Projectile Motion: Predicting Where a Projectile Will Land

Zagęszczone pomieszczenie, jeden głos

Wstań w pomieszczeniu z kilkunastoma jednoczesnymi rozmowami i możesz, według uznania, skoncentrować się na jednym mówcy, a reszta rozmyje się w tle – a jeśli ktoś po drugiej stronie pokoju powie twoje imię, twoja uwaga natychmiast się na nim skupi, mimo że nie słuchałeś tam świadomie. Colin Cherry nazwał to efektem przyjęcia w 1953 roku i jest to jedno z najstarszych problemów badań nad uwagą słuchową, ponieważ wydaje się ono łatwe, a jednocześnie jest obliczeniowo trudne: mózg musi rozróżnić nakładające się źródła dźwiękowe, wykorzystując jedynie dane z dwóch uszu do analizy fali ciśnieniowej.

Eksperymenty dichotyczne Cherry'ego

Oryginalna metoda Cherry’ego polegała na słuchaniu dichotycznym: odtwarzano różne komunikaty do każdego ucha przez słuchawki, a uczestnik miał powtarzać na głos (w czasie rzeczywistym) komunikat z jednego ucha, ignorując drugie. Uczestnicy potrafili z dużą dokładnością powtarzać komunikat skoncentrowany i po tym prawie nie raportowali żadnych informacji o treści niezauważonego kanału – nawet czy zmieniał się on z języka angielskiego na inny język. Jednakże, niezawodnie zauważali subtelne zmiany fizyczne zachodzące na niezauważonym kanale: zmianę głosu męskiego na żeński lub zamianę tonu czystego na mowę, co wskazuje, że niezauważony kanał jest analizowany na podstawowym poziomie akustycznym, nawet jeśli jego znaczenie nigdy nie dociera do świadomości.

Wczesny versus późna selekcja

Wyniki Cherry’s wywołały długą debatę na temat, gdzie w procesie przetwarzania uwagi filtrowane są niepożądane dane wejściowe. Model wczesnej selekcji zaproponowany przez Dona Broadbenta (1958) zakładał, że niechciane dane są blokowane na podstawowym etapie sensorycznym, wyłącznie na podstawie cech fizycznych takich jak ton lub położenie, zanim zostanie dokonana analiza ich znaczenia – co odpowiada sytuacji, w której słuchacze pomijają treści semantyczne, ale zauważają zmiany fizyczne. Jednak niezawodne spostrzeżenie, że własne imię przebija się z kanału nieuważnego uwagi (efekt imienia na przyjęciu, udowodniony eksperymentalnie przez Nevila Moraya w 1959), trudno jest pogodzić z surowo wczesnym filtrem, ponieważ wykrywanie własnego imienia wymaga przetwarzania strumienia nieuważnego pod kątem znaczenia na jakimś poziomie. Model atenuacji zaproponowany przez Anne Treisman (1964) zrezygnował z tego sporu: kanał nieuważny nie jest całkowicie blokowany, lecz wyciszany, co oznacza, że treści o wysokim priorytecie (Twoje imię, alarm pożarowy, zmiana cech fizycznych) mogą przebić się, jeśli są wystarczająco istotne i przekroczą obniżony próg wykrywalności.

Aspekty inżynierskie: rozdzielanie mieszanych źródeł

Analoga problemu cocktail party w przetwarzaniu sygnałów to rozdzielanie ślepych źródeł: przy użyciu jedynie nagrań z mikrofonów, które są mieszaniną kilku źródeł dźwięku, odzyskać poszczególne źródła bez znajomości ich wcześniej i sposobu ich mieszania. Niezależna Analiza Składowych (ICA) jest klasycznym podejściem – znajduje liniową dekonwersję, która sprawia, że odzyskane sygnały są statystycznie jak najbardziej niezależne, wykorzystując fakt, że rzeczywiste źródła mowy są bliskie statystycznej niezależności, podczas gdy ich miksy z mikrofonów nie są:

obserwowane mieszanki: x = A · s (A – nieznana macierz mieszania, s – nieznane źródła) ICA znajduje dekonwersję: W ≈ A⁻¹ taką, że y = W · x maksymalizując statystyczną niezależność między wierszami y (poprzez niegawornosłość, np. maksymalizację kurtóz lub negentropię) Nowoczesne słuchawki i przedramiona do rozpoznawania mowy wykorzystują powiązane koncepcje – beamforming z mikrofonowymi tablicami wykorzystuje wskazówki przestrzenne (te same różnice czasu i poziomu między uchem a uchem) w celu wzmocnienia docelowego kierunku i tłumienia innych, zasadniczo budując sztuczną, sterowaną wersję tego, co już robi Twój system słuchowy przy użyciu tylko dwóch odbiorników.

observed mixtures:   x = A · s        (A unknown mixing matrix, s unknown sources)
ICA finds unmixing:  W ≈ A⁻¹  such that  y = W · x
                      maximizing statistical independence between rows of y
                      (via non-Gaussianity, e.g. maximizing kurtosis or negentropy)

Co Twoje mózg rzeczywiście wykorzystuje

Ludzki selektywny uwaga opiera się na kilku wskazówkach jednocześnie: lokalizacja przestrzenna poprzez różnice w czasie i natężeniu między uchem, ton i jakość głosu, które pozwalają na ciągłe śledzenie harmonicznej struktury mówiącego przez czas, oraz przewidywanie językowe z góry (top-down), które wypełnia oczekiwane słowa nawet przy szumie lub nakładających się danych. Utrata wskazówki przestrzennej jest właśnie powodem, dla którego problem 'cocktail party' staje się znacznie trudniejszy podczas rozmowy telefonicznej lub w mono nagraniu – z jednym kanałem mózg traci najsilniejszą i najszybszą wskazówkę segregacji i musi polegać wyłącznie na przewidywaniu tonu i semantycznym.

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Cocktail Party Effect i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.