riepilogo: Un nuovo studio rivela che il cervello dà priorità al ricordo di immagini difficili da interpretare. I ricercatori hanno utilizzato un modello computazionale ed esperimenti comportamentali per dimostrare che le scene più difficili da ricostruire per il modello erano più memorabili per i partecipanti.
Questa scoperta aiuta a spiegare perché certe esperienze visive rimangono nella nostra memoria. Lo studio potrebbe anche aiutare nello sviluppo di sistemi di memoria di intelligenza artificiale.
Aspetti principali:
- Configurazione della memoria: Il cervello tende a ricordare immagini difficili da spiegare o interpretare.
- Modello computazionale: È stato utilizzato un modello che gestisce la compressione e la ricostruzione del segnale visivo.
- Effetti dell’intelligenza artificiale: gli approfondimenti possono aiutare a creare sistemi di memoria più efficienti per l’intelligenza artificiale.
fonte: Yale
La mente umana filtra un flusso di esperienze per creare ricordi specifici. Perché alcune esperienze in questo diluvio di informazioni sensoriali diventano “memorabili”, mentre il cervello ne ignora la maggior parte?
Un modello computazionale e uno studio comportamentale sviluppati dagli scienziati della Yale University indicano nuove prove per questa antica domanda, riportano nella rivista. La natura del comportamento umano.
“La mente dà priorità al ricordo di cose che non riesce a spiegare bene”, ha affermato İlker Yildirim, assistente professore di psicologia presso il College of Arts and Sciences della Yale University e autore senior dell’articolo. “Se la scena è attesa, invece di sorprendere, potrebbe essere ignorata”.
Ad esempio, una persona potrebbe essere brevemente confusa dalla presenza di un idrante in un ambiente naturale remoto, rendendo l’immagine difficile da interpretare e quindi non memorabile. “Il nostro studio ha esplorato la questione di quali informazioni visive possano essere ricordate integrando un modello computazionale della complessità della scena con uno studio comportamentale”, ha detto Yildirim.
Per lo studio, condotto da Yildirim e John Lafferty, professore di statistica e scienza dei dati presso l’Università di Yale, i ricercatori hanno sviluppato un modello computazionale che affrontava due fasi nella formazione della memoria: compressione e ricostruzione dei segnali visivi.
Sulla base di questo paradigma, hanno progettato una serie di esperimenti in cui è stato chiesto alle persone se ricordavano immagini specifiche da una serie di immagini naturali presentate in rapida successione. Il team di Yale ha scoperto che quanto più difficile era per il modello computazionale ricostruire l’immagine, tanto più probabile era che i partecipanti ricordassero l’immagine.
“Abbiamo utilizzato il modello AI per cercare di far luce sulla percezione delle scene da parte delle persone, e questa comprensione potrebbe aiutare a sviluppare sistemi di memoria AI più efficienti in futuro”, ha affermato Lafferty, che è anche direttore del Center for Neural Computing. e Machine Intelligence presso il Wu Tsai Institute dell’Università di Yale.
Gli ex studenti laureati di Yale Chi Lin (psicologia) e Zifan Lin (statistica e scienza dei dati) sono i primi autori di questo articolo.
A proposito di queste novità sulla ricerca sulla memoria visiva
autore: Bill Hathaway
fonte: Yale
comunicazione: Bill Hathaway-Yale
immagine: Immagine accreditata a Neuroscience News
Ricerca originale: Accesso chiuso.
“Immagini con rappresentazioni visive difficilmente ricostruibili lasciano tracce più forti nella memoria“Di İlker Yildirim et al. La natura del comportamento umano
un sommario
Immagini con rappresentazioni visive difficilmente ricostruibili lasciano tracce più forti nella memoria
Gran parte di ciò che ricordiamo non è dovuto a una scelta deliberata, ma è semplicemente un sottoprodotto della percezione.
Ciò solleva una domanda fondamentale sulla struttura della mente: in che modo la percezione interagisce e influenza la memoria?
Qui, ispirandoci alla classica proposta che collega l’elaborazione percettiva alla robustezza della memoria, teoria del livello di elaborazione, introduciamo un modello di codifica sparsa per comprimere le caratteristiche di incorporamento delle immagini e mostriamo che i residui di ricostruzione di questo modello predicono quanto bene le immagini sono codificate nella memoria.
Su un set di dati aperto e memorizzabile di immagini di scena, mostriamo che l’errore di ricostruzione spiega non solo l’accuratezza della memoria ma anche la latenza della risposta durante il recupero, inclusa, in quest’ultimo caso, tutta la varianza spiegata da robusti modelli di sola visione. Confermiamo anche la previsione di questo resoconto attraverso la “psicofisica basata su modelli”.
Questo lavoro identifica l’errore di ricostruzione come un segnale importante che collega percezione e memoria, possibilmente attraverso la modulazione adattiva dell’elaborazione cognitiva.
