Motion Illusions Generated Using Predictive Neural Networks Also Fool Humans

该论文提出了一种基于视频预测神经网络的生成模型 EIGen 来创造视觉运动错觉，并通过人类实验证实了这些错觉的有效性，从而支持了“错觉运动源于大脑对预测的感知而非原始视觉输入”的假设，同时倡导利用人工智能模仿生物系统的“动机性失败”来推动相关研究。

要点

这篇文章讲述了一个非常有趣的故事：科学家试图通过“模仿大脑的失败”来理解为什么我们会看到并不存在的运动。

想象一下，你盯着墙上的一幅画，明明它是静止的，但你的眼睛却觉得它在旋转、在跳动。这就是“运动错觉”。为什么大脑会犯这种错？这篇文章给出了一个大胆的答案：因为大脑太擅长“预测”未来了，有时候它太自信，把预测当成了现实。

为了证明这一点，作者们没有只靠观察人类，而是造了一个“数字大脑”（人工智能），并故意让它犯和人类一样的错。

以下是用通俗语言和比喻对这篇论文的详细解读：

1. 核心思想：大脑是个“预言家”

• 比喻： 想象你的大脑是一个极其聪明的天气预报员。它每时每刻都在根据过去的经验预测下一秒会发生什么。
  • 如果你看到乌云，大脑会预测“要下雨了”，于是你提前打伞。
  • 在视觉中，如果大脑看到某种图案（比如旋转的蛇），它会预测“这东西在动”。
• 问题出在哪？ 有时候，这个“天气预报员”太自信了。即使外面根本没下雨（图片是静止的），它还是坚持说“在下雨”，甚至让你真的感觉到雨滴打在脸上。这就是运动错觉的成因：你看到的不是眼睛接收到的真实画面，而是大脑“脑补”出来的预测画面。

2. 实验方法：制造一个“会做梦”的 AI

作者们没有直接研究人脑，而是造了一个叫 EIGen 的 AI 系统。这个系统由两个部分组成，就像是一个**“画家”和一个“挑剔的评委”**：

• 画家 (生成器)： 它负责画各种奇怪的图案。它像一个疯狂的艺术家，不断尝试新的设计。
• 评委 (预测网络)： 这是一个受过训练的 AI，它的任务是看视频并预测“下一帧画面是什么”。
  • 如果评委看到一张静止的图，它预测下一帧还是这张图，那就对了。
  • 但如果评委看到一张静止的图，却预测“下一帧它旋转了”，那就说明这个图案成功“欺骗”了评委，让评委以为它在动。

关键步骤（进化算法）：

1. 画家画出 100 张图。
2. 评委看这些图，如果哪张图让评委产生了“它在动”的错觉，这张图就得高分。
3. 高分的图会被“遗传”下去，画家会根据这些特征画出更好的图。
4. 经过无数轮的“优胜劣汰”，AI 终于画出了能让评委产生强烈错觉的图案。

3. 惊人的发现：AI 和人类“同病相怜”

这是论文最精彩的部分。作者们把 AI 画出来的这些“诱骗图案”拿给真人看。

• 结果： 真人看到这些 AI 画的图，竟然也产生了和 AI 一样的错觉！
• 比喻： 这就像是你造了一个机器人，你故意教它走错路（比如看到红灯以为能过）。然后你发现，当你把同样的路给人类走时，人类也走错了。
• 结论： 这说明 AI 和人类的大脑在处理视觉信息时，使用了相同的“底层逻辑”。既然 AI 是因为“过度预测”才产生错觉，那么人类产生错觉的原因很可能也是“过度预测”。

4. 具体的实验细节（简单版）

• 黑白 vs. 彩色： 研究发现，AI 画出来的黑白图案产生的错觉比彩色的强得多。这就像黑白电影有时候比彩色电影更有那种“老式恐怖感”一样，黑白的高对比度更容易触发大脑的预测机制。
• 重新发现经典： AI 在进化过程中，竟然自己“发明”出了人类历史上著名的“旋转蛇”错觉和“青蛙学校”错觉。这就像是一个从未见过乐谱的作曲家，自己写出了贝多芬的曲子，说明这种“欺骗大脑”的规律是客观存在的。
• 人类测试： 作者找了 293 个人做测试。结果显示，虽然 AI 画的图不如人类大师（如 Akiyoshi Kitaoka）画的那么震撼，但确实有三分之一到一半的人能感觉到明显的运动。

5. 这篇文章的意义是什么？

• 不仅仅是看错觉： 以前我们研究错觉，主要是为了看大脑哪里“坏”了。但这篇论文提出了一种新视角：“失败”是有价值的。
• 比喻： 就像通过研究汽车为什么抛锚，我们能比研究汽车怎么跑得更懂汽车的结构。
• AI 的新方向： 作者呼吁，未来的 AI 研究不应该只追求“完美”，而应该尝试**“模仿生物系统的失败”**。如果一个 AI 能像人类一样“犯错”（产生同样的错觉），那它才真正像人类的大脑，而不仅仅是模仿人类行为的机器。

总结

这篇论文就像是一场**“大脑与 AI 的捉迷藏”**。
科学家造了一个 AI，让它去“骗”另一个 AI（预测网络）。当这个 AI 成功骗过评委后，它把骗术展示给人类，发现人类也被骗了。
这证明了：我们和 AI 一样，都是被自己的“预测能力”所欺骗的。 我们看到的运动，往往是大脑为了“抢跑”而提前生成的幻象。

一句话总结： 我们看到的静止画面在动，是因为大脑太想预测未来了；而当我们造出一个也会“想太多”的 AI 时，它竟然也能画出让我们产生同样幻觉的图案。

技术摘要

论文技术总结：基于预测神经网络的运动错觉生成及其对人类的影响

1. 研究背景与问题 (Problem)

视觉错觉（特别是静态图像产生的运动错觉）长期以来是神经科学和心理学研究的热点，但其产生的根本机制尚无定论。现有的理论包括眼球运动、亮度异步敏感性或动态“反向 phi"运动错觉的静态变体等，但缺乏统一的因果解释。

核心假设：本文支持“预测编码（Predictive Coding）”假说，即大脑通过最小化预测与感官输入之间的误差来理解世界。运动错觉可能是大脑过度依赖其内部预测（即大脑“看到”了它预测的运动，而非真实的视觉输入）的副作用。

研究目标：

1. 验证预测性神经网络（Predictive Neural Networks）是否会被人类已知的运动错觉欺骗。
2. 利用该网络生成新的运动错觉图像。
3. 验证这些由 AI 生成的图像是否同样能欺骗人类，从而证明 AI 与人类在感知机制上具有深层的相似性（即“认知模仿系统”）。

2. 方法论 (Methodology)

2.1 理论框架：人工感知 (Artificial Perception)

作者提出了一种通过“复制生物系统的失败”来理解复杂系统的方法论，包含四个步骤：

1. 记录生物系统的失败（人类在静态图像中看到运动）。
2. 在人工系统中复现这种失败（AI 模型在相同图像上预测出运动）。
3. 在人工系统中发现新的失败（AI 生成新的错觉图像）。
4. 验证这些新失败是否在生物系统中复现（人类是否也看到这些新图像在运动）。

2.2 系统架构：进化错觉生成器 (EIGen)

EIGen 是一个结合了生成模块和评估模块的混合系统：

• 评估模块 (Evaluator)：

  • 基于预训练的预测神经网络 (PredNet)，该网络在“第一人称交互数据集 (FPSI)"上训练，用于预测视频帧。
  • 输入：将单张静态图像重复 20 次构成长序列。
  • 逻辑：如果网络预测下一帧发生了旋转或位移（即输出了非零的光流），则判定该静态图像产生了“错觉运动”。
  • 光流计算：使用 Lucas-Kanade 方法计算预测帧与输入帧之间的光流矢量，以量化运动的方向和强度。

• 生成模块 (Generator)：

  • 使用组合模式生成网络 (CPPN) 生成图像。
  • 优化算法：采用 NEAT (NeuroEvolution of Augmenting Topologies) 进化算法优化 CPPN 的参数（基因组）。
  • 图像结构约束：生成同心圆环结构，相邻圆环的图案方向交替（顺时针/逆时针），以模拟著名的“旋转蛇”错觉结构。

• 适应度函数 (Fitness Function)：
  为了筛选出对人类有效的错觉，作者设计了一个启发式适应度函数，不仅考虑光流矢量的大小，还包含以下四个条件：

  1. 数量：必须有足够多的运动矢量（>24 个）。
  2. 强度：矢量幅度要大（但在合理范围内，排除光流模块的不稳定性）。
  3. 一致性：相邻矢量的方向应高度一致（低方差）。
  4. 对比度：部分矢量方向相反（模拟同心圆环的交替结构）。

2.3 人类实验

• 参与者：293 名通过 Prolific 平台招募的英语流利、视力正常（或矫正）的参与者。
• 刺激材料：
  • 人类已知错觉：旋转蛇 (Rotating Snakes)、Fraser-Wilcox 错觉、Medaka 错觉。
  • AI 生成错觉：黑白旋转、黑白径向（扩张/收缩）、彩色径向、控制组（无运动）。
• 任务：参与者观看图像，报告是否感知到运动，并定性（旋转/径向）和定量（强度 0-5）评估。

3. 关键贡献 (Key Contributions)

1. 提出了 EIGen 模型：首个利用预测性神经网络和进化算法自动生成视觉运动错觉的框架。
2. 验证了预测编码假说：证明了 AI 模型（PredNet）在预测静态图像时产生的“错误”（即预测出运动）与人类的错觉感知高度一致。
3. 实现了“认知模仿”：通过步骤 3 和 4，展示了 AI 不仅能复现人类的失败（被已知错觉欺骗），还能生成新的失败（新错觉），且这些新失败同样能欺骗人类。这强有力地支持了 AI 与人类共享底层感知原理（预测编码）。
4. 重新发现已知错觉：EIGen 在进化过程中“重新发现”了 Fraser-Wilcox 错觉和 Medaka 错觉，证明了该模型能收敛到人类已知的最优解。

4. 实验结果 (Results)

• 生成图像质量：

  • EIGen 成功生成了多种具有运动感的图像。
  • 黑白模型优于彩色模型：黑白模型生成的错觉强度显著高于彩色模型，且与人类制作的黑白错觉强度相当。
  • 重新发现：模型成功生成了与 Fraser-Wilcox 和 Medaka 错觉结构高度相似的图像。

• 人类感知数据：

  • 旋转蛇 (Rotating Snakes)：人类评分最高（强度 1.0），远超其他图像，证实了其作为最强错觉的地位。
  • AI 生成的黑白旋转错觉：人类感知强度中等（约 0.3-0.4），显著高于控制组，但弱于旋转蛇。
  • AI 生成的彩色/径向错觉：感知强度较低，部分接近控制组（0 分）。
  • 一致性：约 1/3 的参与者在所有 AI 生成的图像中感知到了某种程度的运动。
  • 运动类型：尽管 AI 预测了径向（扩张/收缩）运动，人类参与者仍倾向于将其感知为旋转运动，这表明人类的感知偏差可能比模型预测的更复杂。

• 适应度函数的局限性：

  • AI 的适应度评分与人类的主观评分并不完全线性相关。作者承认适应度函数是“特设的 (ad hoc)"，未能完全捕捉人类感知的细微差别（例如，为什么某些大矢量图像人类看不到运动）。

5. 意义与结论 (Significance & Conclusion)

• 理论意义：

  • 本研究为“运动错觉是大脑预测机制的副产品”这一假说提供了强有力的计算证据。
  • 它表明，预测编码不仅是解释生物视觉的框架，也是构建能够模拟人类感知缺陷的 AI 系统的关键。
  • 提出了“动机性失败 (Motivated Failures)"的概念：让 AI 像生物一样失败，是理解复杂系统和构建真正认知模仿系统的有效途径。

• 应用价值：

  • 为生成新型视觉错觉提供了自动化工具。
  • 为人工智能研究提供了新的评估标准：不仅看 AI 是否“成功”（如图像识别），更要看其“失败”模式是否与人类一致。

• 局限性与未来工作：

  • 目前生成的错觉强度仍无法超越人类设计的“旋转蛇”。
  • 适应度函数缺乏理论依据，需要进一步研究以匹配人类感知的真实分布。
  • 彩色模型的表现不佳，暗示颜色处理在预测编码中的机制尚需深入探索。

总结：该论文通过构建一个能够“像人类一样犯错”的 AI 系统，成功生成了新的视觉运动错觉，并验证了这些错觉对人类同样有效。这不仅证实了预测编码在解释运动错觉中的核心作用，也为人工智能与生物智能的融合研究（Artificial Perception）开辟了新路径。