IT Literature Intelligence 终审版本 (VERIFIED) 论文编号: 339 | 原始基线: V0_ZCODE_BASELINE | 语义审核: pass | 图表审核: pass

Becoming a "Greeble" expert: exploring mechanisms for face recognition

Gauthier · Vision Research · 1997 · Zotero itemID=2709

这篇是 Gauthier 与 Tarr 用人工物体"Greebles"在实验室里"制造面孔专家"的首次尝试：让完全的新手通过几千个试次的下位水平命名训练成为 Greeble 专家，再用 Tanaka 的部分再认范式检验他们是否获得对部件构型变化的敏感性。结论是肯定的——只有专家、且只在直立呈现时表现出构型敏感性——从而提出面孔加工中著名的构型效应可能并非面孔专属机制，而是对视觉相似物体类别的长期经验把一般识别机制"调谐"出来的产物。这是知觉专长（perceptual expertise）研究路线的奠基之作，也是后来"fusiform face area 其实是专长区"争论的实验起点。

研究背景

Tanaka 等的部分再认范式是这篇文章直接对话的对象。Tanaka 与 Farah（1993）、Tanaka 与 Sengco（1996）用三种条件检验面孔部件（如"Jim 的鼻子"）的强迫选择再认：孤立呈现（nose alone）、在学习过的完整面孔上呈现（Studied configuration）、以及在构型被改变（如眼睛移开一点）的面孔上呈现（Transformed configuration）——关键在于目标与干扰部件本身在三种条件下完全相同，构型变化与判断所需的诊断信息无关。结果面孔部件在 Studied 配置下最易认、Transformed 次之、孤立最差，说明面孔部件不是独立表征的（所谓整体表征 holism）；而倒置面孔、打乱面孔和房子都测不出这种优势。这一"构型敏感性"常被引为面孔专属机制的证据。

但作者认为下结论为时过早：辨别面孔专属效应的前提是控制刺激在视觉同质性（faces 的特征相似且排布相似）、范畴化水平（面孔在极端下位水平识别，而日常物体在基本水平如"椅子"）与专长程度三个方面匹配。Diamond 与 Carey（1986）在狗种专家身上获得倒置效应，Rhodes 与 McLean（1990）在鸟类专家身上获得漫画优势，说明同类效应可在非面孔刺激上出现；但借助现成专家有三个限制——专家难招募、无法操纵专长的来源与水平、且狗评审的倒置效应需要约 10 年经验（这恰是儿童面孔编码达到成人水平所需的时间），实验时间尺度内难以企及。缺口由此明确：需要一种可以在实验室里从零训练出来的、与面孔在结构约束上匹配的同质物体类别，用它来检验"构型敏感性到底是不是面孔专属"。

研究思路

作者的总体策略是把 Tanaka 范式原封不动地搬到非面孔刺激上，同时把"专长"从固定属性变成可操纵的自变量。为此设计的核心是 Greeble 集合：60 个照片级真实感渲染的三维物体，改为“都有四个凸出部件（自上而下为顶部的一对 boges、中间的 quiff、底部的 dunth）”。附着在一个竖直中央部件上，沿两个正交的范畴维度组织——两种"性别"（部件一律朝上或朝下）× 五个"家族"（由五种中央部件形状定义），每个部件在集合内独一无二。这与面孔的约束一一对应：视觉同质、可在性别/家族/个体三个水平上命名（类似面孔的性别/身份判断）、个体水平是下位识别。实验预测也来自 Tanaka 范式的逻辑：若部件被独立编码，三种条件表现应无差别；若构型编码（部件位置相互依赖），则 Studied 最好，且这一模式应随专长出现、并只对直立刺激成立（专长应与朝向交互）。作者的辩护策略也值得注意——"只有当最好的控制条件都复现不出效应时才考虑特异机制"。

方法

32 名耶鲁大学本科生，16 人只作新手（novice）、16 人经训练成为专家（expert）。刺激在 Macintosh 上以 Alias Sketch! 渲染，紫色带纹理、约 6.5×6.5 cm，距屏 60 cm 约占 6.2°×6.2° 视角。训练与测试流程（Table 1）：改为“新手先学三种部件的通名，随后在 36 个学习试次内把 6 个具体直立 Greeble 的专名各学 6 遍”。，随后对直立 Greeble 做 54 个试次的部分强迫选择再认——每试次先看提示（如"PIMO'S BOGES"），屏幕上并排两图，按键判断哪边包含指定的目标部件；三种条件混入：Studied configuration（目标与干扰部件都在该 Greeble 完整构型中）、Transformed configuration（同一构型但顶部一对 boges 绕竖直轴朝前移 15°）、Isolated part（目标与干扰部件孤立呈现）。之后用 6 个新的倒置 Greeble 重复学习与测试。专家在此基础上增加专长训练：先学性别、家族、个体三级的名字，再以标签核验任务（500 ms 注视点→1000 ms 标签→250 ms 后呈现 Greeble，判断是否匹配）在三个水平上各练若干 60 试次的组；随后进入循环——180 试次个体水平加练，加 360 试次三级混合随机组。成为专家的标准是混合组中个体水平识别的平均反应时与至少另一个水平统计等价（成对 t 检验，p=0.05）；达到标准的平均训练量为 3,240 试次（2,700-5,400），分 7-10 个 1 小时会话（Fig. 3）。达标后用 12 个全新 Greeble（直立、倒置各 6 个）在与新手完全相同的程序下做部分再认测试。数据分析对正确试次反应时先做对数转换，再做朝向×条件×专长的三因素 ANOVA，关键比较用 Scheffé 事后检验。

主要结果

总体效应：专家显著快于新手（F(1,30)=8.21，P<0.01）、准确率边缘性更高（F(1,30)=3.65，P=0.06）；倒置 Greeble 的反应时反而更快（F(1,30)=18.42，P<0.001）——但作者把这一点归因于直立 Greeble 总是先测，被试到倒置时已练熟了任务本身，且准确率无差（F<1）；条件主效应在反应时与准确率上都显著（F(2,60)=38.84 与 9.07，均 P<0.001）。
孤立 vs Studied（物体优势，Fig. 4）：反应时上所有组（新手、专家；直立、倒置）在孤立条件下都更快——孤立呈现信息量少、加工负担小，这与准确率构成速度-准确率权衡。准确率上，方向在四组中都指向 Studied 配置更好，但只有"专家+直立"达到显著（Scheffé，P<0.05）；专家直立组的这一准确率效应无法用权衡解释——他们在倒置下反应时差异同样大、准确率效应却消失。作者还指出：创造 Greeble 的美工虽有大量一般性接触，达到专长标准的速度与完全新手无异（脚注），说明泛泛的经验不足以产生专长。
Transformed vs Studied（构型敏感性，Fig. 5）：新手在两种条件下无论准确率还是反应时都无可靠差异；专家在直立条件下于 Transformed 配置中的反应时显著慢于 Studied 配置（Scheffé，P<0.05）。对 log RT 的两因素 ANOVA 显示专长主效应 F(1,30)=10.8（P<0.005）、专长×条件交互 F(1,30)=3.85（P=0.059）；这一 Transformed-Studied 差异在三种类部件上方向一致（Table 2）。事后访谈：没有任何新手报告注意到部件被移动，而部分专家自发报告、且所有专家被问及时都承认注意到了这一 15° 的细微变化——尽管被试的任务是判断目标部件本身，构型变化与判断所需信息无关。
朝向特异性：专家的构型敏感性只在直立 Greeble 上出现，倒置下消失。综合起来，专家获得的不是"更快更准"这种量的变化，而是识别行为上的质变——如同 Stroop 干扰中的自动阅读，专家无法忽略在训练中已自动化的整体构型信息，即便忽略它对本任务更有效率。

图注解读

图 1 · 认识 Greebles

原文图注：FIGURE1.Meet the Greebles.Samuleobjectschosenfroma set of 60controlstimulifor faces. Eachobiectcan be categorized at the Greeble, family, gender, and individual levels. The Greebles were created by Scott Yu using Alias Sketch! three- dimensionalmodelingsoftware.

这张图展示 Greeble 集合的样例与层级结构：每个物体可依次在"是否为 Greeble"、家族、性别、个体四个水平上归类，图下方并排两个同性别同家族的个体以便读者感受"同类成员何其相似"。读图要点是记住两条设计约束：五个家族由中央部件形状定义、性别由部件朝向定义——这正是它对标面孔的"特征相似+构型相似"结构的全部底牌，支撑研究思路一节中的刺激匹配论证。

图 2 · 部件命名与强迫选择再认范式

原文图注：FIGURE 2. (a) Novel names assigned to the Greeble parts. (b) Example of the forced-choice recognition paradigm used to test novicesandexperts. Participantswere showna single Greebleat study andthenwere tested with pairs of images showinga part of the studied Greebleanda distracter part. Parts appearedin isolation,inthe Studied configuration,or a Transformedconfigurationand participantsjudged whether the left or right image contained the specified part from the studied Greeble. Arrows indicate the stimulus changes in the Transformed configuration. Note that while the 15deg rotation of the top parts is quite subtle, experts (but not novices) report noticing this change.

(a) 标出三种部件的无意义命名（boges、quiff、dunth）；(b) 以"pimo's quiff"为例演示学习-测试流程：学习阶段呈现单个 Greeble，测试阶段并排呈现目标部件与干扰部件的图像，三种条件（孤立、Studied、Transformed）只是背景不同、部件本身不变，箭头指出 Transformed 条件中顶部部件被移动的方向。读图关键是理解"构型变化与判断无关"这一操作要点——被试只需找出与学习过的 Greeble 相同的部件，若其对背景构型敏感，Transformed 条件就会拖慢反应。图中那 15° 的改动在视觉上相当隐蔽，图注点出了正文最重要的行为差异：专家（而非新手）报告注意到了它。

图 3 · 专长训练进程

原文图注：FIGURE3.Expertisetraining.Exampleof the progressionof responsetimesfor recognizingGreeblesat the gender,family,and individuallevels with increasing expertise.Data are shownfor one participantbecause participantsreached the criterion after different numbersof training sessions (see text for details regardingthe criterion).

横轴为训练会话（1-10），纵轴为反应时，三条曲线分别是性别、家族、个体水平的标签核验。读图要点：个体水平（下位识别）一开始明显慢于另两级，随着训练三条曲线逐渐汇合——汇合正是"专家标准"的操作定义（个体水平反应时与其他水平统计等价）。图之所以只展示一名被试，是因为各人达标所需会话数不同。这张图支撑方法部分对"专长"的经验定义：质变即下位与上位判别速度差消失。

图 4 · 孤立部件 vs Studied 配置：准确率与反应时

原文图注：FIGURE 4. Accuracy and response times for correct trials in the part-recognition test, for the Studied-configurationand Isolated-partsconditions.Resultsare reportedfor novicesandexpertswithbothuprightandinvertedGreebles.Errorbars reflect the standarderror between subjects,while the Scheff6tests are repeated measures.

四组（新手直立/倒置、专家直立/倒置）各给准确率与反应时两幅柱状图，比较 Studied 与 Isolated 两种条件，星号标注 Scheffé 检验 P<0.05 的比较。读图要点：反应时一律是孤立更快（速度-准确率权衡的"快"端），准确率则只有专家直立组的 Studied 柱显著更高。这张图支撑主要结果第 2 条——物体优势方向上普遍存在、但只有专长加直立才把它推过显著线，而朝向效应不能由权衡解释。

图 5 · Transformed 配置 vs Studied 配置：准确率与反应时

原文图注：FIGURE 5. Accuracy and response times for correct trials in the part-recognition test, for the Studied-configurationand Transformed-configurationconditions.Results are reported for novices and experts with both upright and inverted Greebles. Error bars reflect the standarderror between subjects,while the Scheff6tests are repeated measures.

结构与图 4 相同，只是比较对象换成 Studied 与 Transformed。这张图承载全文最核心的结论：新手两条件平齐；专家直立组 Transformed 柱的反应时显著更高（星号），倒置组无差异。它是"构型敏感性由专长产生、且朝向特异"这一主要结果第 3、4 条的直接证据，也是"面孔构型效应可以由非面孔专长复制"这一主张的图示版。

讨论

作者的解释分两层。行为层：物体优势（孤立-Studied 之差）主要取决于物体的视觉属性与任务本身而非专长水平，与 Gyoba 等的物体优越效应相通，Tanaka 等关于 6 岁儿童已有面孔物体优势的报告也提示它先于构型敏感性出现；而构型敏感性（Transformed-Studied 之差）则专属于训练后的专家，是质变而非量变。作者承认两处含混：其一，为何自己的效应出现在反应时而 Tanaka 的出现在准确率，心理物理模型很难先验预测效应落在哪个测量上；其二，本文直立与倒置测试未做被试间平衡，倒置不敏感的结论还需专门设计的反证。对 Tanaka 范式本身，作者提醒反应时通常未被报告，且用倒置/打乱面孔和房子做控制有先天缺陷——倒置面孔是过度学习刺激的"错误版本"，房子的类别变异又远大于面孔——全新物体才是干净的控制。神经生理层，作者引用 Perrett 与 Oram（面孔细胞对构型的敏感性可由对"组合特征"敏感的输入组合产生）、Tanaka（1996，IT 细胞的特征"字母表"）、Logothetis 与 Pauls（IT 神经元可对先前新异物变得高度选择、且视角依赖）以及 Schyns 与 Murphy（范畴化学习可催生新的知觉特征）串成一个猜想：专长训练使大量 IT 特征检测器对经常共同出现的部件组合产生调谐，由于这些检测器视角依赖，朝向变化破坏专家表现也就在预期之内。

一句话总结

在我看来，这篇的巧妙之处在于它没有直接攻击"面孔是否特殊"，而是把攻击点前移到方法学：先论证现有控制刺激不匹配，再造出一套匹配的刺激和一群可控的"专家"——结果构型敏感性照样被复制出来。它给出的机制隐喻（专长是自动化的、类 Stroop 的干扰源）也比我读过的多数整体性理论更可操作；当然注意其局限：交互效应本身只有 0.059 的边缘显著，且倒置测试缺乏平衡，"面孔特殊性"的争论在它之后还远未落幕。

审校与证据追溯 (Verification & Evidence)

图表审计结果

Fig1: 提取质量 good，对齐度 full，识别面板 []
Fig2: 提取质量 good，对齐度 full，识别面板 []
Fig3: 提取质量 good，对齐度 full，识别面板 []
Fig4: 提取质量 good，对齐度 full，识别面板 []
Fig5: 提取质量 good，对齐度 full，识别面板 []