Magnetic Field Strength: Measuring and Calculating Magnetic Fields

Переповнена кімната, один голос

Уявіть собі кімнату з десятком одночасних розмов і зможете, за бажанням, налаштуватись на одного мовця, а решту – розмити на фоновому бabbлі — і якщо хтось із іншого боку кімнати називає ваше ім’я, ваша увага миттєво звернуться до нього, незважаючи на те, що ви раніше не приділяли йому уваги. Коліна Чері назвав це ефектом вечірньої веселощів у 1953 році, і це одна з найдавніших проблем у дослідженнях слухової уваги, оскільки вона здається легкою, але є обчислювально складною: мозок повинен розрізняти перекривні звукові джерела, використовуючи лише дані від двох вух щодо хвилі тиску.

Експерименти Черрі з дихотичним прослуховуванням

Спочатку метод Черрі полягав у дихотичному прослуховуванні: відтворювали різні повідомлення в кожному вусі через навушники та просили слухача повторювати (shadowing) повідомлення з одного вуха в реальному часі, ігноруючи інше. Слухачі могли точно повторювати повідомлення, на яке звертали увагу, але після цього майже нічого не повідомляли про вміст незверненого каналу – навіть те, чи змінювалося воно з англійської на іншу мову. Однак, вони надійно помічали низькочастотні фізичні зміни на незверненому боці: перехід від чоловічого до жіночого голосу або чистого тону замість мовлення, що свідчило про те, що незвернений канал аналізується на певному примітивному акустичному рівні, хоча його значення ніколи не досягає усвідомлення.

Ранній проти пізнього вибору

Результати Черрі запустили довгу дискусію про те, де в контурі обробки уваги відфільтровується небажаний вхід. Модель раннього вибору Дональда Бродента (1958) припускала, що нездійснені сенсорні дані блокуються на базовому сенсорному рівні, виключно на основі фізичних характеристик, таких як висота тону або положення, до того, як їх значення аналізується – що відповідає тому, що слухачі пропускають семантичний зміст, але помічають зміни у фізичних особливостях. Однак надійне виявлення власної назви, яка проривається з нездійсненого каналу (ефект імені на вечірці, продемонстрований експериментально Невілем Мореєм у 1959 році), важко узводити до строгого раннього фільтра, оскільки виявлення власної назви потребує обробки нездійсненого потоку для значення на певному рівні. Модель атенюації Енн Трісман (1964) узгодила обидва підходи: нездійснений канал не блокується повністю, а лише приглушується, тому високопріоритетний зміст (ваше ім’я, сигнал пожежної тривоги, зміна фізичних особливостей) все ще може пробитися крізь нього, якщо він достатньо виразний, щоб перевищити знижений поріг виявлення.

Технічний аспект: розділення змішаних джерел

Аналогія обробки сигналів задачі про «вечірку з басами» полягає в розділенні сліпих джерел — відновленні окремих джерел сигналу лише на основі записів мікрофона, які є сумішами кількох джерел, не знаючи заздалегідь, що це за джерела та як вони змішуються. Незалежне компонентний аналіз (НКА) — класичний підхід — знаходить лінійну декомпресію, яка робить відновлені сигнали максимально статистично незалежними, використовуючи той факт, що справжні мовні джерела близькі до статистичної незалежності, а їхні мікрофонні суміші – ні:

спостережувані суміші: x = A · s (A - невідома матриця змішування, s - невідомі джерела) НКА знаходить декомпресію: W ≈ A⁻¹ таку що y = W · x максимізуючи статистичну незалежність між рядками y (за допомогою некогерентності, наприклад, максимізуючи куртизність або негаентропію) Сучасні слухові аппарати та фронтенди розпізнавання мови використовують пов'язані ідеї — спряження з мікрофонними масивами, яке використовує просторові ознаки (ті ж інтермірна затримка та рівень відмінності, які використовують ваші два вуха), щоб підсилити цільовий напрямок і приглушити інші, по суті, будуючи штучну, керовану версію того, що вже робить ваша аудіальна система лише з двома приймачами.

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)

Що насправді використовує ваш мозок

Людина здійснює вибіркове увагу, спираючись одночасно на кілька сигналів: просторове положення через різниці у часі та рівні між вухами, висоту звуку та якість голосу, що дозволяють постійно відстежувати гармонічну структуру одного мовця в часі, і топо-нижню лінгвістичну передбачуваність, яка заповнює очікувані слова навіть при шумному або перекритому вході. Втрата просторового сигналу саме тому ускладнює проблему «вечірньої крамниці» під час телефонного дзвінка або в монозапису – з одним каналом мозок втрачає найсильніший, найшвидший сигнал сегментації та змушений покладатися лише на висоту та семантичну передбачуваність.

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Cocktail Party Effect і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.