執筆者：行場次郎 授業者：寺尾 敦 atsushi [at] si.aoyama.ac.jp Twitter: @aterao 市川伸一・伊東祐司（編）『認知心理学を知る＜第３版＞』おうふう 第１章 知覚の成立過程 執筆者：行場次郎 授業者：寺尾 敦 atsushi [at] si.aoyama.ac.jp Twitter: @aterao

この章で学習すること 知覚はいかに成立するのか？ ヘルムホルツ，ギブソン，マーの知覚論を理解する． トップダウン，ボトムアップという考え方を理解する． その他のアプローチ 並列分散処理（ニューラルネット） 脳科学

１．ヘルムホルツ的見解による 知覚のとらえ方 H1：眼に入る刺激には，外界の事物の属性をあいまいさなく決定するには不十分な情報しか含まれていない H2：主体内に蓄積した既存の知識や記憶，および期待や推論などの内的媒介過程が積極的に働くことにより，私たちの知覚世界は成立する

無意識的推論 異なった刺激が，網膜上では同じ像になることがある． これを利用したトリックに，「エイムズの部屋」がある（テキスト図1-1）． さまざまな可能性のうち，どれを採用するのか？ヘルムホルツは，ここに無意識的推論が働くとした．

トップダウン処理 知識や仮説が先行して外界情報の分析を制約する情報処理様式を，トップダウン処理あるいは概念駆動型処理と呼ぶ． 階層的ネットワーク構造をした知識を仮定することが多い．スキーマ．（図1-2，図1-3） ノイズを多く含んだ情報の処理において効力を発揮する． ヘルムホルツ的見解はトップダウン処理を主張している．

２．ギブソン的見解による 知覚のとらえ方 比較的下等な生体も，知識や期待を働かせた知覚を行っているのか？ ギブソン的見解（生態学的視覚論） G1：対象や環境の属性の知覚に必要なすべての情報は不変項として刺激の中に豊富に与えられている． G2：生体は単にそれを検出すればよく，解釈や推論などの内的処理は必要がない．

ヘルムホルツと異なり，外界の知覚に必要な情報は十分に与えられていると考える． 奥行きの情報として，きめの勾配やオプティカルフロー（相対的運動での移動速度）など． エイムズの部屋は人工的に情報を制限． 情報処理を考えない． トップダウン処理もボトムアップ処理も考えない．

３．ウォルツの積木画像の 解析プログラム コンピュータによる，積み木の線画の認識 線画の理解は，各線分に，稜線，境界線，影といったラベルを，整合的につけていくこと．（図1-7） 制約（constraints）の利用．不可能なラベル付け（図1-8）を排除することで，線画認識を行うことができた．

ギブソンの考え方にしたがって，知覚を成立させることはできるのか？ 現実の世界は積み木の世界よりもはるかに複雑．属性の決定に必要な光学的不変項を特定することは，かなり難しいように思われる．

４．マーの計算論的アプローチ 計算論的アプローチ（computational approach） M1：対象や環境の属性の知覚に必要なすべての情報は不変項として刺激の中に豊富に与えられている．（仮定G1と同じ） M2：視覚はダイレクトに生起するのではなく，表現形式の変換を経て，外界が徐々に復元される過程である．

表現形式（representation）の変換（図1-9） プライマルスケッチ 　　　Dスケッチ 3-D モデル ボトムアップ処理（データ駆動型処理） データから特徴抽出を行う．外的世界が持つ制約を利用しながら，低次の表現形式から高次の表現形式へと推論を行う．

プライマルスケッチ：濃淡レベルの情報を持つ画像から，エッジやバー（局所的な明るさの変化），ブロッブと呼ばれる小塊を検出．その方向，大きさ，コントラスト，終点位置などの情報を記述．

　　　Dスケッチ：プライマルスケッチで得られた情報をもとに，対象の面の傾きや観察者からの距離が，観察者を原点とした座標系で記述される．

マーによる研究水準の区別 計算論的レベル：計算（情報処理）の目的，入力と出力，制約条件 表現とアルゴリズム：情報の表現，計算アルゴリズム 実装レベル：情報処理を実現する実体．たとえば，神経細胞，コンピュータの部品

５．並列分散処理モデルによる アプローチ 1980年代後半から，神経回路網の特性からヒントを得て，並列分散処理モデルによるアプローチが発展した．（図1-10） ニューロンの働きに似せた処理ユニット 処理ユニット間のネットワーク結合（シナプス結合） さまざまな処理が同時並行で進む 最下層のユニットが入力，最上層のユニットが出力に対応する

各ユニットの活動状態は，シナプスを通して他のユニットに伝播してゆく．興奮性の結合は，受け手のユニットの活動を強める．抑制性のユニットは，受け手のユニットの活動を弱める． ユニット間の結合の強さは，学習によって変化する．

ノイズに強い． ネットワークが部分的に壊れても情報処理が可能．学習によって修復（新しいネットワーク状態）． フィードバック結合を用意することにより，ボトムアップ処理だけでなく，トップダウン処理を実現できる．

６．脳科学からのアプローチ Hubel と Wiesel は，大脳後頭皮質にある視覚第１野（V1）と視覚第２野（V2）に，単純な特徴を持つ刺激（特定の位置にある，特定の傾きを持った線分）に反応するニューロンを発見した． 神経結合を追っていくことで，マーの考えたような情報処理プロセスが明らかになるかもしれない（マーの仕事は脳科学の影響を受けている）．

現在の脳科学では，神経系をいくつかの経路や機能単位に分ける． 脳の視覚情報処理には，２つの経路があることが明らかになっている． 背側経路：対象の位置関係や運動知覚に関わる．「どこ」経路． 腹側経路：対象の知覚や色の認知に関わる．「何」経路．