强迫症一本满足!看整齐划一的动图为什么能看一天?

2019 年 4 月 21 日 果壳网

看到整齐划一的场景,你是不是会感到十分舒爽?


比如,兵哥哥走方阵↓


中学生广播体操↓


花样游泳↓

图 | gif5.net

我为什么看得这么爽?


对大脑来说,整齐划一的事物最好了,因为它们具有较高的加工流畅性(processing fluency)。


加工流畅性是指信息加工的难易程度;一种刺激的加工流畅性越高,意味着大脑处理起来就越容易。在视觉加工中,对称性、高对比度、圆滑的边缘都属于高流畅性的特征。整齐划一的事物,无论是紧密排列的物体,还是阅兵的脚步,都有一些视觉特征模式有规律地反复出现,这样的刺激对于大脑来说也是比较容易处理的。


在审美心理学领域有大量研究表明,加工流畅性会带来愉悦的主观体验。例如,给被试呈现一系列视觉图案,人们通常会报告说更喜欢那些加工流畅性较高的。此外,在实验室里使用某些技术手段,临时操纵被试的视觉加工过程,使其流畅性提高,也会导致他们更喜欢眼前的刺激,并且在负责微笑的肌肉区域能记录到更强的电活动。基于这些研究证据,有人甚至提出,审美体验的本质就是加工流畅性。

对海豚们来说,跳得齐不齐可不只好看的问题,还会影响到争斗的输赢 | wikispaces.com


那么,为什么流畅的加工会让人感到愉悦呢?有一种观点认为这是进化而来的本能反应。加工过程顺畅,意味着个体处在熟悉的环境中,一切尽在掌控;相反,加工过程如果不顺畅,则意味着环境中存在不熟悉或不确定的因素,可能面临着危险。


你不知道你的大脑怎么想


人为什么能看到不同的事物,这是感觉层面的事。人为什么会喜欢不同的事物,这是知觉层面的事。所以大多数人会喜欢整齐划一的事物,这是基于人类共有的知觉特性。

1

知觉整体性


知觉的整体性纯粹是一种心理现象。有时即使引起知觉的刺激是零散的,但所得的知觉经验仍然是整体的。


比如下图:

明明是3个吃豆小人儿和3个大于小于符号,为什么人会看到一个“透明”的三角形覆盖在一个三角形边框及三个圆形之上?因为这样的理解对人类的大脑更简单。

2

知觉组织性


在感觉资料转化为心理性的知觉经验过程中,显然是要对这些资料经过一番主观的选择处理,这种主观的选择处理过程是有组织性的、系统的、合于逻辑的,而不是紊乱的。心理学的格式塔理论(Gestalt theory)认为,知觉组织法则主要有如下四种:


1、相似法则,如下图:

圆点是一组,叉是一组,不会认为同在一列的叉和圆点变成了一组,因为位置不如形状的相似性明显,组织起来更容易。


2、接近法则,如下图

A被看成纵列,B被看成横行,因为它们形状一致的情况下,位置更接近就更容易分成一组,理解起来更容易。

3、闭合法则,如下图

你不会看到一堆黑色扇形碎片,而是看到一个立方体和它的8个顶点,因为你的认知需要“闭合”,需要让世界有意义从而易于理解,这和后面的知觉理解性有些类似。

4、连续法则,如下图

你不会看到多个首尾相接的半圆弧形,而是看到一条波形曲线不停地和直线相交,因为这样理解起来更连续,更容易。

3

知觉理解性


人在感知某一事物时,总是依据既往经验力图解释它究竟是什么,这是一个积极主动的过程。如下图↓

看到了嘛,斑点狗。虽然看到它不容易,但看到它之后,这一堆斑点再被大脑加工起来,就容易多了。


附送一个相对容易的动态狗。

4

知觉流畅性


好了,上面三条,只是在讲:为什么人脑会在加工信息时,在知觉层面上,刻意追求对信息的合理简化?


因为外界信息太多了,大脑分分钟过载崩溃,所以不得不牺牲大量的噪音信息,把其中有意义的好理解的能记住的,筛选出来,然后作为知觉加工的产出。这是人脑在漫长的进化过程中逐渐习得的一种认知习惯,几乎已经成为了本能,很多时候你自己根本注意不到。


然而,本能就本能好了,说明大脑倾向于这么干而已,道理我都懂,那为什么人类会“喜欢”看阅兵方阵这种整齐划一、从而容易被大脑组织加工的东西呢?


这就是上文说到的知觉流畅性

就算穿着作战服、没有大长腿,你依然觉得整齐的方阵赏心悦目。


流畅性是个体对加工信息难易程度的一种主观体验,它分为知觉流畅性、概念流畅性、提取流畅性等。其中知觉流畅性涉及个体对刺激较低水平的加工,反映了个体对知觉外部信息难易程度的主观感受——它本身并不是一种认知操作,只是一种有关认知操作的感受。比如,看到杂乱无章的房间,有的人就会觉得头很大,而看到收拾得井井有条的少女的床,可能就舒服多了。


同样地,由于整齐划一的事物,比如阅兵时的正步,大脑加工起来更容易,流畅性更高,所以主观体验就会好得多。

作者:Stephanie Pappas、沉默的马大爷、科学家种太阳


一个AI

不过只要是大长腿,乱一点也没关系……

果壳9岁啦,我们为大家特别制作了一份【有奖】调查,邀请你来参与!




想来拔AI插头的

赶紧扫码吧!


本文来自果壳,未经授权不得转载.

如有需要请联系sns@guokr.com

(欢迎转发到朋友圈~)


果壳

ID:Guokr42

果壳整天都在科普些啥啊!

吓得我二维码都歪了!


为啥这样的二维码也能扫?

扫码发送【二维码】告诉你原理~

喜欢就点个“在看”呗~↘

登录查看更多
0

相关内容

【2020新书】从Excel中学习数据挖掘,223页pdf
专知会员服务
90+阅读 · 2020年6月28日
最新《机器学习理论初探》概述
专知会员服务
44+阅读 · 2020年5月19日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
美联储若降息意味着什么?
FT中文网
3+阅读 · 2019年6月28日
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
【机器学习数学基础】动图解释泰勒级数(一)
机器学习研究会
5+阅读 · 2018年2月25日
通俗理解卷积神经网络(小学生都能看懂)
七月在线实验室
9+阅读 · 2018年1月25日
观点 | 为什么我对MATLAB情有独钟
机器之心
5+阅读 · 2017年12月4日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
精选 | 一张动图看懂卷积神经网络之卷积计算层
七月在线实验室
26+阅读 · 2017年6月21日
娈童者:所幸 生在这里
博望志
13+阅读 · 2017年5月17日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
9+阅读 · 2020年2月15日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Arxiv
11+阅读 · 2018年9月28日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
VIP会员
相关VIP内容
【2020新书】从Excel中学习数据挖掘,223页pdf
专知会员服务
90+阅读 · 2020年6月28日
最新《机器学习理论初探》概述
专知会员服务
44+阅读 · 2020年5月19日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
相关资讯
美联储若降息意味着什么?
FT中文网
3+阅读 · 2019年6月28日
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
【机器学习数学基础】动图解释泰勒级数(一)
机器学习研究会
5+阅读 · 2018年2月25日
通俗理解卷积神经网络(小学生都能看懂)
七月在线实验室
9+阅读 · 2018年1月25日
观点 | 为什么我对MATLAB情有独钟
机器之心
5+阅读 · 2017年12月4日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
精选 | 一张动图看懂卷积神经网络之卷积计算层
七月在线实验室
26+阅读 · 2017年6月21日
娈童者:所幸 生在这里
博望志
13+阅读 · 2017年5月17日
相关论文
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
9+阅读 · 2020年2月15日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Arxiv
11+阅读 · 2018年9月28日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Top
微信扫码咨询专知VIP会员