Structural and contextual biases interact to shape duration perception

⚕️

这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

Each language version is independently generated for its own context, not a direct translation.

这篇文章探讨了一个非常有趣的问题：我们的大脑是如何感知时间的？ 为什么有时候觉得时间过得快，有时候觉得慢？而且，为什么不同的人对时间的感觉会有这么大的差异？

研究人员通过一个巧妙的实验，发现大脑在判断时间长短时，其实是在玩一场复杂的“心理游戏”，它同时受到**“老习惯”（结构性偏差）和“新环境”（情境性偏差）**的双重影响。

为了让你更容易理解，我们可以把大脑想象成一位**“时间大厨”，而时间的感知就是这位大厨在“调味”**。

1. 核心发现：大脑的“双重调味”

这篇论文发现，大脑在判断两个声音或图像哪个持续时间更长时，并不是像秒表一样精准地测量，而是会混合两种“调料”：

A. 结构性偏差：大脑的“天生口味” (Structural Priors)

这就好比每个人天生对某种味道有偏好。

现象：研究发现，对于大多数人来说，声音听起来总是比同样长度的视觉画面（比如闪烁的灯光）要“长”一些。
比喻：想象你的大脑里有一个“听觉滤镜”。就像有人天生觉得“辣”比“甜”更刺激一样，大脑天生觉得声音的时间分量更重。这是一种**“出厂设置”**，很难改变，就像你无法轻易改变自己是左撇子还是右撇子。
研究结果：在这项研究中，所有参与者都“高估”了声音的时长，平均高估了约 7%（对于 450 毫秒的声音，大约多感觉了 31 毫秒）。

B. 情境性偏差：大脑的“环境适应” (Contextual Priors)

这就像你走进一个房间，如果房间里全是短曲子，你会觉得下一首曲子变长了；如果全是长曲子，你会觉得下一首变短了。

现象：大脑会根据刚才听到的“背景音乐”（时间分布）来调整对当前时间的判断。如果刚才听到的都是短声音，现在的声音听起来就会偏长；反之亦然。
比喻：这就像**“视觉适应”**。当你从明亮的户外走进昏暗的室内，眼睛需要适应，瞳孔会放大。大脑对时间的感知也有类似的“瞳孔调节”机制，会根据环境的平均时长来调整自己的“时间标尺”。

2. 实验过程：一场“时间猜谜游戏”

研究人员让参与者玩了一个游戏：

屏幕上会出现两个声音或图像（比如先是一个声音，再是一个声音）。
参与者要判断：“哪一个持续的时间更长？”
关键操作：研究人员偷偷改变了“游戏规则”。
- 有时候，两个声音都来自“短声音库”（比如 0.2 秒到 0.6 秒）。
- 有时候，第一个来自“短库”，第二个来自“长库”（比如 0.35 秒到 1.0 秒）。
- 有时候，两个都是视觉的，或者一个是声音一个是图像。

3. 最精彩的发现：大脑的“重新校准”机制 (Rescaling)

这是这篇论文最突破性的发现。

通常，科学家认为大脑会根据“平均值”来修正判断（比如听到短声音多，就自动把现在的声音往长里猜，这叫“回归均值”）。但这篇论文发现，大脑做得更绝：

传统观点：大脑像是一个**“统计学家”**，它会把新听到的声音和刚才的平均值比较，然后往平均值靠拢。
新发现：大脑更像是一个**“翻译官”。当它面对两个来自不同“时间库”的声音时，它不会直接比较原始数据，而是先把它们“重新校准”到同一个内部标尺上**，然后再进行比较。

比喻：
想象你要比较两把尺子，一把是“厘米尺”，一把是“英寸尺”。

普通做法：你看着厘米尺上的 10 厘米，心想“这比英寸尺上的 10 英寸短”，然后做判断。
大脑的做法：大脑会先说：“等等，先把这两把尺子都换算成‘米’（内部标尺）！”它会把两个声音的感知都**“拉伸”或“压缩”**，让它们在一个共同的内部空间里对齐，然后再比谁长。

这种“重新校准”的机制非常强大，它甚至能抵消一部分“回归均值”的效应。研究发现，大脑大约完成了 65% 的重新校准工作。这意味着，大脑为了公平比较，主动调整了自己的感知系统。

4. 为什么第一个声音总是“吃亏”？

实验还发现了一个有趣的现象：参与者判断第二个声音时，往往比判断第一个声音更准确。

原因：第一个声音需要被**“记在脑子里”**（工作记忆），而记忆是有损耗的，就像你记电话号码，记久了容易忘或记错。
比喻：第一个声音像是写在一张容易模糊的便签纸上，第二个声音则是直接写在黑板上。大脑在比较时，发现便签纸上的字迹（第一个声音）有点模糊，所以对它的不确定性更高。

5. 总结：大脑是如何构建“时间感”的？

这篇论文告诉我们，时间感知不是单一的“计时器”，而是一个复杂的预测系统：

天生偏好：我们天生觉得声音比视觉长（结构性偏差）。
环境适应：我们会根据刚才听到的声音长短来调整标尺（情境性偏差）。
动态校准：为了公平比较，大脑会主动把不同的时间感知“拉平”到同一个内部标准上（重新校准）。
记忆损耗：先听到的声音因为要“存”在记忆里，所以变得不那么清晰。

一句话总结：
我们感知的时间，不是客观的物理时间，而是大脑为了适应环境、克服记忆缺陷，并基于天生偏好，经过**“重新校准”后呈现给我们的“主观时间”**。就像大厨做菜，既要看食材（客观时间），也要看客人的口味（结构性偏差），还要看今天的菜单搭配（情境性偏差），最后还要把味道调整到最和谐的平衡点（重新校准）。

Each language version is independently generated for its own context, not a direct translation.

这是一份关于论文《结构与情境偏差相互作用塑造时间感知》（Structural and contextual biases interact to shape duration perception）的详细技术总结。

1. 研究问题 (Problem)

人类的时间感知具有高度的可塑性，受到结构性先验（Structural Priors）和情境性先验（Contextual Priors）的共同影响，但现有的模型往往难以将这两者统一起来。

结构性先验：指大脑固有的、跨情境稳定的约束（例如，听觉刺激通常比同等时长的视觉刺激被感知为更长）。这种偏差反映了个体差异和神经系统的固有特性。
情境性先验：指仅在特定上下文中有效的信息，通常表现为对刺激分布统计特性的适应（例如，中央趋势效应，即感知时长倾向于回归到分布的均值）。

核心挑战：
目前缺乏一个统一的计算模型来量化并区分这两种先验在时间感知中的具体作用机制。特别是，当面对两个来自不同分布的连续刺激进行时长比较时，大脑是分别维护两个独立的分布表示，还是整合为一个统一的分布？此外，除了贝叶斯推断（预测回归均值）外，是否存在一种重缩放（Rescaling）机制来重新校准感知空间？

2. 方法论 (Methodology)

实验设计

任务：双区间时长辨别任务（Two-interval duration discrimination task）。参与者需判断两个连续呈现的刺激中哪一个持续时间更长。
刺激模态：视觉（Visual）、听觉（Auditory）或跨模态（AV/VA）。
情境操纵：
- 刺激时长从两个不同的分布中抽取：短分布（中位数 0.35s）和长分布（中位数 0.6s）。
- 设计了 8 种主要条件，组合 S1 和 S2 的分布来源（短 - 长 SL，长 - 短 LS）及模态（AA, VV, AV, VA）。
- 设计了 4 种基线条件（Baseline），其中 S1 时长固定，以消除情境先验的干扰，单独测量结构性偏差。
参与者：30 名健康成年人。

计算建模

研究提出了五个基于贝叶斯框架的竞争性模型，旨在测试不同的假设：

分布表示假设：
- "2distrib"模型：假设大脑为 S1 和 S2 分别维护独立的分布先验。
- "1distrib"模型：假设大脑将所有可能的刺激整合为一个统一的宽分布先验。
处理机制假设：
- 纯贝叶斯模型：仅通过贝叶斯推断（结合似然与先验）产生估计，预测中央趋势效应（回归均值）。
- 重缩放（Rescaling）：在贝叶斯推断之前，先将两个分布的表示空间对齐到一个共同的内部轴上（类似视觉系统的亮度适应）。这会导致与中央趋势效应相反的偏差。
结构性先验参数：引入参数 $\delta$ 来量化听觉相对于视觉的固有高估偏差。
顺序效应参数：引入参数 $\alpha$ 来量化 S1（需记忆）比 S2 具有更高的不确定性。

模型拟合与比较：
使用负对数似然（NLL）作为代价函数，通过贝叶斯自适应直接搜索（PyBADS）拟合参数。使用赤池信息准则（AIC）比较模型优劣，并进行了参数恢复分析以验证模型的鲁棒性。

3. 关键贡献 (Key Contributions)

统一框架：首次在一个统一的计算模型中同时量化了结构性先验（模态偏差）和情境性先验（分布统计）。
双重机制的揭示：发现时间感知并非仅由贝叶斯推断主导，而是贝叶斯推断与重缩放机制（Rescaling）的混合。
- 贝叶斯推断导致感知向分布均值回归（Central Tendency）。
- 重缩放机制导致感知向相反方向偏移，以在比较任务中建立共同的内部参考系。
独立分布表示：证实了大脑在比较任务中分别维护 S1 和 S2 的分布表示（支持"2distrib"模型），而非整合为单一分布。
个体差异的量化：成功分离并量化了个体在模态偏差（听觉 vs 视觉）上的稳定结构性差异。

4. 研究结果 (Results)

最佳模型： "Rescaling+2distrib"模型（包含独立分布表示和重缩放机制）在所有参与者中表现最好（AIC 显著优于其他模型）。
- 这表明大脑确实分别处理两个刺激分布，并且在比较前进行了部分重缩放。
重缩放参数：重缩放参数 $c$ 的平均值为 0.65（范围 0-1），表明存在强但非完全的重缩放。这意味着感知系统会将两个分布对齐到共同轴上约 65%，而非完全对齐或完全独立。
结构性先验：
- 所有参与者均表现出听觉时长被高估的现象。
- 参数 $\delta$ 平均为 +0.07，对应约 7% 的听觉时长高估（对于 450ms 的时长，约高估 31ms）。
- 该参数与非参数估计的 PSE（主观等时点）差异显著相关，证实了结构性先验的稳定性。
模态不确定性：听觉刺激的不确定性（ $\sigma_A \approx 0.29$ ）显著低于视觉刺激（ $\sigma_V \approx 0.37$ ），符合听觉在时间感知上更精确的已知事实。
顺序效应：参数 $\alpha$ 显著大于 1（平均 1.47），表明 S1 的不确定性比 S2 高出约 47%，这归因于 S1 需要在工作记忆中保持，导致记忆衰减或编码噪声增加。
参数恢复：模拟数据显示模型参数具有良好的恢复性，尽管 $\delta$ （结构先验）和 $c$ （重缩放）之间存在一定的相关性（ $R = -0.66$ ），表明两者在拟合中存在轻微的相互补偿。

5. 意义与启示 (Significance)

挑战传统贝叶斯观点：以往的时间感知研究多强调贝叶斯推断导致的“回归均值”效应。本研究证明，在比较任务（Discrimination）中，重缩放机制起着关键作用，其产生的偏差方向与贝叶斯推断相反。这解释了为何在比较任务中观察到的行为模式与单纯的生产/估计任务（Production/Estimation）不同。
适应性策略：重缩放机制可能是一种更优的编码策略，将绝对时长转换为相对标签（“相对较短/较长”），从而降低认知负荷并适应环境统计特性。
神经机制推测：由于结构性和情境性偏差源于不同的机制（固有神经约束 vs. 环境适应），它们可能涉及不同的大脑区域和神经振荡动态。该模型为未来探索时间感知的神经基础提供了行为学约束。
个体差异的重要性：研究强调了忽略个体结构性偏差（如模态特异性偏差）可能会导致对时间感知机制的误解。未来的模型必须考虑个体层面的稳定特征。

总结：该论文通过精细的行为实验和计算建模，揭示了人类时间感知是结构性约束（如听觉优势）与情境适应（如分布统计和重缩放）动态交互的结果。大脑并非被动地记录时间，而是主动地通过重缩放和贝叶斯推断来构建适应环境的内部时间表示。