基于经验驱动的注意设置对视觉比较偏见的调控机制研究

视觉比较中的空间一致性偏见(SCB)和整体偏见(OB)受视觉相似性和任务类型影响，但其机制尚不明确。本研究通过4个实验，操纵目标字母局部位置的可预测性和干扰项相似性，发现低干扰条件下可预测性不影响SCB和OB，而高干扰时SCB受可预测性调节。结果支持注意缩放(attentional zoom)和视觉相似性共同解释视觉比较偏见，为知觉决策机制提供了新证据。

　　

在瞬息万变的视觉世界中，人类大脑如何从嘈杂的感官输入中构建稳定表征？这个根本问题困扰着认知科学家数十年。当比较两个连续呈现的视觉刺激时，人们会不自觉地受到"相同位置=相同物体"的启发式影响，产生空间一致性偏见(Spatial Congruency Bias, SCB)。更令人困惑的是，这种偏见会随着干扰项相似性而变化——就像在拥挤的派对上，熟悉的面孔会让我们更容易忽略位置变化，而陌生环境则迫使大脑更谨慎地核对每个细节。

新西兰坎特伯雷大学(University of Canterbury)的研究团队通过精巧的四实验设计，揭开了这个知觉之谜的面纱。研究人员采用3×3字母矩阵的形状比较任务，创新性地将目标字母局部位置变化设置为可预测(分区块)与不可预测(混合)两种模式，同时系统操纵干扰项相似性。发表在《Vision Research》的这项研究证明，当干扰项高度相似时，视觉相似性单独驱动SCB变化；而在高干扰条件下，注意缩放机制会参与调节偏见模式，这种双重机制为理解人类如何在不确定条件下进行视觉判断提供了全新框架。

研究采用三项核心技术：首先是自适应呈现时间控制，通过每48试次调整S1/S2的呈现时长(50-216ms)，确保任务难度维持在70-75%正确率；其次是信号检测范式，计算不同条件下的判别力(d’)和反应标准(c)；最后是创新的双位置设计，全局位置(网格左右呈现)与局部位置(目标字母在行内位置)形成多层级空间变量。

实验1a/b：低干扰条件下的位置效应
当干扰项大多相同时，目标字母局部位置变化(相同vs不同)显著削弱SCB(-0.34→-0.17)，并使OB向"不同"偏移(0.05→0.12)。关键发现是无论位置变化是否可预测(分块vs混合)，效应模式高度一致，表明视觉相似性直接驱动偏见变化。

实验2a/b：高干扰下的注意调控
干扰项始终不同时出现戏剧性变化：在分块实验(2a)中，先进行位置相同组的被试表现出典型SCB削弱(-0.24→-0.03)，而先进行位置不同组的被试则完全消除SCB(实际值0.04)。混合设计(2b)仅显示SCB减弱趋势(-0.19→-0.10)，证实注意缩放机制参与调控——当干扰强烈时，经验引导的注意范围调整会改变空间信息权重。

通过信号检测理论分析，研究者揭示出更深层规律：全局位置一致始终降低判别力(d’=1.16→1.46)，这与经典客体文件理论(object files)预测相符——空间重叠导致特征绑定错误增加。而局部位置变化的影响则取决于处理策略：在分析性处理模式下(高干扰)，位置不可预测迫使注意范围扩大，从而减弱空间信息对决策的影响。

这项研究的意义在于首次明确区分了视觉相似性和注意机制在知觉偏见中的不同作用边界。当环境信息明确时(低干扰)，大脑依赖自动化的相似性评估；而当输入嘈杂时(高干扰)，经验引导的注意调控成为关键安全阀。该发现不仅完善了从Broadbent(1958)到Treisman(1988)的注意理论体系，更对自动驾驶等机器视觉系统的容错设计具有启示意义——模仿人类这种动态权衡机制，可能显著提升AI在复杂环境中的决策鲁棒性。正如研究者强调的，这种"噪声中的优雅适应"正是生物智能区别于刚性算法的精髓所在。