智能科學技術導論-周樂昌-第05講 視覺感知

2024年3月29日發(作者：擺渡人主題曲)

第05講視覺感知

導語

在人類心智的機器模似研究中，恐怕沒有那個方面

像在視覺上那樣取得如此巨大的實際應用性成功了。不

僅如此，視覺感知能力是人類獲取環境信息的主要渠道，

在人類感知外部世界中起者舉足輕重的作用。因此，作

為對人類心智模擬的首要方面，也作為機器感知的典型

代表，我們就從機器視覺方面來還是我們智能科學研究

的講述。為此，首先還是讓我們具體先來看一看人類豐

富的視覺現象吧！

第5.1節視覺機制

在漫長的進化歷程中，我們發展了精妙的視覺系統，

使得我們的視覺能力適應在復雜環境中獲取有益于更

好生存的視覺信息。因此，對于視覺而言，捕捉環境變

化中的意義是第一位的，而沒有意義的視覺信息是可以

被忽略的，事實上也確實被忽略了。英國心理學家

Gregrory在《eyesand Brains》一書中指出：“感官接受

的是生動的圖案，但是我們很少看圖案，我們看的是事

物。相對來說，圖案是無意義的標記的組合，而事物除

了具有感官特征以外，還有許多其它特征。”

對于人類視覺系統這種關注事物意義而忽略無意

義的視覺信息的功能，幾乎發展到了無以復加的地步。

美國心理學家卡洛琳·布魯墨在《視覺原理》一書的開

頭就強調指出：“人的頭腦從外來的刺激中“毫無節制”

地產生著含意。這是一個事實，你所無法逃脫的過程，

不管你愿意或不愿意都在發生著的活動。你的頭腦不斷

賦予外界事物以含意——以致有時候這些含意本不存

在，完全是你的幻想創造出來的。”

坐在長椅上的男人

一條覓食的鬣狗

說明這種“無中生意”的極好例子是“坐在長椅上的

男人”幻像。如圖所示，除了一些在黑背景中的白斑塊外，

原本什么也沒有畫，但您卻能從這幅圖中看出意義來：

一位坐在長椅上的男人形象。其實這也不是什么新鮮事，

讀者或許在生活中早有這樣的經驗：從天上的飄云中看

出各種你所熟悉的造形；在斑駁的墻上看到了人物肖像、

各種動作各異的動物形體；甚至還會為自然界形成的奇

石怪峰，牽強附會地來冠以石猴、石龜、二郎探母等名

號，等等。

無中生有的視覺示例

不僅如此，對于一幅視覺圖案，含義的理解還存在

著畫面意義和畫外之音的區分。例如就以右圖而言，光

憑圖案本身的識別并不能得出其所要發生的一切內容，

只有根據知識和經驗并加以推斷，才能獲得更全面的意

義領會，其中包括那只鸕鶿隨時將會捕捉水中小魚的預

期意義。

正在捕魚的鸕鶿

有時，視覺圖案的意義往往存在多重選擇性，對其

含義的確切把握不僅依賴于主觀心理定勢，而且也依賴

于圖案本身所提供視覺刺激的微小變化。例如對于圖右，

你可以看作是一位標致的年輕女子微微轉過臉去的側

身像，又可以看作是一位老婦人的側身像。

少女與老婦

但如果給圖案稍稍改變；那么你就不再會有這種二

難選擇的困難了，參下面的兔鴨圖（b）。此時圖（a）

只能被理解為鴨子而圖（ｃ）也只能被理解為兔子。

a b c

兔鴨圖

當然，對于有多種理解的情形，有時主觀意向或意

念也會起到重要作用。只有當一個意念，在一定的環境

因素觸動之下，被動的圖案及其環境與其發生關系時，

才會突現出來，成為最終理解的結果含義。

環帶上凹凸的小球

遺憾的是，我們對人類的這種視覺理解的發生機制

的規律還知之不多，但有一點可以肯定的，這其中包含

了非線性突變的因素，即微小的擾動可以引起完全不同

的理解結果。這種現象我們也稱之為蝴蝶效應，指的是

對初始條件的敏感依賴性，是不可預測性的。所謂“差之

毫厘，失之千里”指的就是這種效應。西方有一首民謠唱

到：

釘子缺，蹄鐵卸；蹄鐵卸，戰馬蹶；

戰馬蹶，騎士絕；騎士絕，戰事折；

戰事折，國家滅。

形象生動地講的也就是這個道理。

圖案多重理解的困難還不僅于此，有時對于歧義圖

案的多重選擇也存在歧義。也就是說不是所有的歧義圖

案都具有確定的幾種含義可供選擇，有時連有幾種意義

本身也是含糊不清的。下一頁給出了三種不同類型的歧

義圖案，其中（ａ）圖屬于“含糊不清”型歧義圖，你無

法知道應該將此圖案理解為幾個人臉；（ｂ）圖則屬于

“多重選擇”型歧義圖，其具有二個相互獨立的并且是排

他性的含義，主觀理解了其一種含義就不會產生第二種

含義；（ｃ）圖屬于“一圖雙關”型歧義圖，就象一語雙

關的句子一樣，其同時給出了二個以上含義。于此可見，

歧義圖案的理解問題遠遠要比我們想象的還要復雜，而

這一切又不過只是我們全部視覺思維機制的一部分。

a.有多少張人臉？

b.大號演奏家還是美女c.既是箭頭又是小人

在視覺圖案的理解把握中，除了對意義本身理解困

難外，在視覺思維中還有一個機器所要面臨的更大困難，

那就是機器如何能象人類那樣具備觀看圖案的意圖。很

明顯，圖案隱含著一定的含義這是意義把握問題；而觀

察者愿意不愿意以及基于什么樣的目的去理解圖案則

是觀察者的意圖問題，這種觀察意圖直接影響了對圖案

的理解結果。

產生一個意圖

有時即使遇到像右圖那樣具有不可整合的認知圖

例，在無法完成有意義形象的感知時，我們的視覺系統

也不會一味地死心眼陷于困境而不能自拔，而是會產生

一個新的意圖跳出任務，干脆不再去作無謂的觀看了。

在人類視覺認知活動中，對圖案觀察的深度和詳細

程度往往是依賴于所要完成的任務的，一旦任務完成，

觀看者就不再會去費思耗神作額外的分析理解去把握

不必要的意義。對于給定視覺認知任務，你會發現，當

觀看者完成任務后（正確報告了要求回答的結果），對

圖形本身的形狀和布局依然知之甚少，這說明一旦達到

了目的，觀察者是不會再作任何進一步的觀看理解的。

歸納起來，人類視覺機制涉及整體知覺、主觀意念，

多重選擇和意圖行為等問題。就感知層面而言，即使不

考慮主觀意念，多重選擇和意圖行為等這些高級思維層

次的認知機制，其中的整體知覺也是不可回避的核心機

制。那么，人類視覺又是如何實現這種整體知覺機制的

呢？機器視覺從中又能獲得哪些啟示呢？下面，我們就

圍繞著視覺整體知覺能力，來展開分析。

請觀看右圖，我想人們總是將其看作為一個貓頭鷹

而不是有字母、線條、圓點部分構成的拼圖，這就是整

體知覺效果的結果。也就是說，人們在把握視覺刺激時，

并不是以自下而上逐個分析來獲得生動的形象的，而是

同時將整幅圖案進行整合感知為有意義的形象。我們具

有整體知覺能力。

貓頭鷹簡筆畫

的確，就我們的視覺系統而言，對視覺對象的識認