1701312260
在科学家眼中，整体识别其实又叫作“专家”识别，只有当我们对一个事物真正熟悉了解之后才能做到。对于大多数人而言，判断面孔的能力会随着年龄增长而变得炉火纯青。这样一个例子可以帮你理解这个概念：如果让我对你介绍极限这个数学概念，我可能支支吾吾来回说半天才能解释清楚，或者过度解说“局部”的信息（比如某几个我认为比较难的点）；但是如果是一位有经验的数学教授和你解释同样的问题，他就能从整体方面跟你解释，不光能让你明白什么是极限，还能让你明白极限这个概念产生的前因后果，到底在什么地方可以用，怎么用。例子中的数学教授作为专家，拿捏和判断更加整体化，并不是填鸭一般将每个地方都提到，却让人觉得“条理通顺”；而我作为一个粗略学习过的学生，在数学方面只能抓住细枝末节（局部特征），讲解慢，抓不住重点，想必你听起来没学到太多东西，只能说每个概念都听到过一遍。“专家”利用整体识别就好比教授给你梳理脉络一样，在他那里数学就是一盘大棋，并不为具体棋子所困。
1701312261
1701312262
哪怕不是通过简单相加，我们的视觉处理系统效率也并不是很高，对一张面孔的精确、完整识别需要进行几百毫秒。但是，在真实生活中，我们能够通过短短一瞥判断出对方是谁，什么表情。整体判断提高了识别速度，而之后的局部识别可以进一步提高判断正确性。高速的判断往往依赖于整体识别，虽然局部判断可以增加精确度，却需要更长时间。很多时候我们在做粗略或者快速判断的时候，整体信息会占据主导地位，我们把部分信息合为一体进行了判断。在识别面孔的时候，大脑不是简单地一一识别五官等信息，也不是把每一点信息直接加在一起，而是把所有信息融合成一个新的信息来看待，可以说是在统领全局，但不拘泥于某一个小范围：比如眼睛的形状自然会被分析，却在此着墨过多。话说回来，有些时候我们也会依赖于局部信息，比如区分同卵双胞胎时得要抠出很多细节才行。不过只有拥有整体识别能力，才能最有效地统领这些局部信息的识别，并行处理肯定比一个接一个地串行处理要快一些不是吗？
1701312263
1701312264
20世纪心理学界有一个流派叫作格式塔心理学，这一个学派核心观点正是“整体大于部分之和”。有趣的是，面孔识别也是如此，虽然面孔在我们眼中就是线条和色块的组合，但是它们加在一起并不是一个大色块，而是一张意义非凡的面孔。简单来说，我们判断理解一张面孔的时候倾向于从整体角度，而不是细节角度分析它。对于这一论述，最好的例子非“面孔倒置效应”莫属。
1701312265
1701312266
看脸 [:1701311739]
1701312267
倒置的面孔，不只是倒过来
1701312268
1701312269
科学家怎么会发现面孔识别会依赖于整体识别呢？毕竟整体识别也会把局部识别的信息进行综合，乍一看很难区分。没有什么实验设计能难倒科学家，一个经典的研究方法叫作面孔倒置效应。正常人的面孔都是眼睛在上但是嘴巴在下，我们也熟悉了这样的面孔；但是有科学家在接近半个世纪以前研究了一个听起来异想天开的内容：如果我们这么擅长识别面孔，那么把面孔图片倒过来我们是否仍然能看清楚。Yin（殷）教授就发现倒过来的面孔不太好记，也不太好认。比如说下面有两张倒置的肖像照片，大家分辨下谁是演员摩根·弗里曼，谁是南非国父曼德拉。
1701312270
1701312271
有些人一时半会儿反应不过来两张倒置的面孔属于谁，但是如果你旋转书本把这两张面孔正过来便可以轻松判断。换句话说，同一张面孔，倒置比正放需要更长的时间进行分析。从科学角度解释，只有面孔正常朝向时，我们的大脑才能最优化地分析它们，否则费时费力不讨好。大家想一想，虽然我们对于面孔的识别早已炉火纯青，怎耐我们的“学习资料”都是正常面孔，现实世界不存在倒过来的面孔，也就没有被我们习得，所以哪怕有着专长的我们也做不到识别倒置的面孔。
1701312272
1701312273
1701312274
1701312275
1701312276
可能这个问题难不倒你。倘若两张完全陌生的面孔就会很难，虽然你还是能判断出谁是摩根·弗里曼，但是在倒置的情况下你会需要更长时间
1701312277
1701312278
其实面孔倒置效应不光体现了整体识别在面孔中的重要性，还反映了面孔本身的特殊性：只有面孔才有如此“严重”的倒置效应。不信我们可以把面孔与别的东西比一比，Donnelly（唐纳利）与Davidoff（大卫杜夫）教授曾对比了面孔与房子这两种所有人都有识别专长的信息，假设面孔不特殊的话，两者的倒置效应的影响应该接近。并且他们发现相对于房子，面孔倒置影响识别更严重，换句话说，面孔对整体识别的依赖程度在整个视觉领域“鹤立鸡群”。
1701312279
1701312280
那面孔倒置效应的生理基础在哪儿呢？一个能够观测到的行为应该有伴随着的生理/大脑反应。而且如果能搞明白倒置效应的生理基础，我们就能够更好地理解整体效应：同样是处理面孔的区域，哪些区域对正常面孔更感兴趣并应该更多地参与整体识别；而对于倒置面孔反应激烈的脑区，应该就是参与局部识别比较活跃的部分。于是科学家们从脑成像的角度分析了大脑活动方式去区分识别方法，他们发现不管是判断速度还是判断准确率，都随着倒置而被深深影响，甚至神经细胞对倒置的面孔有打破常规的反应。倒置的面孔与正常面孔会激活不一样的大脑反应，所以Kanwisher教授与同事将这个差异归因于大脑采用不同的处理方法，也就是在倒置之后整体识别无法进行，只能用缓慢的局部识别。进一步的研究揭露了大脑具体利用了怎样不同的方法识别不同面孔：不同的大脑区域在看到不同方向的面孔时活跃。先是有科学家发现在识别倒置的面孔时，似乎大脑招募了不属于面孔识别的区域进行加工。虽然面孔区域如梭状回面孔区以及枕叶面孔区活动，但是由于不是正常面孔，关键的梭状回面孔区“无所适从”，活跃度下降。正如同童话故事一般，大脑找到了“救驾”的方法：大脑“聘请”参与物体和场景识别的脑区以局部加工的方法，参与了进来（所以说，在看倒置的面孔时大脑都会认为这样的一张图片不怎么像面孔，有点像物体呢）。所以说，不光是处理方法，大脑也利用了不同手段来分析倒置的面孔。恰恰是这两者的交互作用，凸显了面孔的特别之处；揭示了倒置面孔的确不是“正常面孔”，需要用更接近物体而不是特别的面孔识别方法与渠道分析。
1701312281
1701312282
了解过大脑的处理“硬件”之后，我们来看一看大脑如何对待看到的面孔：面孔到底被当作了如何特别的信息被处理的呢？既然整体识别并不是去简单分析每一处的局部信息，那么整体识别肯定对应了一种整体信息；因此面孔上肯定能够被找到所谓的整体信息。借助实验，科学家们已经尝试对于面孔根据处理层次的不同进行划分。比如面孔研究的先驱之一Rhodes（罗兹）教授，她就曾在二十世纪八十年代把面孔信息中的特征划分为两个阶层：一阶特征（first-order feature），或者说局部特征，描绘了比如眼睛的形状和样子；二阶特征（second-order feature），或者说整体特征，描绘了面孔上的整体内容。这两种特征合在一起可以直接决定面孔的几何形象，但这并不是最好的划分方式，毕竟，整体信息这个说法还是比较笼统，过于抽象。
1701312283
1701312284
科学家进一步对整体信息划分为：一阶关系信息（first-orderrational information），也就是人类共有的面孔形象，所谓眼睛在上，耳朵在两侧；还有二阶关系信息（second-order rational information），详细描述了眼睛之间的距离，嘴唇和下巴的距离，描述面孔构造的信息。以关系信息划分的模型现在被广泛接受，因为它很好地反映了我们大脑如何“看待”一张面孔。
1701312285
1701312286
那么哪种信息更加重要呢？Maurer（莫勒）教授在他2002年的文献综述中对整体信息提出了三阶段处理模型，第一步就是一阶关系信息，他称之为“判断是不是面孔”的阶段；其次就是整体加工，然后从整体中剥离出二阶关系信息，这两步合起来完成了面孔的精细区分。当然这个模型也并非白璧无瑕，比如Taubert和同事们发现被实验者在略微看一眼面孔肖像画之后（完成整体加工），大家都能准确辨别一阶和二阶信息，所以他们以整体加工为先，然后是一阶和二阶信息细节处理。不少类似研究都对Maurer（莫勒）教授的模型提出了细节修改；但是无论如何，整体加工以及整体信息正是大脑识别面孔的关键。在面孔这个问题上，大家都是专家，大家都能“把握大势”。不过一旦倒过来，我们的能力就不够用喽。
1701312287
1701312288
看脸 [:1701311740]
1701312289
奇奇怪怪的照片，道出了面孔识别的特点
1701312290
1701312291
科学家们选择了在面孔这一片富饶的“草原”上研究，自然而然需要优秀的“行步车”。研究整体识别，就需要创造出打破整体识别或者局部识别的图片，探究整体识别的影响到底有多深入。脑成像好比汽车让科研走上了快车道，而对图片的操纵就好比石油化工，若没有好的“汽油”，再好的跑车也只能推着走。
1701312292
1701312293
我于上一节已经粗略介绍了下Yin教授提出的面孔倒置效应。在实验室里，科学家们还利用别的办法调整图片，换用其他角度去测量整体识别。比如有一种研究方式叫作合成面孔效应，这是一个广泛应用于面孔研究的经典方法。Young教授在提出识别模型的同时，也孜孜不倦地做了许多与面孔相关的经典研究。在他和同事的两组实验中，他们用合成面孔效应发现了情绪和身份都需要依靠整体识别。我们先说一下合成面孔。正常情况下，我们都可以看到一张完整的面孔，一张完整的面孔上自然有着相同的情绪或者说身份。但是合成面孔效应就是建立在我们的“假设”上，故意从鼻子处裁掉一张面孔的下半段，贴上另半张面孔。比如下面这张图就是一张合成面孔，而右边的是分割开的面孔，你能判断出哪一个下半张脸是属于英国首相的吗？
1701312294
1701312295
1701312296
1701312297
1701312298
这两张面孔都是由一位名人的上半张脸和另一位的下半张脸构成的。上半张脸是英国前首相戈登·布朗，下半张脸属于英国前首相卡梅伦。左边一张图相较右边更难以判断清楚具体哪部分面孔属于哪位名人
1701312299
1701312300
左边两张面孔显然没有右边两张容易区分。如果通过左边连接在一起的面孔你可能很难判断，但是通过右边这张没有连接在一起的照片就能方便很多。甚至我们实验室的学妹还说，在她看了右边这两张分开的脸庞之后，她才发现左边这张脸其实不是来自一个人。这就是合成面孔效应，如果两张不同的面孔连接在一起的时候，你需要花更多时间去判断上半张面孔是谁，但是一旦分开一段距离便快不少。
1701312301
1701312302
“合成面孔效应”的原因并不复杂，因为这样合成的面孔非常像现实生活中存在的人，以至于我们看到这张精心合成的脸之后会误以为这一张脸是一个整体，所以整体识别会进行处理。不过因为我们并没有这样一个被处理过的面孔的记忆，所以我们无法识别；同时，整体识别提炼了局部识别，让我们很难简单地抽离出局部特征来单独分析，整体信息作为被优先处理的信息占据了大量的认知资源。举一个不恰当的例子，电脑上用Linux操作系统（近似整体处理）运行模拟的视窗操作系统（在这个情况下近似局部处理），Windows操作系统的处理资源自然会被原本运行的Linux系统分享，使得两者都快不了。但是对于分开的面孔，我们的大脑不再把它们合成在一起分析，也就不会提前激活整体识别这样一个占主导地位的“进程”，因此局部分析方法可以更快、更少干扰地判断出到底上半张脸表述了什么信息。还是举上面的例子，作为一台双系统的电脑，如果我们开机时就只选择视窗系统（局部处理），预装的Linux系统没有被激活，也不会来“分一杯羹”。所以，相比分开的面孔，“合成面孔”令我们更难以“找回理智”，需要更长的时间判断出上半张脸的真实主人。Young教授和同事在1987年就利用这个方法研究了身份信息，后来在2000年又和另一组同事研究了表情情绪的识别，基本确定了在面孔识别的过程中，整体识别还真是局部识别的“上司”，只有让整体识别“休假”才能够更好地判断合成面孔。虽然身份和表情情绪需要不同的大脑区域加工，但是它们都呈现出合成面孔效应，可以说整体识别是一个非常重要的面孔处理手段，它的“办公室”优先于面孔的具体分析：好似前台，想进公司都得先走过那边。
1701312303
1701312304
整体优先效应也被广泛应用于面孔研究之中。这个设计很有趣味，其实“产自”我们的日常生活中。现在我问你，你觉得你能够只通过左边的一张嘴判断出这个人是谁吗？绝大多数人，哪怕再熟悉特朗普，都可能很难做到。这一点也恰恰是整体识别的原因。接着用特朗普做例子，同样是判断嘴唇是否属于特朗普，在完整的特朗普肖像中这同一张嘴唇识别会快很多。这一个“速度优势”恰恰是因为面孔依靠整体识别，如果只能看到部分信息，比如单独一张嘴，我们并不能有效地利用它、分析它。自然而然地，只有在整体之中，判断局部的信息才会被快速地识别。
1701312305
1701312306
利用这么多的研究手段，科学家们发现当我们以某种方式打破常规面孔构成，也就是破坏整体识别时（面孔倒置效应）判断能力下降。当塑造出以假乱真的整体面孔之后（合成面孔效应），对于“假的面孔”的整体识别优先一步反倒影响了对于目标半张脸的局部识别。当比较同一个局部面孔特征在单拿出来还是放在整体之内的时候（整体优先效应），整体可以提速识别。希望在我极其详尽地转述这些“优雅”的实验结果之后，你能理解整体识别在面孔识别中占据主导地位。
1701312307
1701312308
看脸 [:1701311741]
1701312309
“撒切尔效应”