样的：当我们用眼睛看世界时，所有看到的事物就像是通过屏幕被展示出来的，屏幕上直接显示世界的样貌，标注了一些符号和图形，这就能让我们理解世界。例如，电影《终结者》中的场景就是这样，观众通过终结者的眼睛看到世界，世界上的物体被标注为不同的符号和数字。
然而，这样的理解并不能真正解决问题。它只是将问题推迟，因为当我们将世界映射到计算机屏幕上时，仍然没有解决如何识别屏幕上的物体的问题。你只是将问题转移到了屏幕上的物体识别上，依然没有找到解决方案。
眼睛与视网膜的工作原理
我们可以更好地理解知觉，首先要知道眼睛和视网膜是如何工作的：
- 眼睛：它就像一个“肉眼图形用户界面”（GUI），感知外界的光线。
- 视网膜：光线打到视网膜，视网膜上的神经细胞会对不同的刺激产生不同的反应。
- 神经信号：这些反应以“数字”的形式传递给大脑，传达信息。
感知的核心挑战
在这一过程中，问题就在于如何从这些数字信号中提取出物体和人物的信息。例如，你需要识别以下内容：
- 物体的形状
- 物体的颜色
- 物体的深度
- 人物的位置及活动等
这种从复杂信号中提取信息的过程是非常困难的。
数学上的挑战：二维到三维的转换
我们可以把这个过程看作是一个数学问题：
- 你眼睛获取的是一个二维数组，即视觉上的信息。
- 然而，我们的大脑需要从二维信息中推断出三维世界，这实际上在数学上是不可能完全精确地实现的。
就像逆向乘法一样，如果给定一个复合数字，我们无法轻易地确定产生它的唯一数字，因为有多个数字可以产生同样的结果。类似的道理，从二维视网膜上的图像推断三维世界是存在无限种可能的解释。
知觉的多重解释
考虑以下情况：假设你的视网膜上大部分区域都是“安静的”，没有神经细胞激活，只有一部分神经细胞对一个不规则多边形产生反应。那么，问题来了：这不规则的多边形代表什么？
- 物体的距离：你无法知道物体离你有多远，它可能就在你面前，可能漂浮在离你一英尺的地方，也可能在百万英里之外。
- 物体的形状：你看到的形状可能是一个不规则的多边形，也可能是一个被倾斜的正方形。
所有你看到的物体都有无数种可能的真实世界解释，而知觉的任务就是在这些可能性中找到正确的解释。
实际案例：颜色、亮度、深度与物体识别
接下来，我将通过以下几个实际的例子来说明知觉是如何工作的：
- 颜色与亮度：我们如何感知物体的颜色和亮度。
- 物体识别：如何从视觉信号中正确识别物体。
- 深度感知：如何判断物体的距离和位置。
对于每一种情况，我们的大脑都无意识地做出假设，帮助我们从无数的可能性中选出最符合实际的解释。
总结
知觉不仅仅是一个简单的反射过程，它涉及到从复杂的信号中提取有意义的信息，并且在此过程中，我们的大脑需要做出大量的无意识假设。这些假设帮助我们在面对模糊的、有限的视觉信息时，仍能准确理解和反应。
通过理解知觉的这些难题，我们能够更好地认识到，尽管我们对世界的感知是自然而直观的，但它背后隐藏着极为复杂的认知过程。