Por que algumas imagens são mais memoráveis ​​do que outras?

resumo: Um novo estudo revela que o cérebro prioriza a lembrança de imagens difíceis de interpretar. Os pesquisadores usaram um modelo computacional e experimentos comportamentais para mostrar que as cenas que eram mais difíceis de serem reconstruídas pelo modelo eram mais memoráveis ​​para os participantes.

Esta descoberta ajuda a explicar por que certas experiências visuais permanecem na nossa memória. O estudo também poderá ajudar no desenvolvimento de sistemas de memória de inteligência artificial.

Principais fatos:

• Configuração de memória: O cérebro tende a lembrar imagens que são difíceis de explicar ou interpretar.
• Modelo computacional: Foi utilizado um modelo que lida com compressão e reconstrução de sinal visual.
• Efeitos da inteligência artificial: Insights podem ajudar a criar sistemas de memória mais eficientes para inteligência artificial.

fonte: Yale

A mente humana filtra um fluxo de experiências para criar memórias específicas. Por que algumas experiências neste dilúvio de informações sensoriais tornam-se “memoráveis”, enquanto o cérebro ignora a maior parte delas?

Um modelo computacional e estudo comportamental desenvolvido por cientistas da Universidade de Yale aponta para novas evidências para esta antiga questão, relatam eles na revista. A natureza do comportamento humano.

“A mente prioriza lembrar coisas que não consegue explicar bem”, disse İlker Yildirim, professor assistente de psicologia na Faculdade de Artes e Ciências da Universidade de Yale e autor sênior do artigo. “Se a cena for esperada, em vez de surpreendente, pode ser ignorada.”

Por exemplo, uma pessoa pode ficar brevemente confusa com a presença de um hidrante num ambiente natural remoto, tornando a imagem difícil de interpretar e, portanto, inesquecível. “Nosso estudo explorou a questão de quais informações visuais podem ser lembradas integrando um modelo computacional de complexidade de cena com um estudo comportamental”, disse Yildirim.

Para o estudo, liderado por Yildirim e John Lafferty, professor de estatística e ciência de dados John C. Malone na Universidade de Yale, os pesquisadores desenvolveram um modelo computacional que abordou duas etapas na formação da memória – compressão e reconstrução de pistas visuais.

Com base neste paradigma, conceberam uma série de experiências nas quais se perguntava às pessoas se se lembravam de imagens específicas de uma série de imagens naturais apresentadas em rápida sucessão. A equipe de Yale descobriu que quanto mais difícil era para o modelo computacional reconstruir a imagem, maior era a probabilidade de os participantes se lembrarem da imagem.

“Usamos o modelo de IA para tentar esclarecer a percepção das cenas pelas pessoas, e esse entendimento pode ajudar a desenvolver sistemas de memória de IA mais eficientes no futuro”, disse Lafferty, que também é diretor do Centro de Computação Neural. e Inteligência de Máquina no Instituto Wu Tsai da Universidade de Yale.

Os ex-alunos de pós-graduação de Yale, Chi Lin (psicologia) e Zifan Lin (estatística e ciência de dados), são os primeiros autores deste artigo.

Sobre esta notícia de pesquisa de memória visual

autor: Bill Hathaway
fonte: Yale
comunicação: Bill Hathaway – Yale
foto: Imagem creditada ao Neuroscience News

Pesquisa original: Acesso fechado.
“Imagens com representações visuais difíceis de reconstruir deixam marcas mais fortes na memória“Por İlker Yildirim et al. A natureza do comportamento humano

um resumo

Imagens com representações visuais difíceis de reconstruir deixam marcas mais fortes na memória

Muito do que lembramos não se deve a uma escolha deliberada, mas é simplesmente um subproduto da percepção.

Isto levanta uma questão fundamental sobre a estrutura da mente: como a percepção interage e influencia a memória?

Aqui, inspirados na proposta clássica que liga o processamento perceptual à robustez da memória, teoria do nível de processamento, introduzimos um modelo de codificação esparso para compactar recursos de incorporação de imagens e mostramos que os resíduos de reconstrução deste modelo predizem quão bem as imagens são codificadas na memória.

Em um conjunto de dados memoráveis ​​abertos de imagens de cena, mostramos que o erro de reconstrução explica não apenas a precisão da memória, mas também a latência de resposta durante a recuperação, incluindo, no último caso, toda a variância explicada por modelos robustos apenas de visão. Também confirmamos a previsão deste relato através da “psicofísica baseada em modelos”.

Este trabalho identifica o erro de reconstrução como um importante sinal que liga a percepção e a memória, possivelmente através da modulação adaptativa do processamento cognitivo.