3 czerwca 2013
Badanie hipotezy doliny niesamowitości oraz doświadczeń afektywnych wymaga zrozumienia wymiaru podobieństwa do człowieka (DHL) w ramach tej hipotezy. Niniejszy protokół umożliwia reprezentację DHL oraz badanie percepcji kategorycznej. Przedstawiono wykorzystanie tych samych bodźców oraz fMRI w celu rozróżnienia obszarów mózgu reagujących na zmiany fizyczne i kategoryczne.
Ogólnym celem niniejszej procedury jest zbadanie efektów percepcji kategorycznej wzdłuż wymiaru podobieństwa do człowieka w ramach hipotezy doliny niesamowitości. Jest to realizowane poprzez wstępne, staranne wygenerowanie ciągów morfologicznych reprezentujących wymiar podobieństwa do człowieka. Następnie ciągi morfologiczne są prezentowane w zadaniu kategoryzacji z wymuszonym wyborem.
Zadanie to służy do określenia, które bodźce są jednoznacznie kategoryzowane jako awatary oraz jako ludzie, a także do zdefiniowania położenia granicy kategorii. Następnie wybrany zestaw tych obrazów jest wykorzystywany w zadaniu dyskryminacji percepcyjnej. Zadanie to pozwala ustalić obecność i położenie granicy dyskryminacji percepcyjnej.
Wyniki pokazują, że granica rozróżniania jest zgodna z granicą kategorii. Zgodność granic wskazuje, że subiektywna percepcja obiektów w wymiarze podobieństwa do człowieka może być rozumiana w kategoriach psychologicznych efektów percepcji kategorycznej. Główną zaletą tej metody jest to, że umożliwia ona eksperymentalnie kontrolowaną, precyzyjną manipulację wyglądem przypominającym ludzki.
Jest to istotne dla zrozumienia subtelnych zależności między postrzeganym podobieństwem do człowieka a doświadczeniami i zachowaniami związanymi z efektem niesamowitości. Wizualna demonstracja tej metody stanowi podstawę do krytycznej dyskusji w towarzyszącym artykule na temat zastosowania tej metody w badaniach nad doliną niesamowitości. Należy rozpocząć od wybrania par obrazów ludzi i awatarów, które będą służyć jako punkty końcowe każdego kontinuum w procedurze morphingu. Zacznij od punktu końcowego reprezentującego człowieka.
Wybierz zdjęcie nieznanej osoby o charakterystycznej twarzy z neutralnym wyrazem i bezpośrednim spojrzeniem. Nie powinny być widoczne żadne inne istotne cechy, takie jak zarost czy biżuteria. W przypadku obrazu końcowego dla postaci nie-ludzkiej wygeneruj twarz awatara pasującą do twarzy ludzkiej.
Zmodyfikuj każdą twarz awatara tak, aby ściśle odpowiadała odpowiadającej jej ludzkiej twarzy pod względem wieku i ogólnej geometrii twarzy. Dopasuj poziomy kontrastu i ogólną jasność każdej pary twarzy rodziców. W tym przypadku odcień skóry twarzy rodzica awatara został dopasowany do odpowiadającej jej ludzkiej twarzy rodzica.
Za pomocą oprogramowania do edycji zdjęć należy wykadrować zewnętrzne cechy twarzy, nakładając na obraz formę eliptyczną. Następnie należy dostosować ostateczne położenie obrazów, aby zapewnić wyrównanie ogólnej geometrii twarzy między każdą parą obrazów końcowych. Po przygotowaniu obrazów należy użyć oprogramowania do morphingu, aby umieścić punkty kontrolne na cechach twarzy rodzicielskich.
Na każdej twarzy rozmieszcza się około 20 punktów na ustach, po 18 na każdym oku, 20 na nosie i po osiem na każdej brwi. Po wyznaczeniu tych punktów obrazy są gotowe do morfingu. W ten sposób dla każdego kontinuum tworzy się 13 różnych obrazów zmorfowanych, oznaczonych od M 0 do M 12.
Zastosowano dwie twarze rodzicielskie i 11 morfów pośrednich, jak pokazano tutaj; przeprowadzono zadanie klasyfikacji z wymuszonym wyborem między dwiema alternatywami. Uczestnik ocenia, czy każdy obraz morfa przedstawia twarz awatara czy twarz człowieka. Po zgłoszeniu gotowości uczestnik ogląda sekwencję prób.
Każda próba rozpoczyna się od wyświetlenia punktu fiksacyjnego przez 500 milisekund, po czym następuje wyświetlenie obrazu morficznego przez 750 milisekund. Po każdym obrazie uczestnik odpowiada, naciskając odpowiedni przycisk. Następnie, po pewnym czasie, rozpoczyna się kolejna próba.
Dane klasyfikacji awatara i człowieka analizuje się za pomocą regresji wielomianowej w celu opisania kształtu funkcji odpowiedzi. Aby przygotować to samo zadanie różnicowania percepcyjnego, należy wybrać dwa morfy wcześniej skategoryzowane jako awatary oraz dwa jako kontrolę ludzką w celu uwzględnienia różnic fizycznych, wybierając morfy reprezentujące równoważne przyrosty zmian fizycznych wzdłuż każdego kontinuum; zgodnie z prezentacją stosuje się przyrosty wynoszące 33%. Następnie wybrane morfy sortuje się w pary zgodnie z trzema eksperymentalnymi warunkami par morfów.
Warunek „takie same” (same), w którym pary morfów są identyczne, nie reprezentując żadnej zmiany fizycznej ani kategorialnej; warunek „wewnątrz” (within), w którym pary są dobierane z wnętrza jednej kategorii; oraz warunek „pomiędzy” (between), w którym pary reprezentują różne kategorie. W przypadku kategorii awatarów należy dopilnować, aby pierwszy morf każdej pary twarzy w trzech warunkach był zawsze M four. Tę samą procedurę można zastosować dla par morfów w odniesieniu do kategorii ludzi, dbając o to, aby pierwszym morfem był zawsze M eight.
Przeprowadza się zadanie dyskryminacji percepcyjnej typu „taki sam – inny”. Uczestnik wskazuje za pomocą przycisku, czy twarze w każdej parze są takie same, czy różne pod względem wyglądu. Po zgłoszeniu gotowości uczestnikowi wyświetlana jest sekwencja prób dla każdej próby.
Krzyżyk fiksacyjny jest wyświetlany przez 500 milisekund, po czym przez 500 milisekund prezentowana jest pierwsza twarz z pary twarzy, a następnie następuje 300 milisekundowy odstęp międzybodźcowy z pustym ekranem. Następnie pojawia się druga twarz z pary, po której uczestnik decyduje, czy twarze w parze są takie same, czy różne. Przed rozpoczęciem kolejnej próby następuje przerwa trwająca 2 500 milisekund.
Dokładność rozróżniania jest analizowana dla par twarzy przekraczających granicę kategorii w porównaniu z parami twarzy znajdującymi się po tej samej stronie granicy. Dane dla prób z awatarami i prób z ludźmi są traktowane oddzielnie w analizie; przedstawione tutaj wyniki są reprezentatywne dla zadania kategoryzacji z wymuszonym wyborem. Są one zaprezentowane w formie procentowego udziału odpowiedzi, w których twarz została skategoryzowana jako ludzka.
Pełna niebieska linia przedstawia dopasowaną krzywą odpowiedzi logistycznej, której nachylenie odzwierciedla sigmoidową funkcję skokową zgodną z obecnością a. Niebieska linia przerywana pokazuje szacowaną pozycję granicy kategorii, co wskazuje, że maksymalna niepewność na poziomie 50% w osądach kategoryzacyjnych wiąże się z pozycją numer sześć. W tych wynikach zadania kategoryzacji z wymuszonym wyborem najdłuższy średni czas reakcji wiąże się z pozycją morfu numer sześć.
Jest to zgodne z występowaniem największej niepewności i najtrudniejszych osądów kategoryzacyjnych w tej pozycji morfologicznej. Reakcje dyskryminacyjne w tym samym zadaniu różnicowania percepcyjnego pokazują, że dokładność rozróżniania par twarzy, które znajdują się po obu stronach granicy kategorii w warunkach „between”, jest większa niż w przypadku par twarzy wybranych z wewnątrz kategorii ludzi i awatarów. Zgodnie z większą dokładnością dyskryminacji na granicy kategorii, czas reakcji przy ocenie par twarzy przekraczających granicę kategorii w warunku „between” jest krótszy niż w przypadku twarzy wybranych z wnętrza jednej kategorii.
Przy stosowaniu tej procedury największą trudnością jest generowanie wielu kontinuów morficznych tworzących homogeniczny zestaw bodźców eksperymentalnych. Słaba kontrola nad bodźcami eksperymentalnymi może wprowadzić zmienne zakłócające i artefakty, które silnie wpływają na subiektywne postrzeganie podobieństwa do człowieka. Towarzyszący artykuł omawia te powiązane kwestie.
Niniejsze badanie analizuje hipotezę doliny niesamowitości poprzez badanie wymiaru podobieństwa do człowieka w kontekście percepcji kategorycznej. Protokół obejmuje generowanie kontinuów morficznych oraz wykorzystanie fMRI do zidentyfikowania obszarów mózgu reagujących na zmiany w wyglądzie fizycznym i kategorii.
Zrozumienie percepcji kategorycznej w wymiarze podobieństwa do człowieka dostarcza wiedzy niezbędnej do projektowania humanoidalnych awatarów i interfejsów robotycznych stosowanych w szkoleniach biofarmaceutycznych, angażowaniu pacjentów oraz zastosowaniach terapeutycznych. Brak spójności między realizmem fizycznym a granicami percepcyjnymi może wywołać awersję, co zmniejsza akceptację użytkowników oraz skuteczność cyfrowych narzędzi zdrowotnych. Niniejsza metoda umożliwia kontrolowaną manipulację wyglądem w celu zidentyfikowania progów percepcyjnych, które wspierają pewność predykcyjną w projektowaniu interakcji człowiek-komputer.
Metoda ta wspiera wczesne etapy odkrywania poprzez umożliwienie testowania hipotez dotyczących efektów kategorii percepcyjnych, informowanie o gotowości testu do przesiewowej oceny odpowiedzi użytkownika oraz dostarczanie ilościowych wyników dokładności rozróżniania, które kierują decyzjami go/no-go w rozwoju terapii cyfrowych.