Lec 7 注意：瓶颈、结合与意识门控（Attention）

MIT 9.00 · Introduction to Psychology · 主讲 John Gabrieli

TL;DR

• 注意是感知与记忆的核心门控机制（gatekeeper）：单纯海量曝光无法建立长期记忆（硬币辨识实验），唯有投入注意才能将信息编码进认知系统。
• 鸡尾酒会效应与双耳分听实验证明，未被关注的通道虽无法产生意识报告，却能在无意识下被浅层语义加工并影响后续行为决策（MacKay 歧义词偏误实验）。
• 特征整合理论（FIT）确立了前注意加工（单特征并行搜索，弹出效应）与注意加工（双特征串行搜索）的分水岭；注意如同“胶水”将分散在大脑各处的朝向与色彩粘合成连贯客体。
• 注意在时间（注意瞬目 200–500ms）与空间（多目标追踪极限约 4 个）上存在刚性容量瓶颈，但该认知容量受神经可塑性调节，动作类视频游戏训练能显著扩展追踪上限。

1. 核心问题

• 核心问题：面对每秒涌入感官的海量物理世界信号，心智如何选择性地聚焦于极小一部分，同时过滤掉其余信息？未被注意到的信息是彻底消失了，还是仍在潜意识中悄然运算？
• 为什么这不是显而易见的：常识内省给我们的幻觉是“我看见了眼前的全景世界”。然而，实验表明我们关注的比自己以为的要少得多（例如天天使用的硬币却无法画出图案细节；视野中飞过一只大猩猩却视若无睹）；同时，我们关注的又比自己以为的要多得多（在喧闹嘈杂的人群中，他人轻轻念出你的名字会瞬间捕获你的意识）。心智必须在“防止认知超载（过滤瓶颈）”与“保留生存突发警报（潜意识监控）”之间达成精密计算平衡。
• 与前后讲次的衔接：Lec 5 视觉 I 与 Lec 6 视觉 II 建立了初级视觉皮层至高级物体/面孔识别的前馈回路。但大脑并不对视野内所有物体进行同等全量计算——本讲引入的“注意”机制正是分配有限皮层算力的调度核心。这直接为 Lec 8 意识（盲视与单侧忽视） 中顶叶损伤导致的注意“脱离（disengage）”失败，以及 Lec 10 记忆 I 中 Sperling 感觉记忆如何被注意选通进入短时记忆，架设了关键桥梁。

2. 核心概念

概念	一句话定义	易混淆点
双耳分听与追随程序（Dichotic Listening & Shadowing）	被试双耳同时佩戴耳机收听不同语音流，被要求大声跟读（追随）其中一耳的信息并忽略另一耳	忽略耳的信息并非彻底被物理隔绝：虽然语言类别与语义内容无法报告，但物理特征（声音音调、性别转换、突然静音）依然能被察觉
早期选择 vs. 晚期选择模型	过滤器位于知觉初级物理分析阶段（Broadbent）还是位于语义分析与工作记忆准入阶段（Deutsch-Norman）	现代神经科学证明注意门控具有高度弹性：强认知负荷下呈早期外周过滤，低负荷下语义自动泄漏激活
特征搜索 vs. 结合搜索（Feature vs. Conjunction Search）	单一维度（仅颜色或仅形状）目标在背景中自动“弹出”的并行搜索 vs. 必须组合两个以上维度特征的逐项串行搜索	特征搜索反应时与干扰项数量无关（平坦斜率，约 0ms/item）；结合搜索反应时随干扰项线性增加（陡峭斜率，约 20–40ms/item）
错觉结合（Illusory Conjunction）	当注意负荷过高或曝光时间极短时，原本属于不同物体的特征被错误地拼接在同一个客体上	不是眼花或视力障碍，而是特征抽取与特征绑定（binding）在神经计算上分离的直接证明
斯特鲁普效应（Stroop Effect）	印刷字本身的字义（如红字印成“蓝”）与要求命名的墨水颜色冲突时，命名反应时间显著延长的现象	反映了高度过度学习的自动化加工（阅读文字）在竞争中默认压倒受控的有意识加工（命名颜色）
注意瞬目（Attentional Blink）	在快速序列视觉呈现（RSVP）中，成功识别第一个目标（T1）后约 200–500 毫秒内，对第二个目标（T2）的识别率暴跌的现象	不是眨眼造成的生理失明，而是大脑在将 T1 巩固写入短时工作记忆期间出现的暂时性中枢注意瓶颈
多目标追踪（Multiple Object Tracking, MOT）	在众多物理外观完全相同的移动干扰球中，持续用注意力锁住数个特定目标球的认知任务	常人容量上限通常被锁定在 3–4 个独立物体，反映了背侧顶叶离散注意力指针（FINST）的神经上限

3. 证据链

研究：双耳分听与忽略耳的语义泄漏（Cherry, 1953; MacKay, 1973; Eich, 1984）

• 设计：被试通过耳机两耳同时接收不同音频流。在 Cherry 经典范式中，被试必须实时大声跟读（shadow）关注耳的句子，主试在未关注耳施加各种操纵（改变说话人性别、倒放语音、从英语切换为德语）。在 MacKay (1973) 实验中，关注耳播放带有歧义的双关句（如 "The man approached the bank"，bank 可指银行或河岸），未关注耳同时微弱播放单侧语义线索词（"money" 或 "river"）。在 Eich (1984) 实验中，未关注耳播放同音异义词短语（如 "taxi fare"），事后测试拼写（fair vs. fare）。
• 结果：
  • Cherry 实验中，被试完全没有意识到未关注耳语言从中英文切换或倒放，但能立刻察觉男女声转换或纯音频纯音切换；
  • MacKay 实验中，被试事后对未关注耳是否有词汇完全没有自觉记忆，但在对 "bank" 句子进行释义改写时，听见 "money" 的被试压倒性地改写为“去储蓄所”，听见 "river" 的被试压倒性地改写为“去河岸边”；
  • Eich 实验中，被试在独立拼写测试中表现出 41% 的同音词偏向（将 fair 拼写为 fare），而显式再认准确率仅为 12%（接近随机猜测水平）。
• 推论：未被意识注意到的感觉流并没有在耳蜗处被彻底掐断；它能够自动沿着前馈层级激活大脑颞叶的深层语义联想网络，并在个体毫无察觉的情况下，实质性地偏置高级语言理解与行为决策。
• 局限：如果未关注耳的刺激显著性极强（例如叫受试者自己的名字），会直接穿透过滤器诱发注意力转移（鸡尾酒会效应），说明注意过滤器并非刚性封闭。

研究：海量曝光下的注意盲目——硬币记忆实验（Nickerson & Adams, 1979）

• 设计：挑选美国成年人每天接触、使用过成千上万次的一美分硬币（Lincoln penny）。呈现 15 种硬币线图（其中只有一种包含林肯肖像朝向、"LIBERTY" 铭文位置、"IN GOD WE TRUST" 弧形排布等正确细节，其余 14 种为常见要素位置颠倒的干扰项），要求被试挑出正确图案，并尝试凭记忆徒手画出一枚硬币。
• 结果：少于一半的被试能够挑出正确的一美分硬币，大部分人挑选的准确率处于猜测水平，徒手画出的硬币要素严重残缺且位置错乱。
• 推论：纯粹的感觉曝光完全不能等同于认知习得。大脑为了节能，日常仅提取能够区分物体的最低限度特征（如硬币的颜色与尺寸）；若无自上而下主动分配注意的深入编码，经历数万次注视的客体细节依然无法被固化为长期表征。
• 局限：这是一项回忆/再认实验，不能说明被试无法在真实找零场景中快速识别真币；它证明的是注意对“情境记忆细节构建”的必要性。

研究：催眠对斯特鲁普效应冲突与前扣带回的解除（Raz et al., PNAS, 2005; 2008）

• 设计：选取高催眠感受性与低催眠感受性受试者，在进入 fMRI 扫描前给予后催眠暗示：“当你看到屏幕上的文字时，它们只是一些毫无意义的外国符号，你并不认识这些字符，你只需关注字体的颜色”。随后完成经典色词斯特鲁普任务（红字印成“蓝”）。
• 结果：
  • 低催眠受试者在催眠前后均表现出强大的斯特鲁普干扰（反应时延迟约 100–120ms）；
  • 高催眠受试者在接受暗示后，斯特鲁普干扰效应从 157ms 骤降至 5ms（几乎彻底归零！）；
  • fMRI 扫描显示，原本在色词冲突时剧烈激活的**背侧前扣带回（dACC，冲突监测中枢）**放电活动在暗示后被彻底压制关闭。
• 推论：高度自动化的认知进程（如熟练阅读者的字义解码）并非神经系统不可干预的死脑筋机制；强大的自上而下认知心向（top-down mental set）能够在极高位阶直接下调甚至关闭低阶自动化通路的冲突输出。
• 局限：该效应高度依赖被试的催眠易感特质（仅在极少数高度易感人群中出现），不具备全人群无门槛普遍性。

研究：特征整合理论与错觉结合实验（Treisman & Gelade, Cognitive Psychology, 1980）

• 设计：视觉搜索实验。屏幕上呈现不同数量（set size: 1, 10, 30）的图形符号。
  1. 特征搜索（Feature search）：在一堆绿色字母“O”中寻找红色字母“O”（单颜色维度），或在一堆“X”中寻找一个“O”（单形状维度）；
  2. 结合搜索（Conjunction search）：在一堆红“O”和黑“X”中寻找一个红“X”（必须同时绑定“红色”与“X形”两个独立维度）。 在闪烁刺激实验中，在屏幕中央短暂呈现两个数字，两侧伴随数个带有不同颜色的字母（如绿色罗马数字、红色货币符号），要求被试优先报告中央数字，再汇报两侧符号。
• 结果：
  • 特征搜索中，反应时曲线完全平坦（无论干扰项是 1 个还是 30 个，找到目标均只需约 400ms，呈现瞬间弹出效应）；
  • 结合搜索中，反应时随着屏幕上符号数量增加而呈极其严格的线性上升趋势（斜率约为每增加一个干扰项需多耗费 20–40ms）；
  • 短暂闪烁实验中，被试准确汇报了中央数字，但两侧符号频繁出现错觉结合（illusory conjunction）：他们极其笃定地坚称自己看到了一个“红色的美元符号”（实际上屏幕上只有绿色的美元符号和红色的圆圈）。
• 推论：人类视觉系统对颜色、朝向、运动的抽取在初级阶段由分散的神经微柱并行完成（前注意阶段）；必须借助**空间注意聚焦区（spatial spotlight）**的逐项扫描，才能把属于同一空间坐标的离散特征“黏合”为统一的客体意识。当注意力被中央数字剥夺时，未结合的自由特征发生随机漂移与伪结合。
• 局限：生态环境中常见物体（如成熟苹果）往往具备自然语义强先验，此时语义自上而下的预期会显著加速结合搜索，降低对纯空间逐项扫描的依赖。

研究：快速序列视觉呈现中的注意瞬目（Raymond, Shapiro, & Arnell, 1992）

• 设计：在计算机屏幕同一位置，以每秒 10 个项目（每个字符呈现约 100ms）的极高速度连续闪烁字母流（RSVP 范式）。要求被试完成双重任务：第一目标 T1 是夹杂在黑色字母中的唯一一个白色字母；第二目标 T2 是在 T1 之后某个时间间隔（lag）出现的黑色字母“X”。测量不同刺激呈现间隔（Stimulus Onset Asynchrony, SOA: 100ms 到 800ms）下，被试在正确报告 T1 前提下对 T2 的检出准确率。
• 结果：如果 T2 紧跟在 T1 后第一个位置（lag 1，间隔 100ms），T2 检出率相对较好（lag-1 幸存效应）；但在 200–500ms（lag 2–5） 这一时间窗口内，被试对 T2 的检出率出现断崖式下跌，许多被试完全不知道有 T2 出现；直到 700ms 之后，识别率才恢复至基线水平。
• 推论：注意不仅在空间上具有瓶颈，在时间维度上同样存在严苛的神经耐受期。一旦中央注意资源被卷入将 T1 编码巩固为持久工作记忆的“写入（consolidation）”过程，注意闸门将对后续 200–500ms 内涌入的高速知觉信号暂时关闭。
• 局限：如果 T2 具备极强的情绪唤醒度（例如换成被试的名字或令人震惊的威胁词），注意瞬目现象会被显著削弱，说明生存相关信号可强行劫持瓶颈通道。

研究：动作视频游戏对多目标追踪上限的可塑性重塑（Green & Bavelier, Nature, 2003; Cognition, 2006）

• 设计：多目标追踪（Multiple Object Tracking, MOT）实验。屏幕上有 16 个完全相同的绿色圆球在做复杂的布朗运动碰撞。测试初始阶段，其中 1–7 个小球短暂闪烁黄色标记为“追踪目标”，随后恢复为绿色并混杂运动 5 秒；运动停止后，要求被试点击指出最初被标记的目标。对比两组被试：经常玩动作射击类游戏（如《使命召唤》《虚幻竞技场》）的玩家 vs. 非玩家。在因果干预实验中，招募非玩家随机分配为两组：一组每天练习 1 小时第一人称射击游戏（共 30 小时），控制组练习等时长的经典消除游戏《俄罗斯方块》（Tetris）。
• 结果：普通非玩家在追踪目标数超过 3–4 个时准确率急剧跌入随机猜测；而动作游戏玩家能同时准确追踪 6–7 个独立移动目标。在随机对照干预中，接受 30 小时动作游戏训练的原本不玩游戏的受试者，多目标追踪容量与视野外周注意广度显著提升；而玩 30 小时俄罗斯方块的控制组没有任何提升。
• 推论：注意力的时空容量瓶颈并非一成不变的生物学硬枷锁；高负荷的复杂视觉-运动交互训练能够通过神经可塑性显著增强顶叶皮层的空间注意力分配效率与皮层资源复用率。
• 局限：这种提升能否全面泛化至现实学业成绩、深度长程阅读注意力或多动症（ADHD）临床干预，目前在教育神经科学界仍存争议。

4. 理论交锋

立场 A	立场 B	哪些证据能区分二者
早期选择理论（Broadbent, 1958）：过滤发生在知觉识别之前，未经注意的信息在物理特征提取后彻底被阻断	晚期选择理论（Deutsch & Norman, 1967）：所有感觉输入均自动进入高阶语义分析，注意仅在决定哪个信息进入意识反应时进行筛选	MacKay 歧义词偏误与 Eich 拼写偏好实验：被试在未关注耳完全没有意识觉知，但语义输入（money/river）却系统性改变了对 bank 的释义，证明早期物理过滤假说破产；然而注意瞬目（AB）与极高负荷盲视证明大脑算力不足时早期阶段依然会发生截断
特征整合理论（Treisman 空间胶水说）：客体识别必须依赖空间焦点注意力在同一视网膜位置进行串行装配	神经同步假说（Singer & Engel 动态时间绑定）：客体绑定是由表征不同特征的神经元网络在伽马频段（40Hz）的毫秒级位相同步实现的，无需纯空间焦点	错觉结合实验：在微秒级时间内限制注意，分离特征发生随机串位拼接，证明空间注意是特征绑定的关键必要条件；但神经同步机制为这种注意聚焦提供了生理实施载体
自动化不可渗透说（Automaticity as Inflexible）：过度练习形成的自动化神经回路（如阅读字义）完全自发运行，高级意识无法阻断其输出	自上而下自发可控说（Top-down Controllability）：哪怕是最自动化的反应，在极端认知定势或神经调控下依然可以被重设	Raz 等人的催眠斯特鲁普实验：在高催眠易感被试中，一句“字只是无意义符号”的暗示使斯特鲁普冲突完全归零，fMRI 证明前扣带回冲突信号被直接消解，彻底否定了绝对不可渗透说

5. 分析层次

• 神经与神经递质层面：蓝斑核去甲肾上腺素系统（LC-NE）调节警觉网络；基底前脑乙酰胆碱系统（ACh）增强局部皮层对感觉输入的信噪比；前扣带回（ACC）与背外侧前额叶（DLPFC）执行认知冲突监测与注意自上而下重分配。
• 皮层功能网络层面：由顶内沟（IPS）和额叶眼动区（FEF）构成的背侧注意网络负责自上而下的目标导向搜索；由颞顶交界区（TPJ）和腹外侧前额叶构成的腹侧注意网络负责突发显著刺激的重定向（环境再捕获）。
• 计算与认知算法层面：特征整合理论中的“前注意并行滤波”与“空间焦点串行粘合”算法；显著图（Saliency Map）计算与中心-周边反差竞争。
• 行为与现实交互层面：鸡尾酒会多声源交谈追随；驾驶员在打电话（哪怕使用免提耳机）时发生的“非注意盲视”（视网膜捕捉到刹车灯但未进入反应系统）；动作游戏经验对视觉广度的重塑。

6. 边界与失效情形

8. 自测

核心选择题与案例分析

1. 在经典的双耳分听（Dichotic Listening）跟读实验中，当向未被关注的耳朵输入下列哪种变化时，受试者通常最不可能自发察觉到？

   • A. 说话者的声音突然从男声变成女声
   • B. 说话声突然变成一阵尖锐的高频纯音
   • C. 说话的内容悄悄从英语切换成了流畅的德语，但语调和音色完全不变
   • D. 声音从常人音量突然提高到极高分贝的呐喊
   • 答案：C。物理声学特征（音调、性别、音量、纯音）可在前注意阶段被听觉外周检测到；而语言语义规则（英语切换为德语）属于未受关注通道无法通过的高阶分析层。

2. 根据 Treisman 的特征整合理论（FIT），为什么在一堆红色方形和绿色圆形中寻找一个“红色圆形”会比在一堆红色方形中寻找一个“绿色方形”慢得多，且耗时随目标数量显著增加？

   • A. 因为绿色对人眼的刺激不如红色敏感
   • B. 因为前者需要空间注意力串行地将“红色”与“圆形”两个独立维度在同一位置绑定起来
   • C. 因为方形比圆形具有更多的角，占用了更多的初级皮层资源
   • D. 因为大脑先天的形状检测通路慢于色彩检测通路
   • 答案：B。前者为结合搜索（Conjunction search），颜色与形状独立编码，必须依赖空间注意力聚焦区逐一扫描绑定；后者为单特征搜索（Feature search），存在弹出效应。

3. 在快速序列视觉呈现（RSVP）实验中，“注意瞬目（Attentional Blink）”通常发生在第一目标（T1）呈现之后的哪个时间窗口内？

   • A. 0–50 毫秒
   • B. 200–500 毫秒
   • C. 1000–1500 毫秒
   • D. 3 秒以上
   • 答案：B。T1 编码巩固至工作记忆的中枢瓶颈通常持续约 200–500ms，在此区间内呈现的 T2 检出率受到系统性压制。

9. 待解决问题

• 自上而下注意力的神经振荡机制：额顶网络究竟如何通过特定的节律（如低频 Alpha 抑制与高频 Gamma 增强）在数十毫秒内实现对感觉皮层的动态门控增益？
• 数字时代注意力碎片化的神经表观遗传后果：长期处于高频多任务切换与碎片化信息刺激下的儿童与青少年，其前额叶-顶叶注意力网络的突触修剪与髓鞘化进程是否发生了不可逆的结构性重塑？

10. 参考文献

• 讲义幻灯片：9.00sc-fall-2011/static_resources/a4eb1079226055a8b05fb1ce56f5d397_MIT9_00SCF11_lec07_attn.pdf
• 课程官方页面：9.00sc-fall-2011/pages/attention/index.html（配套视频讲座：7dfed28b 单元）
• 主要教材参考：
  • Kosslyn & Rosenberg [K&R], Chapter 3: "Sensation and Perception: How the World Enters the Mind"
  • William James (1890). The Principles of Psychology. Chapter XI: "Attention".
• 引用经典文献：
  • Cherry, E. C. (1953). Some experiments on the recognition of speech, with one and with two ears. The Journal of the Acoustical Society of America, 25(5), 975–979.
  • MacKay, D. G. (1973). Aspects of the theory of comprehension, memory and attention. Quarterly Journal of Experimental Psychology, 25(1), 22–40.
  • Nickerson, R. S., & Adams, M. J. (1979). Long-term memory for a common object. Cognitive Psychology, 11(3), 287–307.
  • Stroop, J. R. (1935). Studies of interference in serial verbal reactions. Journal of Experimental Psychology, 18(6), 643–662.
  • Raz, A., et al. (2005). Hypnotic suggestion reduces conflict in the human brain. Proceedings of the National Academy of Sciences, 102(28), 9978–9983.
  • Treisman, A. M., & Gelade, G. (1980). A feature-integration theory of attention. Cognitive Psychology, 12(1), 97–136.
  • Raymond, J. E., Shapiro, K. L., & Arnell, K. M. (1992). Temporary suppression of visual processing in an RSVP task: An attentional blink? Journal of Experimental Psychology: Human Perception and Performance, 18(3), 849–860.
  • Green, C. S., & Bavelier, D. (2003). Action video game modifies visual selective attention. Nature, 423(6939), 534–537.
  • Green, C. S., & Bavelier, D. (2006). Enumeration versus multiple object tracking: the case of action video game players. Cognition, 101(1), 217–245.
  • Dehaene, S., et al. (2001). Cerebral mechanisms of word masking and unconscious repetition priming. Nature Neuroscience, 4(7), 752–758.