Lec 5 视觉 I：从光子到皮层表征（Vision I）

MIT 9.00 · Introduction to Psychology · 主讲 John Gabrieli

TL;DR

• 视觉并非照相机式的物理复刻，而是大脑通过无意识推断（亮度恒常性与边缘反差比计算）在神经约束下对外界的主动重构。
• 视网膜完成感光与初级信号分离：视锥细胞（中央凹、高敏锐度、色觉）与视杆细胞（外周、高汇聚度、弱光敏感）经由小细胞（P）与大细胞（M）通路分别投向外侧膝状体（LGN）。
• 初级视皮层（V1）保留视网膜拓扑映射与中央凹放大效应，简单细胞与复杂细胞以线段朝向选择性（orientation selectivity）提取几何基元。
• 视觉信息在纹外皮层分裂为双流：腹侧流（"What"）负责物体与身份识别，背侧流（"Where / How"）负责空间定位与动作导向，患者 D.F. 确立了知觉感知与动作控制的经典双重分离。

1. 核心问题

• 核心问题：视觉的计算目标是什么？大脑如何将视网膜上二维、倒置、受环境光强剧烈干扰的不完整光影信号，转化为对三维物理世界中物体身份（What）与动作导向（Where / How）的稳定知觉？
• 为什么这不是显而易见的：常识与朴素经验论（如洛克的“白板说”）倾向于将视觉体验当作对物理世界的直接镜像——眼睛如同镜头，视网膜如同胶片，外界物体原样被摄入脑中。然而，物理刺激极不确定：阳光下的黑煤块反射到视网膜上的光子数量，比昏暗室内白纸反射的光子数量多出整整 10 倍以上；但在人类知觉中，煤块永远是黑的，白纸永远是白的。人类拥有近乎奇迹般的知觉恒常性（亮度恒常性、形状恒常性、大小恒常性），这证明知觉体验是由神经回路通过特定计算法则主动“建构与推断”出来的，而非被动吸收光子。
• 与前后讲次的衔接：Lec 3 与 Lec 4 建立了大脑的功能定位原理与研究方法体系。本讲将这些原理应用于最核心的感觉系统——视觉（占据灵长类大脑皮层 55% 以上的神经元），系统刻画从光感受器到初级视皮层（V1）的前馈处理，并在高级皮层引出腹侧流与背侧流的功能分野。这直接为 Lec 6 视觉 II（高阶物体识别、面孔加工与失认症）以及 Lec 8 意识（盲视与注意忽视）奠定了必不可少的解剖与计算基石。

2. 核心概念

概念	一句话定义	易混淆点
知觉恒常性（Perceptual Constancy）	尽管近端感觉输入（视网膜图像）随光照、距离、视角剧烈变动，知觉系统仍能将物体物理属性（明度、形状、大小）保持恒定的能力	不是物理刺激未发生改变，而是大脑通过上下文与边缘反差比主动抵消了观察环境的干扰
视杆细胞 vs. 视锥细胞（Rods vs. Cones）	视网膜的两类光感受器：视杆细胞（约 1.2 亿）专司暗视觉与运动检测；视锥细胞（约 600 万）专司高空间敏锐度与色彩视觉	空间分布极不对称：视网膜中央凹（fovea）几乎全是密集的视锥细胞，绝无视杆细胞；视杆细胞全部分布在外周视网膜
视网膜汇聚度（Retinal Convergence）	多个光感受器连接到单个双极细胞与神经节细胞的比例	视杆系统呈高汇聚度（数百个细胞汇聚到一个 RGC，牺牲空间分辨率换取微弱光线感知）；中央凹视锥系统呈 1:1 低汇聚度（确保极高分辨度）
大细胞通路 vs. 小细胞通路（M vs. P Pathways）	从视网膜经 LGN 到皮层的两条并行前馈通路：大细胞通路（M）专司大感受野、快速瞬态、运动与低对比度；小细胞通路（P）专司小感受野、慢响应、细节形态与波长色彩	并非一条只负责黑白、一条只负责彩色；M 通路是大脑背侧流（空间与行动）的输入底座，P 通路是腹侧流（形态与身份识别）的输入底座
视网膜拓扑映射与中央凹放大（Retinotopy & Foveal Magnification）	视野相邻区域的投射在视皮层表面依然保持相邻的几何拓扑关系，且中央凹占据不成比例的庞大皮层代表区	拓扑映射并不等于皮层是一张均匀缩放的地图：中央凹视野占视网膜面积不足 1%，却在 V1 霸占了约 10% 的皮层表面
朝向选择性（Orientation Selectivity）	V1 神经元只对视野中特定角度倾斜的光条或边缘发生最强放电反应的电生理特性	视网膜神经节细胞与 LGN 细胞的感受野呈同心圆拮抗（对光点敏感）；直到 V1 简单细胞层，神经元才首次涌现出对“线段朝向”的特征检测
腹侧流 vs. 背侧流（Ventral vs. Dorsal Stream）	视觉皮层后期的双流分离：枕颞腹侧通路（"What"）负责物体语义与面孔识别；枕顶背侧通路（"Where / How"）负责三维空间定位与实时动作导向	传统认知常把背侧流局限于“空间位置在哪里”，现代神经科学更强调其作为“动作视觉（Vision for Action）”的执行控制角色
巴林特综合征（Bálint's Syndrome）	双侧顶枕叶损伤导致的综合征，表现为“看得到但抓不准”（视运动失调）、注视失用以及只能看到单个物体的同时失认	患者能准确命名手边的单个物体（腹侧流完好），却完全丧失在三维空间中引导手眼协调的能力（背侧流损毁）

3. 证据链

研究：亮度恒常性与边缘反差比计算（Hering, Wallach 经典实验与 Cornsweet 效应）

• 设计：在室内灯光与室外直射日光下，测量黑白物体反射的绝对光子流（物理亮度）。在实验中，将同一灰度的色块放置在不同明暗的背景环境中；另设计 Craik-O'Brien-Cornsweet 渐变阶梯刺激，中央两侧物理反射率完全一致，仅在交界处设置细微的非对称亮度对比梯度。
• 结果：测量显示，室外阳光下的黑煤块反射的光子流可达 $10,000\text{ units}$，而室内白纸反射的光子流仅为 $1,000\text{ units}$（煤块物理亮度为室内白纸的 10 倍）。但人类观察者在两处均毫无迟疑地将煤块判定为黑色、纸张判定为白色。在 Cornsweet 刺激中，仅凭交界边缘的反差台阶，观察者感知到整块左半区显著亮于右半区，即便两区域中部的客观亮度完全相同。
• 推论：视觉系统并非一台光度计，它放弃了对绝对光强（luminance）的忠实记录，转而计算跨边缘的相对亮度反差比（contrast ratios across edges）。通过将局部对比度归一化，大脑自动剥离了全局光照强度的变化，用无意识推断还原出物体固有的表面反射率（reflectance）。
• 局限：单纯依赖边缘比率的局部计算在极端阴影或人造光斑环境下可能产生视觉错觉（如 Adelson 棋盘阴影错觉），说明高阶视觉仍需结合场景的三维几何推断。

研究：光感受器的视网膜空间马赛克与汇聚比（Curcio et al., 1990; Osterberg 经典解剖）

• 设计：通过扫描电子显微镜（SEM）与视网膜切片荧光染色，测量人类视网膜从中央凹中心（0°）向鼻侧与颞侧边缘延伸过程中，视锥细胞与视杆细胞的密度分布分布曲线及与双极细胞的汇聚关系。
• 结果：中央凹（fovea）中央约 0.5 毫米无血管区（foveal avascular zone）内，视锥细胞密度高达 $150,000/\text{mm}^2$ 以上，且为 1:1 的直接突触连接；该区域完全没有视杆细胞。在偏离中央凹 20° 处，视杆细胞密度达到峰值（超过 $150,000/\text{mm}^2$），并以数百比一的极高汇聚比汇聚到视网膜神经节细胞（RGC）。
• 推论：视网膜演化出双重感光机制：中央凹专司白昼高照明下的极限空间细节与色彩分辨；周边外周专司夜间微弱光子的信号空间叠加（高敏感度）与全局动态警报。
• 局限：视神经纤维总数（约 100 万）成为信息传输的绝对物理瓶颈，视网膜必须在眼球内预先完成大量空间低通滤波与侧抑制边缘锐化。

研究：外侧膝状体（LGN）的双通路解剖与电生理分层（Hubel & Wiesel, 1961; Schiller et al.）

• 设计：对猕猴外侧膝状体 6 个细胞层进行单细胞微电极记录，测量第 1–2 层（腹侧大细胞层，Magnocellular, M 层）与第 3–6 层（背侧小细胞层，Parvocellular, P 层）神经元在感受野大小、时间响应动力学、色彩波长敏感度及光强对比度响应上的差异。
• 结果：
  • M 神经元（大细胞）：感受野直径为 P 细胞的 3 倍，放电呈短暂爆发性（phasic/transient），对极低反差（$<10\%$）高度敏感，完全不区分颜色波长（色盲），对高频闪烁与运动刺激强烈放电。
  • P 神经元（小细胞）：感受野极小，放电呈持续平稳（tonic/sustained），仅在反差较高时响应，表现出强烈的红-绿/蓝-黄光谱对立拮抗，在灵长类 LGN 中数量占总数的 90% 左右。
• 推论：高级视觉处理中的“形态/色彩”与“空间/运动”在进入大脑皮层前，就已经在丘脑中被打包进物理隔离的传输电缆。
• 局限：LGN 接受大量来自皮层的反馈投射（皮层向 LGN 发送的轴突数远多于 LGN 投向皮层的轴突数），LGN 不只是被动中继站，其选通门控机制在早期实验中被低估。

研究：V1 神经元朝向选择性与功能柱结构（Hubel & Wiesel, 1959, 1962 诺贝尔奖工作）

• 设计：麻醉猫或猴，微电极刺入初级视皮层（V1 / 纹状皮层），屏幕上投射不同几何参数的光学刺激（白光光斑、弥散光、不同朝向的移动光带或边缘黑白交界）。
• 结果：弥散光照射在 V1 神经元上几乎诱发不出放电反应；圆斑光点仅引起微弱响应。只有当一条具有特定角度倾斜（如顺时针 45°）的光带掠过其感受野时，细胞爆发剧烈电位序列（达数十至数百 spikes/sec）；将光带旋转 90°，放电完全消失。Hubel & Wiesel 将其分类为：
  • 简单细胞（Simple cells）：具有明确的平行动作性“开/关（ON/OFF）”空间子区，由排成一线的若干 LGN 感受野中心线性汇聚整合而成；
  • 复杂细胞（Complex cells）：感受野内无固定开关子区，对特定朝向的光带在感受野内部任意位置的平移运动持续放电。
• 推论：视觉皮层通过前馈级联网络（feedforward hierarchical cascade），将低级的圆点光斑信号计算合成为线段、边缘与方向矢量，迈出了从“像素感知”向“形状表征”跃迁的第一步。
• 局限：该模型将早期视觉刻画为纯粹自下而上的被动滤波管道，未能充分解释自上而下注意调制与眼动微跳动（microsaccades）在维持视皮层放电中的关键作用。

研究：视网膜拓扑投射与皮层放大因子的物理证明（Tootell et al., Science, 1982）

• 设计：让猕猴注视一个包含放射状车轮辐条与同心圆的几何闪烁图案，同时静脉注射放射性标记物 $^{14}\text{C}$-2-脱氧葡萄糖（2-DG）。由于放电剧烈的神经元会大量摄取葡萄糖，随后解剖平铺猴初级视皮层，利用放射自显影胶片显影。
• 结果：显影后的 V1 扁平皮层上，清晰、无失真地显印出了猕猴注视的同心圆与放射线图案！然而图案发生了惊人的几何形变：中央凹注视点附近的圆环被放大占据了巨大的皮层面积，而视野外周的几何图形被急剧压缩在皮层边缘。
• 推论：该实验提供了无可辩驳的物理证据：V1 是视网膜外部几何空间的精确拓扑保角映射（retinotopic map），且人脑对注视点施加了极端的**中央凹放大（foveal magnification）**资源倾斜。
• 局限：2-DG 实验为终点死后测量，只能记录静态刺激下的累积代谢，无法反映毫秒级神经动态通讯。

研究：猴大脑双流损毁分离实验（Ungerleider & Mishkin, 1982; Pohl, 1973）

• 设计：训练猕猴完成两类行为学测试：
  1. 物体辨别任务（Object discrimination / What）：在两个形状不同的盖子（如三角柱 vs. 方块）中选择藏有食物的特定形状盖子；
  2. 地标位置任务（Landmark task / Where）：在两个完全相同的盖子中，选择距离圆柱形地标柱最近的那个盖子。 随后，对两组猴分别手术切除双侧下颞叶皮层（IT，腹侧流通路终点）或双侧顶后皮层（Parietal，背侧流通路终点）。
• 结果：
  • 切除下颞叶皮层的猴子，完全丧失了物体辨别能力（无法区分三角柱还是方块），但能够完美完成地标位置距离判断；
  • 切除顶后皮层的猴子，完全丧失了地标空间距离判断能力（不知道哪只盖子离地标更近），但依然能毫无困难地按物体形状准确找出食物。
• 推论：在大脑皮层层面上，处理“物体是什么”（腹侧流）与处理“物体在哪里/空间几何关系”（背侧流）是由解剖上完全分离的平行神经通路所独立执行的，构成完美的双重分离（double dissociation）。
• 局限：猴子地标测试中受试动物依然需要伸出前肢推开盖子，空间定位损伤是否掺杂了运动动作规划缺陷？这催生了后来 Goodale & Milner 对人类临床病例的细化研究。

研究：知觉与动作的分离——患者 D.F. 邮槽实验（Goodale & Milner, Trends Neurosci, 1992）

• 设计：患者 D.F. 因一氧化碳中毒造成双侧外侧枕叶（腹侧流）广泛损伤，而背侧顶叶通路完好。实验设置一个可任意旋转角度倾斜的圆形狭缝板（类似邮筒投信口）。进行两项平行任务：
  1. 感知匹配任务（Perception match）：让 D.F. 手持一张卡片，在不接触狭缝的情况下，用手转动卡片角度去“口头/手势匹配”狭缝的倾斜方向；
  2. 邮寄动作任务（Posting action）：让 D.F. 手持卡片，从一段距离外迅速将卡片直接插入狭缝中。
• 结果：
  • 在纯知觉匹配任务中，D.F. 表现彻底处于随机水平，她完全看不出、也无法比划出狭缝是垂直、水平还是倾斜了 45°；
  • 然而，在真正的“插入动作”任务中，一旦 D.F. 启动手部动作，她手掌的翻转角度在飞行过程中精准自适应狭缝的角度，如同正常人一样流畅无误地一杆入洞！
• 推论：传统“Where”系统的命名被彻底修正：背侧流不仅计算物体在哪里，更是一套无意识的动作视觉系统（Vision for Action），能够直接提取三维物体朝向与抓握尺度，为肢体动作提供实时的在线控制，且这一过程可以完全独立于有意识的形态感知。
• 局限：D.F. 的病灶是由缺氧造成的弥散性损伤，虽然 MRI 证实主要累及枕颞腹侧皮层，但仍难以排除其他伴随亚临床微小损伤。

4. 理论交锋

立场 A	立场 B	哪些证据能区分二者
客观主义“白板摄录说”（Locke）：知觉是大脑对外部物理世界的忠实复刻，感觉器官直接传达客观真实	格式塔主观构造论与生态合成论：外部输入充满欠定性（underconstrained），知觉是大脑在神经架构限制下建构的推断模型	亮度恒常性实验、Cornsweet 错觉、视网膜盲点充填：物理上煤块反射光强远高于室内白纸，但主观感知却颠倒物理光强；知觉完全依赖边缘反差比与无意识推断，证实白板摄录说完全破产
经典“What vs. Where”模型（Ungerleider & Mishkin, 1982）：腹侧流处理物体形态，背侧流唯一负责三维空间坐标定位	“知觉视觉 vs. 动作视觉”（Goodale & Milner, 1992）：背侧流的核心职能是实时引导运动系统的抓握、避障与操作（Vision for Action）	患者 D.F. 邮槽投递实验：D.F. 无法觉知插槽的空间朝向（Where/What 形态皆不可见），但动作抓握与插入却完美执行；证明背侧流处理的是供肢体交互的运动几何参数，而非抽象空间知觉
纯粹前馈特征层级模型（Hubel & Wiesel 简单前馈流）：视觉识别是由视网膜 $\to$ LGN $\to$ V1 简单细胞 $\to$ 复杂细胞单向堆叠抽象出的结果	预测编码与循环反馈模型（Predictive Coding）：视皮层充满自上而下的预测信号，高阶区域向低阶区域的反馈连接数量远超前馈连接	灵长类解剖学显示 V1 接受来自 V2/V4 的反馈轴突数量是 LGN 前馈轴突的 10 倍以上；周围情境抑制与双眼竞争实验表明低阶细胞放电强烈受到高阶预期与注意的实时抑制调制

5. 分析层次

• 分子与受体层面：视紫红质（rhodopsin）与视锥色素（三色视蛋白：S/M/L 对应蓝/绿/红）吸收光子诱发 11-顺视黄醛异构化，触发 G 蛋白级联反应关闭钠通道，导致光感受器超极化并减少谷氨酸释放。
• 神经回路与通路层面：视网膜神经节细胞的中心-周边同心圆拮抗（侧抑制）；LGN 的 6 层物理分化（1-2 大细胞层，3-6 小细胞层）；视交叉鼻侧纤维交叉与对侧皮层投射。
• 皮层微柱与拓扑图层面：V1 纹状皮层内的眼优势柱（ocular dominance columns）、朝向功能柱（orientation columns）与代谢旺盛的富含细胞色素氧化酶的“色斑（blobs）”；中央凹视网膜拓扑放大效应。
• 认知表征与行为系统层面：亮度恒常性中的边缘反差推断；空间导航避障 vs. 物体类别细化识别；患者 D.F. 的动作-知觉分离证明大脑存在两套互不通用的三维物理模型。

6. 边界与失效情形

8. 自测

核心选择题（OCW Check Yourself 考点）

1. 人类视网膜上的三种视锥细胞（Cones）各自吸收不同波长光谱的光线，下列哪种颜色并不是视锥细胞直接针对的光谱敏感类型？

   • A. 蓝色（短波长，S 视锥）
   • B. 绿色（中波长，M 视锥）
   • C. 红色（长波长，L 视锥）
   • D. 黄色
   • 答案：D。视网膜仅包含红（L）、绿（M）、蓝（S）三种视锥细胞，黄色感知是由红光视锥与绿光视锥同时激活后在大脑神经节细胞与皮层中计算出的对立感知。

2. 如果一名患者发生单侧脑卒中，导致左侧视束（Left Optic Tract）完全被切断，该患者的视野将会出现什么结果？

   • A. 左眼彻底失明，右眼完全正常
   • B. 右视野同向偏盲（两只眼睛均看不到右侧半个视野）
   • C. 双眼周边视野丧失（管状视野）
   • D. 丧失立体视觉但保留双眼全视野
   • 答案：B。左侧视束携带来自左眼颞侧与右眼鼻侧视网膜的纤维，全部汇集了右侧视野的光学信号；因此左侧视束切断会导致两眼右侧视野彻底全盲。

3. 根据 Goodale & Milner 对患者 D.F. 的经典研究，腹侧流（Ventral stream）受损但背侧流（Dorsal stream）完好的患者在完成邮槽实验时，会出现哪种表现？

   • A. 能够口头准确说出狭缝是垂直还是倾斜，但手部插入动作完全笨拙抓不准
   • B. 无法口头或手势感知狭缝的倾斜角度，但在抓握卡片并插入狭缝的过程中，手掌朝向旋转完全准确流畅
   • C. 无法辨认物体颜色，但能在几何上分辨任何不规则多边形
   • D. 只能看清狭缝的边缘，但丧失对物体的立体深度感知
   • 答案：B。此即知觉意识（Perception）与动作执行（Action）的解剖双重分离。

9. 待解决问题

• 特征绑定问题（The Binding Problem）：在 V1 中被拆解成朝向、颜色（blobs）、运动（M 通路）的离散物理属性，以及在后期分流到颞叶和顶叶的信息，究竟在大脑何处、以何种神经同步机制被重新“黏合”为一个统一无缝的物体意识？
• 皮层反馈连接的功能奥秘：高阶视皮层向初级视皮层 V1 发送的反馈轴突数量十倍于前馈轴突，这种海量反馈在无外部光线输入的“视觉想象（visual imagery）”与梦境中扮演了什么精确的计算角色？

10. 参考文献

• 讲义幻灯片：9.00sc-fall-2011/static_resources/caa500908dc7fdfe57e61847adf8276e_MIT9_00SCF11_lec05_vis1.pdf
• 课程官方页面：9.00sc-fall-2011/pages/vision-i/index.html（配套视频讲座：v4ur5mna060）
• 主要教材参考：
  • Kosslyn & Rosenberg [K&R], Chapter 3: "Sensation and Perception: How the World Enters the Mind"
  • Bear, M. F., Connors, B. W., & Paradiso, M. A. (2007). Neuroscience: Exploring the Brain (3rd ed.). Chapter 9 & 10.
• 引用经典文献：
  • Hubel, D. H., & Wiesel, T. N. (1959). Receptive fields of single neurones in the cat's striate cortex. The Journal of Physiology, 148(3), 574–591.
  • Hubel, D. H., & Wiesel, T. N. (1962). Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. The Journal of Physiology, 160(1), 106–154.
  • Tootell, R. B., et al. (1982). Deoxyglucose analysis of retinotopic organization in primate striate cortex. Science, 218(4575), 902–904.
  • Ungerleider, L. G., & Mishkin, M. (1982). Two cortical visual systems. Analysis of Visual Behavior, 549–586.
  • Goodale, M. A., & Milner, A. D. (1992). Separate visual pathways for perception and action. Trends in Neurosciences, 15(1), 20–25.
  • Wallach, H. (1948). Brightness constancy and the nature of achromatic colors. Journal of Experimental Psychology, 38(3), 310–324.
  • Cornsweet, T. N. (1970). Visual Perception. Academic Press.
  • Curcio, C. A., et al. (1990). Human photoreceptor topography. Journal of Comparative Neurology, 292(4), 497–523.