感觉可靠性优先于中心趋势效应：跨模态时空估计中的任务特异性主导机制

《Scientific Reports》：Sensory reliability takes priority over the central tendency effect in temporal and spatial estimation

本研究针对多感官情境下，先验期望的形成机制展开探讨。为解决中心趋势效应是遵循跨模态的普遍先验，还是受任务相关的感官主导性影响的问题，研究人员通过时空估计任务，结合贝叶斯建模分析发现，感知估计并非趋向于跨模态（supra-modal）先验，而是稳定于任务优势模态（视觉之于空间、听觉之于时间）的先验，非优势模态的估计则被拉向优势模态的先验。结果表明，感知估计优先考虑感觉可靠性而非一般的中心趋势，为理解大脑跨模态整合上下文信息提供了新见解。

　　

我们感知的世界，常常并非外部现实的精确复刻。大脑演化出了一套巧妙利用上下文信息来优化感知的能力。例如，当我们反复接触一系列不同大小的刺激时，对最小值的感知往往会高估，而对最大值的感知则会低估，使得最终感知结果倾向于向整个刺激序列的算术均值靠拢。这种现象被称为“中心趋势效应”（Central Tendency Effect）或“回归均值”（Regression toward the Mean），它表明我们对单个刺激的感知，深受其所在全局背景的影响。从贝叶斯（Bayesian）理论框架来看，这可以解释为大脑将当前嘈杂的感觉输入（似然，Likelihood）与基于过往经验形成的先验知识（Prior）相结合，从而得出对世界的最优估计（Posterior），以应对感知信息中固有的不确定性。

然而，在一个充满多感官信息的环境中，情况变得复杂。研究表明，感觉敏感性和模糊性会随着任务性质的不同而变化。在时间感知任务中，听觉通常被认为比视觉更可靠；而在空间感知任务中，视觉则占据主导地位。当不同模态的信息发生冲突时，我们的感知会偏向于更可靠的那个模态，例如腹语术效应（Ventriloquist Effect）中，声音的空间位置会被视觉信息“捕获”。那么，一个问题自然产生：当两种上下文同时存在时——一种是随着时间积累形成的、由一系列刺激值产生的中心趋势效应（可视为一种跨模态上下文），另一种是基于任务需求瞬时产生的感官主导性（可视为感官上下文）——它们会如何相互作用？是形成一个统一的、跨模态的先验，还是各自保持独立，亦或是由任务特异的感官可靠性来决定最终的感知？

为了回答这个问题，Alessia Tonelli等人发表在《Scientific Reports》上的研究，对时空感知中的中心趋势效应进行了精细的探索。研究人员设计了一项巧妙的实验，要求参与者分别完成时间间隔和空间距离的估计任务，刺激通过听觉或视觉模态呈现。实验关键包含两种 session：基线 session（仅听觉或仅视觉）以及一个混合 session（听觉和视觉试次随机交替出现）。更重要的是，他们在实验中为听觉和视觉刺激设置了部分重叠但均值不同的刺激范围。这一设计使得在混合 session 中，参与者的感知可能受到三种相互竞争的先验的影响：听觉特异性先验、视觉特异性先验、或者一个结合了所有刺激的跨模态（supra-modal）先验。如果中心趋势效应是跨模态的，那么无论刺激来自哪种感官，其估计都应回归到整个混合刺激分布的共同均值。反之，如果感知由感官主导性驱动，那么对于特定任务（时间或空间），优势模态（听觉之于时间，视觉之于空间）的估计将保持稳定，而非优势模态的估计则会被“拉向”优势模态的先验。

行为学数据结果清晰地支持了后一种假设。

如图4所示，在时间估计任务中，混合session下的视觉刺激（非优势模态）估计表现出显著的向下的截距偏移（图4C），即被低估，趋向于听觉刺激分布的均值；而听觉刺激（优势模态）的估计在单模态session和混合session之间则无显著变化。在空间估计任务中，观察到了互补的模式：听觉刺激（非优势模态）的估计在混合session下表现出向下的截距偏移（图4D），即被拉向视觉先验；而视觉刺激（优势模态）的估计则保持稳定。回归指数（Regression Index, RI）的分析也表明，无论在单模态还是混合session中，对于特定任务而言，可靠性较低的模态（时间任务中的视觉、空间任务中的听觉）始终表现出更强的中心趋势效应（RI更高），这与感官不确定性更高的模态会更依赖先验知识的贝叶斯观点一致。

为了从计算层面进一步验证这些发现，研究人员构建了四个贝叶斯模型，它们对驱动感知的先验做出了不同的假设。“听觉分离模型”（SegAudio）和“视觉分离模型”（SegVision）假设先验分别仅基于听觉或视觉刺激的统计特性；“中心趋势模型”（CTE）假设存在一个跨模态的先验，基于所有刺激的联合分布；“加权中心趋势模型”（WCTE）则假设先验是基于两模态刺激均值的加权平均，权重由各模态的感官可靠性决定。模型比较结果显示，对于时间估计任务，“听觉分离模型”最能预测行为数据；而对于空间估计任务，“视觉分离模型”则是最佳预测模型。

如图6所示，模型模拟数据与真实实验数据吻合良好。这一计算建模结果强有力地支持了行为学的发现：感知估计是由任务特异的感官主导性所驱动，而非一个普遍的、跨模态的中心趋势效应。

主要技术方法

本研究主要采用了心理物理学实验范式，包括时间间隔再现任务和空间距离再现任务。通过在不同session（纯听觉、纯视觉、听觉-视觉混合）中呈现特定范围的刺激，记录参与者的行为反应。数据分析关键采用了线性拟合来获取回归指数（RI）和截距，以量化中心趋势效应和感觉偏差。并基于贝叶斯推理框架，构建了多个计算模型（如感官分离模型、中心趋势模型等），通过比较模型拟合优度（如AIC, R²）来检验不同先验假设。感官精度通过计算反应残差方差并经斜率校正后获得。

研究结果

行为数据

研究发现，在基线session中，时间估计任务下听觉的感知精度（RMSE更低）显著高于视觉，而在空间估计任务下视觉的精度显著高于听觉，确认了感觉模态的任务特异性优势（图2A）。感官权重计算进一步表明，时间任务中听觉权重（w_a）显著大于0.5，空间任务中听觉权重显著小于0.5（图2B），证实了感觉可靠性的不平衡。所有条件和模态下均观察到明显的中心趋势效应（斜率<1）。在关键的混合session中，非优势模态（时间任务中的视觉、空间任务中的听觉）的感知估计的截距发生了系统性偏移，指向优势模态的先验均值，而优势模态的估计则保持稳定（图3, 图4）。这表明存在跨模态影响，且由感官上下文主导。

贝叶斯模型

贝叶斯建模分析表明，假设先验基于任务优势模态刺激分布的“分离模型”（时间任务为听觉分离模型，空间任务为视觉分离模型），最能解释混合session中的行为数据（表1）。其拟合优度（AIC, R²）优于假设存在单一跨模态先验的“中心趋势模型”。这从计算层面证实，感知系统在整合信息时，优先考虑了感觉可靠性，形成了模态特异性的先验，而非一个抽象化的跨模态先验。

讨论与结论

该研究揭示了先验期望形成的一个重要特性：在存在强烈感觉可靠性差异的多感官情境中，近期感觉经验所建立的中心趋势效应并非泛化的、跨模态的，而是与特定任务中的优势感觉模态紧密关联。感知系统表现出一种“赢家通吃”的机制，任务优势模态的先验在形成和应用中占据主导地位，并能够“捕获”或影响非优势模态的感知估计。这一发现将中心趋势效应这一经典现象与多感官整合中的可靠性加权原则联系了起来。

研究者推测，这种感官上下文主导效应的神经机制可能涉及不同感觉模态之间对于先验形成脑区（如壳核、杏仁核、脑岛部分区域和眶额皮质）的输入信号的竞争。可靠性较低的模态信号可能会受到抑制，从而让优势模态在塑造最终先验中发挥更大作用。这与一些神经科学研究发现一致，例如当视觉信号主导时，听觉皮层（如颞平面）的活动会减弱。

综上所述，这项研究通过精巧的实验设计和贝叶斯建模，有力地证明了在时空感知中，基于任务的感觉可靠性优先于一个普遍的中心趋势效应。大脑在处理多感官信息时，会灵活地根据当前任务的特性，赋予更可靠的感觉通道更大的权重，其形成的先验知识也具有模态特异性。这深化了我们对大脑如何利用上下文信息优化感知的理解，强调了感知过程是一个动态的、受任务需求调节的、基于可靠性的最优推理过程。