反馈对知觉类别学习的影响及其认知神经生理机制

网络出版地址：http://www.cnki.net/kcms/detail/11.4766.R.20131016.1853.001.html

心理科学进展 2013, Vol. 21, No. 12, 1–8 Advances in Psychological Science

DOI: 10.3724/SP.J.1042.2013.001

反馈对知觉类别学习的影响及其认知神经生理机制*

孙海龙 邢 强

(广州大学心理学系, 广州 510006)

摘 要 知觉类别学习是一种人类对知觉刺激进行分类、习得类别的过程, 反馈是进行知觉类别学习不可或缺的重要部分。研究者通过操纵反馈的不同特征, 如反馈延迟(即时、延迟)、反馈性质(积极、消极)、反馈类型(丰富、简单)等, 对反馈如何影响知觉类别学习进行了广泛的研究, 并试图从神经生理学方面给出合理的解释。但是目前反馈对知觉类别学习影响的研究还存在许多不足, 特别在反馈延迟时间的细化、延迟反馈时间临界点、无关因素掩蔽、反馈试次等影响方面的研究较少涉及, 现有的反馈机制尚需进一步研究。 关键词 反馈; 知觉类别学习; COVIS模型; 基于规则-信息整合类别结构 分类号

B842

1 引言

人类在认知客观对象时, 需要对感知对象进行归类。要把感知对象按某种类别进行归类, 人类必须先习得某种类别, 即要进行类别学习(Category Learning)。类别学习是人类认识世界的一种基本认知活动, 反馈对其具有重要的作用(Ashby & Maddox, 2011; Smith, Beran, Crossley, Boomer, & Ashby, 2010)。类别学习使用的类别结构有多种, 如知觉类别结构和概念类别结构, 其中知觉类别结构是进行知觉类别学习主要采用的类别结构, 所谓知觉类别结构是指在实验中反复呈现的、简单的知觉刺激(如长度与角度上变化的线段、频率与方向上变化的光栅)。这些知觉刺激已经被人为的分为两个或者两个以上的类别, 被试根据做出反应之后提供的反馈进行类别学习。知觉类别结构是研究不同特征的反馈如何影响知觉类别学习的理想材料, 主要因为知觉类别结构的刺激简单, 而且被试并没有任何实验经验, 使得较少受到之前知识的影响。此外, 研究者可以

收稿日期:2013-05-02

* 广州市社会科学规划课题：类别学习反馈的认知神经机制研究(2012YB22)资助。

通讯作者:邢强, E-mail: qiang_xingpsy@126.com

1

操纵学习过程需要进行分类的刺激(Maddox & Filoteo, 2005)。一般在涉及知觉类别学习的研究中主要使用两类知觉类别结构：基于规则的类别结构和信息整合的类别结构(Ashby, Alfonso- Reese, Turken, & Waldron, 1998; Maddox & Ashby, 2004; Smith et al., 2011)。基于规则的类别结构, 如在条纹方向和条纹频率两个维度上变化的光栅图(图1a), 其分类规则易于用言语表述, 判断规则不需要整合两个维度, 主要依据一个维度, 忽略另一个维度。基于规则的类别结构的学习主要依赖于外显的语义系统; 信息整合的类别结构也是在条纹频率和条纹方向上变化的光栅图(图1b), 但是分类规则很难用语言描述, 需要同时整合条纹频率和条纹方向两个维度。

信息整合的类别学习依赖于内隐的学习系统, 即其学习是通过将大脑特定区域与特定反应模式之间联结, 同时需要及时反馈强化刺激与类别的联结。反馈对两种类别结构均有着重要的影响, 我们根据实验对反馈特征的不同操纵, 从反馈延迟、反馈性质、反馈类型、反馈概率以及反馈的神经生理机制方面加以述评。

2 反馈影响知觉类别学习的认知机制

2.1 反馈延迟对知觉类别学习的影响

Maddox, Ashby和Bohil (2003)研究了延迟反

2 心 理 科 学 进 展 第21卷

馈与即时反馈对基于规则和信息整合两种类别学

习的影响。该实验中基于规则的类别结构和信息

整合的类别结构均是在方向和频率两个维度上变化的光栅图, 但是基于规则的类别学习只需要利用一个维度进行分类, 另一个维度为无关维度 (如基于规则的类别结构的规则为：光栅的条纹方向大于45°的是类别A, 小于45°的是类别B), 延迟反馈是指被试做出反应后延迟几秒钟后再给予反馈。实验结果表明基于规则的类别学习成绩在延迟反馈条件和即时反馈条件下没有明显差异,而信息整合的类别学习在即时反馈条件下的学习成绩明显优于延迟反馈2.5s条件下的学习成绩, 但是反馈延迟2.5s、5s、10s对信息整合的类别学习影响没有差异。这些结果说明延迟反馈削弱信息整合的类别学习而不影响基于规则的类别学习, 同时, 通过这种在两种类别结构上的操作性分离证明类别学习的多系统模型。但Nosofsky, Stanton和Zaki (2005)认为信息整合的类别结构比基于规

图1 基于规则(a)和信息整合的(b)的类别结构 (资料来源：Worthy, Markman, & Maddox, 2013)

则的类别结构更难, 因为它要求被试去表征两个维度(频率和方向), 而基于规则的类别结构只要求被试表征一个维度(频率), 这种学习难度上的差异影响实验结果。为回答上述质疑, Maddox和Ing (2005)设计一个实验, 在这项实验中,基于规则的类别结构和信息整合的类别结构都要求被试表征两个维度, 并用4个类别替换03年实验的两个类别, 实验结果再次表明延迟反馈2.5s只影响信息整合的类别学习而不影响基于规则的类别学习。

这些实验的结果表明反馈延迟削弱信息整合类别学习, 是否反馈延迟对信息整合类别学习只起到削弱的作用, 有研究者提出不同的看法。Worthy等(2013)的实验采用和之前研究相似的知觉材料—— 光栅图作为实验材料, 考察了即时反馈(延迟0s), 延迟0.5s, 延迟1s三种条件下, 对基

第12期 孙海龙等: 反馈对知觉类别学习的影响及其认知神经生理机制 3

于规则和信息整合知觉类别学习的影响。结果却表明0.5s的延迟比无延迟条件(即延迟0s)和延迟1s的条件对信息整合的类别结构均有更好的成绩, 对基于规则的类别结构则没有影响。这一发现对于之前认为的反馈延迟削弱信息整合类别学习这一结论提出挑战, 而且对反馈延迟的影响进行了时间细分, 延迟实验研究拓展至1 s以内, 发现0.5 s效果最佳。为何反馈延迟会削弱或者提高了信息整合类别学习的成绩, 但是对基于规则的这种外显系统调节的类别结构没有影响?这样的结果, 可以用多巴胺调节机制来加以解释。信息整合的类别学习是一种内隐的学习, 其主要是受到多巴胺调节的学习, 而受多巴胺调节的钙浓度从分泌到达到高峰值是需要一段时间的, 这个时间可能就是0.5 s左右, 如果超过1 s的延迟时间, 多巴胺已然消退因此会削弱多巴胺调节的信息整合类别学习,而基于规则的类别学习依靠的是外显的假设检验系统, 因此并不受反馈延迟影响(Worthy et al, 2013)。

但也有研究结果指出多巴胺调节机制的不足。Ell, Ing和Maddox (2009)的实验中通过决策标准代表性的变化对基于规则类别结构的影响进行研究。所谓决策标准主要是指被试在进行分类选择时所持的选择标准。实验结果发现通过提高决策标准即提高标准噪音, 是可以消除反馈延迟5s的影响。虽然延迟反馈产生不利影响, 但只有当对工作记忆的需求是很高的时候才会显现, 这充分说明了反馈延迟的影响会受到看似无关的因素(如标准噪音)的影响。Dunn, Newell和Kalish (2012)的实验采用和Maddox和Ing (2005)相同的实验材料和程序, 实验材料均为基于规则的和信息整合的类别结构光栅图。结果发现信息整合的类别学习会受到反馈延迟的影响而被削弱。但是当将反馈延迟期间的掩蔽更换成与刺激材料相似的光栅图时, 结果发现反馈延迟对于基于规则和信息整合两种类别结构影响的差异消失, 根据多巴胺调节信息整合类别学习的假设, 对信息整合类别学习产生影响的应该是反馈延迟的时间长短, 掩蔽对实验结果是没有影响的, 即掩蔽可看作是一个―无关因素‖, 只要延迟的时间相同, 那么在不同的掩蔽下也应有相同的学习结果。但该实验却表明在反馈延迟时间同样为2.5s时, 反馈延迟

对于两类类别结构的影响会受到掩蔽类型的影响, 这显示出多巴胺解释延迟反馈的不足。

为何实验结果会受到―无关因素‖—掩蔽的影响, Dunn等(2012)采用Ell等(2009)给出的解释：认为是掩蔽的更换提高了标准噪音, 使得上述结果的发生。事实是否如此？一方面我们认为知觉类别学习受到知觉材料本身的影响很大, 通过更改掩蔽, 特别是改变掩蔽的相似性, 是会对知觉加工的过程产生影响的。而Ell等(2009)采用调节判断标准的形式, 则主要影响的是知觉加工的结果, 两者并不非同质性的操作, 能否如此类比解释, 有待验证。另一方面, Ell等(2009)的实验中其实也存在掩蔽, 其掩蔽同样是变化的光栅图, 与Dunn等(2012)不同的地方是, Ell等(2009)中操纵的仅仅是不同维度(单维度, 双维度, 三维度)的基于规则类别结构, 对信息整合类别结构并未涉及, 而Dunn等(2012)操纵的是基于规则和信息整合的类别结构学习。前者的掩蔽是作为无关变量而存在, 后者却发现掩蔽会起到一定的作用, 使得基于规则和信息整合的类别结构之间由于时间延迟造成的差异消失。说明了掩蔽对基于规则类别结构没有影响, 掩蔽调节的很有可能是信息整合的类别结构。因此, 可以从不同类型掩蔽对信息整合类别结构的影响这一角度出发加以研究, 探究反馈对信息整合类别结构的影响机制。 2.2 反馈性质对知觉类别学习的影响

在分类学习中, 根据反馈的性质可以将反馈分为积极反馈和消极反馈。积极反馈是指对正确反应给出的反馈, 消极反馈是指对错误反应给出的反馈。

两种反馈对类别学习作用不同, 进行积极反馈与消极反馈的研究, 如果每次正确反应均给予反馈, 那么被试会很容易的推断出不给反馈即意味着反应错误, 因此这种条件下相当于对所有反应均做出了反馈, 达不到实验操纵目的, 一般采取只对正确反应或错误反应的一部分给出相应反馈的方法, 减少被试推断的可能。Ashby和O'Brien (2007)即采用这种方法, 研究了积极反馈与消极反馈对基于规则的和信息整合的知觉类别结构的影响。实验中设置了4种条件, 分别是只对被试部分的正确反应做出反馈(积极反馈组), 只对被试80%的错误反应做出反馈(消极反馈组),

4 心 理 科 学 进 展 第21卷

既对被试部分正确反应也对其部分错误反应做出反馈(控制组, 部分全反馈), 对被试的全部反应均给出反馈(全反馈组)。研究者认为被试在学习的开始阶段需要更多的反馈以便及时学习到不同类别, 所以在开始的学习组块会提供更多的反馈。实验结果表明, 对于基于规则的类别结构, 消极反馈组的成绩显著优于积极反馈组, 说明消极反馈比积极反馈对基于规则的类别结构有更重要的影响; 但是对于信息整合的类别结构, 部分全反馈组的成绩要显著优于积极反馈组和消极反馈组, 说明积极反馈与消极反馈对信息整合类别结构均非常重要。同时, 有部分被试可以通过积极反馈学习到信息整合类别结构, 但是消极反馈并无此效果。

此外, 临床研究表明帕金森患者在基于规则的类别学习中成绩较差, 但是Frank, Seeberger和O'Reilly (2004)发现通过给帕金森患者补充多巴胺, 使得帕金森患者学习基于规则的类别时积极反馈与消极反馈的作用反转, 即积极反馈时比消极反馈有更大的作用。这个结果对Ashby和O'Brien (2007)进行了拓展, 明确了多巴胺在基于规则类别学习中对反馈的影响。一般认为多巴胺更多的调节信息整合的类别学习, 但是从这个实验可以看出, 基于规则的类别学习中, 通过调整多巴胺的含量是可以影响反馈, 特别是积极反馈的作用。

针对积极反馈与消极反馈在不同类别反应的差异, 研究者提出不同的解释, Ashby, Ennis和Spiering (2007)强调积极反馈的作用, 其认为反馈的作用在于强化, 积极反馈促进受多巴胺调节的强化学习, 可以增加神经元之间的联结(Ashby et al., 2007)。这类研究更多的是强调强化对行为的塑造作用, 将反馈作为正确反应的强化物。当被试得知操作的反应是正确的时候, 就会产生积极的情绪, 从而维持刺激与反应之间的联结。但也有的研究则认为反馈的作用是错误驱动, Smith等(2010)提出错误驱动机制, 他们认为在类别学习时, 错误反应可以告诉被试哪些特征更重要, 在消极反馈条件下, 被试既知道什么是正确的, 又知道什么是不正确的, 比积极反馈条件下获得更多的信息, 因此对于依赖于外显假设检验系统的类别结构, 如基于规则的类别结构, 消极反馈比积极反馈有更好的成绩, 而信息整合的类别学习是一种基于内隐系统调节的, 多巴胺调节的学习,

同时还需要及时的反馈加以强化, 所以既需要积极反馈也需要消极反馈。正是错误提供一个信号, 引导被试进行规则的选择和策略转换(Seger, 2008; Pashler, Cepeda, Wixted, & Rohrer, 2005; Smith & Kimball, 2010)。那么对于知觉类别学习而言, 积极反馈与消极反馈是基于强化学习机制还是错误驱动机制抑或是两者兼有？这种反馈机制在其他的类别结构中(如家族相似性类别结构)与在基于规则的和信息整合的知觉类别结构是否有所差异？这些问题尚未获得很好的解答。 2.3 反馈类型对知觉类别学习的影响

反馈类型对于类别学习有着重要的影响。所谓反馈类型是指反馈信息量的多少, 主要有丰富反馈(Full feedback)和简单反馈(minimal feedback)。丰富反馈是在提供的反馈信息中既告知被试反应的对错也告知被试刺激所属的类别等丰富的信息, 如丰富反馈是告知被试：―正确的！它属于类别A‖。简单反馈仅仅告知被试反应对错, 如―正确！‖。根据现有的类别学习理论, 反馈信息量的多少主要对基于规则的类别结构产生影响, 因为基于规则类别结构主要依靠外显的语义系统进行调节, 其更多的会受到工作记忆等影响, 提供更多的信息有助于外显的假设检验系统做出判断; 而对信息整合的类别结构没有影响, 因为信息整合类别结构依靠多巴胺奖赏调节, 大脑特定区域与特定动作模式之间的联结影响着信息整合类别结构的学习。但是在Maddox, Love, Glass和Filoteo (2008)发现丰富反馈(Full feedback)在提高基于规则的类别结构的学习成绩同时削弱了学习信息整合的类别结构的成绩, Maddox等(2008)认为外显系统是贝叶斯假设检验系统, 而内隐系统则是主要依靠的是强化学习, 更多的考虑反馈效价不受反馈信息量的影响。但其后研究得出相似的实验结果, 如Dunn等(2012)采用光栅图作为实验材料, 有基于规则和信息整合两个类别结构, 每个类别结构有4个维度。实验结果发现无论是在及时反馈还是延迟反馈条件下, 对于信息整合类别学习而言, 简单反馈(minimal feedback)有更好的学习成绩, 丰富反馈在提高了基于规则的类别结构学习成绩同时, 确实削弱了信息整合类别结构的成绩, 这是和Maddox等(2008)的实验结果相一致。上述研究与一直认为信息整合类别结构

第12期 孙海龙等: 反馈对知觉类别学习的影响及其认知神经生理机制 5

依靠多巴胺奖赏调节的理论假设不符, 使得人们对于信息整合类别结构的学习是否完全依靠多巴胺调节产生质疑。

2.4 反馈概率对知觉类别学习的影响

知觉类别学习的成绩除了受到反馈本身特性(如反馈性质、反馈类型)等的影响, 还与反馈的概率有关。在早期的知觉类别学习的研究中, 反馈呈现是完全的, 即被试做出反应后均伴随着反馈, 但是如果只对部分的反应给予反馈, 会对知觉类别学习成绩产生怎样的影响？Ashby和O'Brien (2007)采用基于规则的和信息整合的知觉类别结构, 通过呈现不同概率的的积极反馈与消极反馈对此进行了研究, 其采用与之前的研究相似的程序, 只是对被试部分反应给出反馈, 同时认为被试在学习的开始阶段需要更多的反馈, 因此在开始的学习组块提供更多的反馈。实验结果表明, 提供部分反馈的反馈比仅仅提供积极反馈或消极反馈的学习知觉类别结构成绩更好。但是反馈概率对知觉类别学习的影响, 以及在学习的开始阶段是否确实需要更多的反馈次数还需进一步探讨(Ashby & O'Brien, 2007)。因此, Vandist, De Schryver和Rosseel (2009)仅仅采用信息整合类别结构的知觉类别对此进行研究, 在其实验中, 反馈有100%, 0%, 25%和50%的概率4个水平。这个实验中的100%提供反馈即为通常关于反馈研究的形式, 对被试所有反应均提供反馈, 0%反馈即为观察学习, 所有反应均不给出反馈, 而25%, 50%概率的反馈是呈现反馈的次数占总试次的比例。实验采用学习-测试范式, 学习效果通过测试阶段的成绩来决定。实验结果表明, 在100%和50%的条件下, 被试的类别学习成绩最好。然而, 在0%和25%的条件下, 被试未能学会, 说明了反馈概率确实是对知觉类别学习有影响的, 反馈概率过低会直接导致类别学习失败。但是在后续实验中, 如果依然是25%概率提供反馈的条件, 当被试完成是之前实验两倍的实验试次时, 却发现绝大多数被试成功学习到类别结构, 这表明了实验的试次数对反馈实验有重要的影响, 但是在学习开始阶段提供更多的反馈对成功学习并无显著的影响, 直接否定了Ashby和O’Brien (2007)的假设, 认为被试在学习的开始阶段需要更多的反馈以便成功学习。

3 反馈影响知觉类别学习的认知神经

生理机制

反馈加工在知觉类别学习上的不同影响可以用不同的神经生理系统(如, 外显和内隐系统)加以解释, 目前普遍接受的知觉类别多系统理论为COVIS模型(competition between verbal and implicit systems)。该理论将神经生理学与心理机制较好的加以结合, 认为知觉类别学习至少存在两个系统。一个是在语义控制下的外显的言语系统, 另一个是内隐的程序学习系统。该理论假设两种分类系统有着不同的神经基础, 分别由两个平行的、在功能上独立的神经环路传导。一个环路是起于纹状体外视皮质区域(extrastriate visual areas), 该环路产生于前扣带回和前额叶皮质, 经纹状体到苍白球, 再到丘脑, 最后回到皮质, 负责外显的言语系统的类别学习; 另一条环路由颞下皮质经纹状体, 到苍白球, 再到丘脑, 最后从丘脑回到皮质, 负责内隐的非言语系统的类别学习。COVIS理论认为, 前扣带回和前额叶皮质是外显的言语分类系统的关键结构, 纹状体(包括壳核和尾状核的基底神经节), 尤其是尾状核, 是内隐的程序系统的关键部分, 可以简称为皮质-纹状体回路 (Ashby et al, 1998; 张奇, 刘万伦, 2007; 张娟, 莫雷, 林丹, 刘志雅, 2008)。

3.1 反馈延迟对知觉类别学习影响的认知神经

生理机制

根据COVIS模型, 在被试做出反应后延迟给予反馈会削弱信息整合类别结构的学习成绩, 对基于规则的类别结构的学习则没有影响。因为内隐的信息整合类别学习依靠的是在尾状核内的介质棘细胞(medium spiny cells)与视觉皮层细胞相连, 使得特定的知觉空间区域与抽象动作程序(abstract motor programs)有关的特定反应之间建立联结(Ashby et al, 1998)。这种刺激反应连接是通过尾状核底部内的多巴胺奖赏信号调节的。需要激活相互联系的模式, 通过反应之后的反馈, 进一步激活多巴胺局部奖赏调节, 而多巴胺的分泌同时也增加细胞内钙浓度。细胞内钙浓度的水平增加发生, 非常短暂的存在, 大概是在反应后几百毫秒到达钙浓度峰值, 然后迅速下降, 当多巴胺和钙水平反应后500 ms左右能同时达到峰值会最有利于学习。短暂延迟比无延迟更好, 因为

6 心 理 科 学 进 展 第21卷

钙浓度有时间通过多巴胺奖赏信号在反馈呈现后到达峰值。它也比更长的延迟好, 因为当多巴胺反馈信号到达时, 钙浓度和多巴胺已经下降了(Worthy et al, 2013)。

3.2 反馈性质知觉类别学习影响的认知神经生

理机制

皮质-纹状体突触(cortical-striatal synapses)在双向选择任务中具有可塑性, 目前普遍认为皮质-纹状体突触是通过积极反馈与消极反馈进行调节的(Calabresi, Picconi, Tozzi, & Di Filippo, 2007)。COVIS模型认为内隐的程序学习只包括直接的基底神经核(basel ganglia)的神经通路, 当纹状体突触前部或者后部激活、多巴胺含量超过正常水平时会使得突触通路(pathway synapses)得到强化。提供积极反馈时多巴胺的含量是会增加的, 因此积极反馈可以使得突触通路得到强化, 与之相反, 消极反馈的发生则不能产生上述的条件, 由于积极反馈比消极反馈在纹状体上能产生更多的多巴胺, 所以积极反馈比消极反馈更加有效 (Ashby & Maddox, 2011)。

COVIS模型认为积极反馈与消极反馈的影响是不平衡的, 但还有一种理论机制的解释则认为积极反馈与消极反馈的作用是同等的。该理论认为存在着直接神经通路和间接神经通路。当刺激呈现反应做出时, 直接神经通路使用积极反馈调节学习(GO learning), 而间接神经通路使用消极反馈调节(NO-GO learning)。

3.3 反馈类型对知觉类别学习影响的认知神经生理机制

根据COVIS模型的假设, 基于规则类别结构主要依靠外显的语义系统进行调节, 该系统是一个假设检验系统, 提供更多的信息有助于外显的假设检验系统做出判断; 而内隐系统则是主要依靠的是大脑特定区域与特定动作模式之间的联结影响信息整合类别结构的学习, 其更多的是受到特定位置, 反应与反馈提供的时间间隔(反馈延迟)等的影响, 不会受反馈信息量的影响。所以丰富反馈应有利于提高依赖于外显类别学习系统的基于规则类别的学习, 对信息整合类别结构没有影响。

Maddox等(2008)在COVIS模型基础上进一步提出, 尽管两个类别系统各自相对独立, 但是

一般认为外显系统在开始的时候居于领先地位, 因为外显系统更依赖于工作记忆, 可以更加的灵活的加工反馈加工, 它起到阀门的作用, 只有当外显系统控制减弱或者内隐系统产生更大的控制时, 类别学习会从外显系统变为内隐系统控制。这可以用来解释反馈信息量多的时在提高了基于规则的类别学习成绩同时削弱了信息整合类别结构, 但是具体的转换机制, 内隐系统与外显系统之间如何区分反馈信息的多少, 这些问题均不清晰。同时这个假设的提出使得产生一个预测, 即是工作记忆容量少的个体反而解决信息整合的问题成绩更好(DeCaro, Thomas, & Beilock, 2008)。 3.4 反馈概率对知觉类别学习影响的认知神经生理机制

根据COVIS模型, 反馈概率对知觉类别学习的影响也是依赖于皮质-纹状体回路, 类别学习的效果取决于三个重要的因素, 分别是突触前部和后部的激活, 多巴胺的释放。与反馈性质类似, 提供积极反馈能够促进多巴胺的释放, 而无反馈则可能降低多巴胺的激活。因此, 在反馈提供的概率较低时(25%)时, 虽然有25%的实验试次促进多巴胺的释放, 但是更有75%的试次减弱多巴胺的释放, 因此被试无法成功学习。但是COVIS模型的解释存在不足之处, 其基于的是完全反馈(每次反应均提供反馈), 且Vandist等(2009)实验证明虽然提供的反馈概率只有25%, 但是通过提供总体的实验试次, 被试同样可以成功学习, 这是无法用COVIS模型解释的。

因此另一种理论认为反馈概率的神经生理机制除皮质-纹状体通路之外, 还存在另一个皮质-皮质通路(cortical-cortical pathway), 该通路直接联结的是感觉联合皮质(sensory association cortex)与运动前区(premotor area), 在该通路上, 成功学习只需满足的是突触前部与突触后部的激活这两个条件, 当突触后部的激活超过阀限值时, 也会使得多巴胺释放。因此, 这一通路的使用使得在无反馈提供的条件下, 依然可以成功学习不同的类别结构(Frank, 2005 ;Ashby et al., 2007; Vandist et al., 2009)。

4 研究不足与展望

尽管目前已经对知觉类别学习中反馈的作用

第12期 孙海龙等: 反馈对知觉类别学习的影响及其认知神经生理机制 7

进行了许多研究, 但仍存在许多尚未得到解决的问题。

首先, 反馈延迟的研究中, 延迟时间对信息整合和基于规则类别结构的作用尚未明确。以往的观点认为, 反馈延迟会不利于信息整合类别结构的学习, 如上述Maddox 等(2003, 2005)的研究中, 在被试做出反应后延迟2.5s、5s或10s提供反馈, 被试学习信息整合类别的成绩均大大降低。但是近期已有实验(Worthy et al, 2013)证明并非所有的延迟都是不利于类别学习的, 0.5s的延迟比即时反馈和2.5s反馈更加有利于信息整合类别学习。此外, 也有研究指出延迟对不同类别结构的影响在有―无关因素‖干扰(如与刺激相似的掩蔽)时消失, 这对目前反馈延迟的机制解释产生挑战。但以往研究中的所谓延迟指的是刺激(stimuli)消失时刻与反馈(feedback)呈现之间的延迟, 如果是被试反应(respond)与刺激(stimuli)消失之间有延迟, 是否依然受到掩蔽类型的影响呢？未来可以通过操纵掩蔽类型与延迟位置来加以研究。

其次, 反馈类型对知觉类别学习的研究中, 反馈信息量对信息整合类别影响的机制解释还存在不足。根据现有多系统理论模型, 反馈信息量更多的会影响基于规则的类别学习, 对于依靠内隐程序系统的信息整合类别学习, 是没有影响的。但是有研究表明, 信息量丰富的反馈(即丰富反馈)在促进了基于规则类别学习的同时会削弱信息整合的类别学习。为何会产生如此的结果, 信息量对信息整合类别学习的削弱作用是否还受到类别结构的区分度、维度或其他因素影响？如Ell和Ashby (2012)的研究使用无反馈的类别学习范式, 表明了单个类别结构内的变化区间同样会影响到被试使用规则策略。丰富反馈之所以有利于基于规则的反馈, 不利于信息整合的反馈, 有一种新的解释认为是：基于规则反馈更多的是使用外显的规则策略, 丰富反馈的提供有利于被试验证假设规则, 而这种对外显规则系统控制的加强, 不利于使用内隐系统, 从而削弱依赖内隐系统的信息整合类别结构。如果确如该理论所解释, 那么有反馈时被试使用规则策略的倾向会受到类别结构内部变化的影响, 如果有影响, 是否这种类别结构内部的变化影响基于规则和信息整合的

类别结构呢？这些都未有明确的结论。我们可以在有反馈的类别学习中通过变化类别内部的变异范围与类别之间的变异范围, 探究被试是否依然具有使用分类规则的策略倾向; 以及内外变异下, 反馈对两种类别结构有何新的影响。通过这样的操作可以对丰富反馈削弱信息整合类别学习的最新解释加以验证。

第三, 反馈性质的操纵上, 积极反馈与消极反馈对于信息整合和基于规则类别结构的不同影响已经被证实, 但是反馈性质对知觉类别学习的影响是基于错误驱动机制还是强化学习机制尚有争论。另一方面, 积极反馈与消极反馈对信息整合和基于规则的类别结构有不同的影响, 其本质上是对内隐系统和外显系统有着不同的影响, 而除上述两种类别结构之外, 基于相似性的类别结构(如家族相似性类别结构)是更依赖内隐类别学习系统还是外显类别学习系统尚未明确, 那么, 未来可以按照这一思路, 通过反馈性质的操纵, 根据实验结果对家族相似性类别结构是基于内隐系统还是外显系统加以证明。

第四, 反馈机制方面, 目前基本接受至少存在内隐系统和外显系统的多系统机制(如COVIS模型)。该机制可以解释反馈对知觉类别学习影响的许多实验结果, 但是该机制仍存在许多缺陷。如在反馈类型对两种类别结构的影响上, 有研究认为内隐系统与外显系统存在顺序性, 反馈信息量增大增强了外显系统的控制, 使得认知加工难以突破外显系统到达内隐系统, 从而反馈信息量大削弱信息整合类别结构的学习, 但是其具体的转换机制, 阈限值还不清晰。此外, 由于―无关因素‖ (如掩蔽、实验试次)的影响, 使得在两种类别结构上由于反馈延迟产生的差异消失的原因, 这是目前的反馈机制无法解决的。今后的研究可以着眼于这些地方, 进一步深入研究。

参考文献

张奇, 刘万伦. (2007). 类别学习多重系统理论的研究与展望. 心理科学进展, 15(1), 78–87.

张娟, 莫雷, 林丹, 刘志雅. (2008). 认知神经和神经心理角度的多重类别学习系统. 心理科学, 31(6), 1357–1360. Ashby, F. G., Alfonso-Reese, L. A., Turken, A. U., & Waldron, E. M. (1998). A neuropsychological theory of multiple systems in category learning. Psychological Review, 105, 42–481.

Ashby, F. G., Ennis, J. M., & Spiering, B. J. (2007). A neurobiological theory of automaticity in perceptual

8 心 理 科 学 进 展 第21卷

categorization. Psychological Review, 114(3), 632–656. Ashby, F. G., & Maddox, W. T. (2011). Human category learning 2.0. Annals of the New York Academy of Sciences, 1224, 147–161.

Ashby, F. G., & O’Brien, J. R. B. (2007). The effects of positive versus negative feedback on information-integration category learning. Perception & psychophysics, 69, 865–878.

Calabresi, P., Picconi, B., Tozzi, A., & Di Filippo, M. (2007). Dopamine-mediated regulation of corticostriatal synaptic plasticity. Trends in Neurosciences, 30, 211–219.

DeCaro, M. S., Thomas, R. D., & Beilock, S. L. (2008). Individual differences in category learning: Sometimes less working memory capacity is better than more. Cognition, 107, 284–294.

Dunn, J. C., Newell, B. R., & Kalish, M. L. (2012). The effect of feedback delay and feedback type on perceptual category learning: The limits of multiple systems. Journal of Experimental Psychology: Learning, Memory, & Cognition, 38(4), 840–859.

Ell, S. W., & Ashby, F. G. (2012). The impact of category separation on unsupervised categorization. Attention, Perception, & Psychophysics, 74, 466–475.

Ell, S. W., Ing, A. D., & Maddox, W. T. (2009). Critrial noise effects on rule-based category learning: The impact of delayed feedback. Attention, Perception, & Psychophysics, 71(6), 1263–1275.

Frank, M. J. (2005). Dynamic dopamine modulation in the basal ganglia: A neurocomputational account of cognitive deficits in medicated and nonmedicated Parkinsonism. Journal of Cognitive Neuroscience, 17, 51–72. Frank, M. J., Seeberger, L. C., & O’Reilly, R. C. (2004). By carrot or by stick: Cognitive reinforcement learning in Parkinsonism. Science, 306, 1940–1943. Maddox, W. T., & Ashby, F. G. (2004). Dissociating explicit and procedural-learning based systems of perceptual category learning. Behavioral Processes, 66, 309–332. Maddox, W. T., Ashby, F. G., & Bohil, C. J. (2003). Delayed feedback effects on rule-based and information-integration category learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 29, 650–662.

Maddox, W. T., & Filoteo, J. V. (2005). The neuropsychology of perceptual category learning. In H. Cohen & C. Lefebvre

(Eds.), Handbook of Categorization in Cognitive Science (pp. 547–597). Amsterdam, Nederland: Elsevier.

Maddox, W. T., & Ing, A. D. (2005). Delayed feedback disrupts the procedural-learning system but not the hypothesis-testing system in perceptual category learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 31, 100–107.

Maddox, W. T., Love, B. C., Glass, B. D., & Filoteo, J. V. (2008). When more is less: Feedback effects in perceptual category learning. Cognition, 108, 578–589.

Nosofsky, R. M., Stanton, R. D., & Zaki, S. R. (2005). Procedural interference in perceptual classification: Implicit learning or cognitive complexity? Memory & Cognition, 33(7), 1256–1271. Pashler, H., Cepeda, N. J., Wixted, J. T., & Rohrer, D. (2005). When does feedback facilitate learning of words? Journal of Experimental Psychology: Learning, Memory, and Cognition, 31, 3–8. Seger, C. A. (2008). How do the basal ganglia contribute to categorization? Their roles in generalization, response selection, and learning via feedback. Neuroscience & Biobehavioral Reviews, 32(2), 265–278.

Smith, J. D., Ashby, F. G., Berg, M. E., Murphy, M. S., Spiering, B., Cook, R. G., & Grace, R. C. (2011). Pigeons’ categorization may be exclusively nonanalytic. Psychonomic Bulletin & Review, 18, 414–421.

Smith, J. D., Beran, M. J., Crossley, M. J., Boomer, J., & Ashby, F. G. (2010). Implicit and explicit category learning by macaques (Macaca mulatta) and humans (Homo sapiens). Journal of Experimental Psychology: Animal Behavior Processes, 36, 54–65.

Smith, T. A., & Kimball, D. R. (2010). Learning from feedback: Spacing and the delay-retention effect. Journal of Experimental Psychology: Learning, Memory, and Cognition, 36(1), 80–95.

Vandist, K., De Schryver, M., & Rosseel, Y. (2009). Semisupervised category learning: The impact of feedback in learning the information-integration task. Attention, Perception, & Psychophysics, 71(2), 328–341.

Worthy, D. A., Markman, A. B., & Maddox, W. T. (2013). Feedback and stimulus-offset timing effects in perceptual category learning. Brain and Cognition, 81, 283–293.

The Influences of Feedback on Perceptual Category Learning and Its’

Cognitive and Neurophysiological Mechanisms

SUN Hailong; XING Qiang

(Department of Psychology, Guangzhou University, Guangzhou 510006, China)

Abstract: Perceptual category learning is a process in which human beings classify perceptual stimulations and acquire categories. Feedback is an indispensable part of perceptual category learning. Investigators conducted extensive researches by manipulating different characteristics of the feedback, such as feedback delay (immediate vs. delay), feedback nature (positive vs. negative), feedback type (rich vs. simple), on how feedback affects perceptual category learning, trying to give a reasonable explanation from the physiological or neural perspective. However, there are still many shortcomings on the researches about the influences of feedback on perceptual category. Specifically, few researches focus on the influence in terms of time

第12期 孙海龙等: 反馈对知觉类别学习的影响及其认知神经生理机制 9

refinement of the feedback delay, unrelated factors of masking, feedback trial. In addition, there are considerable different opinions on the feedback mechanism. More studies should concern the cognitive feedback mechanism in the future.

Key words: feedback; perceptual category learning; COVIS model; rule-based and information integration

structure