两条描述了人类知觉的定律，终于统一了

一盏灯有多亮？左边的灯光比右边的更亮吗？这两个问题虽然听起来相似，但一直以来，神经科学家需要使用两种不同的数学定律，来分别描述对刺激强度的绝对衡量（例如从1到10来评判灯泡的亮度）的能力，以及对两种刺激进行相对比较（例如识别更亮的灯泡）的能力。

简单来说，感官属性的知觉，通常是通过对刺激强度的直接判断，以及通过测量敏感度（检测微小的刺激变化的能力）来量化的。这两种看似不同的测量之间的关系仍不清楚。科学家一直希望能将这二者统一，但却缺乏来自知觉测量或生理测量的数据结果的支持。

直到现在，在一项于近期发表在《美国国家科学院院刊》的研究中，一组研究人员创造了一个新的理论框架，首次将这两个数学定律统一了起来，为知觉敏感性和强度测量提供了统一的解释。

两种定律

1834年，恩斯特·海因里希·韦伯（Ernst Heinrich Weber）提出了知觉敏感度定律。根据韦伯的定律，人们判断两种刺激是否不同的能力，取决于两者之间的比例差异。

举例来说，如果你在一个5斤重的哑铃上再加2斤，你可能很快能注意到重量增加了；但如果有人在一个50斤重的哑铃上增加2斤，你可能就很难感受到其中的区别。

韦伯定律的一个例子：左边这一列的顶部图像包含10个点，底部图像包含20个点；右列中的顶部图像包含110个点，底部图像包含120个点。尽管这两列的两行之间的点数的绝对变化相同，但由于左边一列的相对变化更大，因此它的变化远比右边一列的变化更为明显。（图/simonsfoundation）

学界认为，人类的感知能力来自我们对感官输入的内部表征，而对这些输入变化的敏感度测量，塑造了我们对不同领域感官表征的理解。早在1860年，古斯塔夫·西奥多·费希纳（Gustav Theodor Fechner）就提出，对刺激的微小变化的敏感度，与该刺激的内部表征的变化成正比。

到了20世纪50年代，“信号检测理论”的形成，让科学家得以根据随机的内部表征来描述这一点，这超越了费希纳关关于刺激是确定性表征的隐含假设。它意味着，除了对刺激变化的敏感度外，人和动物还可以对刺激强度做出绝对判断。

1957年，心理学家斯坦利·史密斯·史蒂文斯（Stanley Smith Stevens）提出，人类对各种感官属性感知强度的评判，遵循一种幂定律。换言之，当刺激强度提高到一个指数时，人类对刺激强度的感知也会增加，这个指数的变化很大程度上取决于需要评判的是亮度、响度还是重量。

这两条定律支配着我们的许多感官，从识别哪种食物更甜，确定烦人的噪音有多响。韦伯定律适用于对刺激的相对评估，而史蒂文斯定律适用于绝对测量，但这两个定律都旨在理清感知判断背后的内部表征。

然而，这两个定律所使用的是不同的数学方程，彼此之间没有联系。而且这两个定律似乎彼此不一致，几十年来，科学家们都无法为这两种场景找到一个单一的解，亦或是找到与之相应的方程。

统一的框架

在新的研究中，一组研究人员使用数学和计算模型，证明了韦伯定律和史蒂文斯的幂定律可以共存。

当人类在对两种刺激进行比较时，还有另一个重要的因素开始起作用——噪声。脑神经网络的随机波动会导致感官输入自然地发生变化，这会影响我们区分刺激的能力。过去，科学家们提出只有当我们对这种变化的内部表征大于该刺激中的噪声变异性时，我们才能检测到刺激的变化。

新研究所建立的框架就对这一观点进行了扩展。通过将内部表征与噪声结合起来，新的框架让韦伯和史蒂文斯定律可以兼容。

统一的框架解释了先前观察到的绝对感知和相对感知测量之间的差异。这个新框架准确地预测了人们对各种知觉的评分，从品尝糖的甜度，到听到的白噪声的强度。

收集数据

这一突破将有助于科学家进一步研究脑的生物过程与它们所执行的让我们可以感知世界的计算之间的关系。研究人员表示，他们的目标是建立一个可以描述这些关系的框架。

过去，许多研究人员都会使用敏感度或强度来作为知觉评判，但很少有人把这两种类型的数据放在一起看。因此，寻找可用于分析的数据集将是接下来的研究所面临的挑战。研究人员希望未来有更多的研究人员对这两种类型的数据进行收集，以便更好地了解知觉的内部机制，并为这一新的框架提供进一步的测试。

研究人员希望，这一结果能够统一大量不同的知觉和生理测量，为未来的研究提供一个起点。

#创作团队：

撰文：小雨‍

排版：雯雯

#参考来源：

https://www.simonsfoundation.org/2024/06/17/two-neuroscience-laws-governing-how-we-sense-the-world-finally-united-after-67-years/

https://www.pnas.org/doi/10.1073/pnas.2312293121

#图片来源：

封面图&首图：Andrea De Santis / Unsplash