A neuro-computational approximation of the qualities of mental images

ABSTRACT

中文摘要

心理图像的主观体验难以由外部观察，传统问卷和自我报告又只能提供有限且带有主观偏差的描述。作者提出一种神经计算方法，用于近似并检验心理图像的内容和感知品质。10 名参与者各完成 10 次实验，在文字提示后想象 16 种场景，总计获得 43,200 个试次的节律性 EEG。研究使用生成式人工智能为每个场景产生多组候选图像，再利用视觉神经网络模拟这些候选图像可能诱发的分层视觉皮层表征，并将其与想象期间 EEG 的时间—频率模式对齐。分析显示，中层和高层视觉特征与 alpha 频段活动具有稳定对应；相较清晰、鲜艳的图像，模糊和低对比度候选与神经数据的匹配更好，提示普通心理图像可能具有较弱边界与较低感知对比度。部分分析还提示带有无定形视觉流动的迷幻式图像风格更接近想象表征，但这一风格效应对所用视觉模型并不稳健。该框架把生成模型用于提出可操纵的候选假设，再用神经信号和视觉表征模型进行比较，从而为心理图像品质提供一种不完全依赖内省报告的检验途径。