Summary

人間の像の不気味の谷仮説 '次元の知覚とカテゴリ処理:一部の方法論

Published: June 03, 2013
doi:

Summary

の調査<em>不気味の谷仮説</em>と感情経験は仮説を理解する必要があります '<em人間の肖像>寸法(DHL)</em>。このプロトコルは、カテゴリカル知覚のDHLおよび審査の表現を可能にします。物理的およびカテゴリ変化に応答して、脳の領域を区別するために、同じ刺激​​とfMRIのの使用は人間の肖像仮説 '寸法(DHL)を理解する必要が不気味の谷の仮説と感情経験illustrated.Investigationです。このプロトコルは、カテゴリカル知覚のDHLおよび審査の表現を可能にします。物理的およびカテゴリの変化に応答する脳の領域を区別するために、同じ刺激​​とfMRIのの使用が示されている。

Abstract

森の不気味の谷の仮説1,2は、ロボットなどの人間のような文字の認識とは、拡張子によって、アバターが(コンピュータ生成文字)に沿って、視覚と行動のリアリズムのオブジェクトの度合いに応じて、正または負の影響(原子価)を呼び起こすことができることを提案しているヒトらしさの寸法(DHL)( 図1)。現実的ではなく、種々のヒト以外の文字の主観的な応答の情動価の研究は、一貫性のない所見3、4、5、6を作り出した。これには多くの理由の一つは、仮説が前提とされるヒトらしさが知覚されないです。 DHLは、物理的な人間らしい類似度の円滑な線形変化として森の説明の後に定義することができますが、DHLに沿ってオブジェクトの主観的認識はカテゴリカル知覚(CP)7の心理的影響の観点から理解することができます。 CAのさらなる行動と神経画像の研究DHLに沿って感情経験にディメンションの基礎カテゴリ構造の潜在的影響のtegory処理とCPが必要とされている。このプロトコルは、したがって、DHLに焦点を当て、CPの検査を可能にします。例としてビデオで提示プロトコルに基づいて、プロトコルとDHLを表現するためにモーフコンティから引き出された刺激の "不気味な"研究で使用されている方法論をめぐ​​る問題は、映像に付随する資料に記載されている。カテゴリの変更とカテゴリ処理に応答して、それらからの物理的人間のような類似の神経的反応する脳領域を解きほぐすために、DHLを表現する神経画像とモーフ刺激の使用が簡単に説明される。

Protocol

図1負と正の影響(原子価)と知覚人間似の経験との間の非線形関係のイラスト。そうしないと正の関係は非常に現実的なまだ目に見えて不自然な人間のようなオブジェクトの外観と動作に微妙な違いが示唆される描か曲線の第一及び第二の陽性ピーク間のリアリズムのレベルで鋭い負のピーク( つまり、不気味の谷)を示していますストレンジネスと個人的不快感( すなわち不気味な感じ)の感覚を誘発する。イラストは2から適応。 我々は、次のタスクごとに参加者の異なるグループを使用していました。 1。強制選択分類タスク</p> 1.1刺激 DHLを表現するためにリニアモーフィングコンティを生成するモーフィング手順で親の顔( つまりコンティエンドポイント)としてアバターと人間の画像を使用してください。私たちはそれぞれ、人間とアバターの顔の32画像を用いた32人間アバターコンティニュアを作成しました。モデリングスイートPoserの7(スミスマイクロソフトウェア、使用してアバター生成www.smithmicro.comを他のソフトウェアが利用可能ですがが、)。我々は、Funmorpher(Zealsoft社、ミネアポリス、ミネソタ州)を使用してこれらのモーフ連続体を生成したが、他のモーフィングソフトウェアを使用することができる。 モーフィングソフトウェアを使用して、親の顔の特徴に対応する制御点を配置。それぞれの顔のために、我々は口に20ポイント、それぞれの目に18ポイント、鼻の上に20ポイント、それぞれ眉上の8点を置いた。そこで我々は、100の制御ポイントで使用。制御点の数を一定に維持しようとするが、フィンの任意のアーチファクトを除去するためにさらにポイントを追加コンティニュアのアルモーフ。 潜在的な交絡をモーフィング手順に導入されていないことを確認してください。例えば、我々は中立的表現、直接的な視線や、顔の毛やジュエリー、およびエンドポイントの画像など他の顕著な特徴を持つ未知の目立たない男性の顔の各連続画像のエンドポイントとして使用され、密接に年齢、configural手がかりと一般顔面ジオメトリの一致した。 例えば楕円形の黒いオーバーレイを使用して、外部の機能をトリミングする写真編集ソフトウェアを使用して、我々は、Adobeを使用、Photoshopは、CS3( www.adobe.com )。モーフィングする前に、configural手がかりの終点画像間位置合わせを確実にするために、画像の位置を調整し、コントラストレベル、全体的な明るさと一致するように、各連続の終点刺激の各対の肌色を調整する。 DHL連続体の各モーフは、事前定義された単位での物理的な人間のような類似性の違いを表しています。我々は1を生成した3種類のモーフィング画像とラベルの付いたこれらの、2つのエンドポイント11中間モーフ( 図2B)はM0にM12、。 1.2刺激提示と指示明らかにアバターとして分類し、人間のされるこれらのモーフのかを決定するために、カテゴリ境界8の位置を定義するために、二代替強制選択分類タスクを使用します。 現在の試験では、750ミリ秒のためのモーフ画像続いて500ミリ秒(参加者は固定を維持するために必要とされる)のための固定点から始まる。私たちはプレゼンテーションを使用していました。ソフトウェア(バージョン14.1、 www.neurobs.comこのプロトコルのすべてのタスクで刺激提示が、他の刺激提示プラットフォーム用)を用いることができる。 2 RESPOのいずれかを押すことにより、迅速かつ正確にできるだけアバターや人間のどちらとして提示モーフ刺激を識別するために、参加者に指示します NSEキー。 1.3データ解析応答関数の形状を記述するために多項式回帰を使用して、アバターヒト分類データをまとめる。各参加者と連続体の応答データにロジスティック関数モデルをフィッティングすることにより、これを決定する。まず、ロジスティック機能のベストフィットを確保するために、参加者全体で個々のコンティニュアを分析します。次に、各連続のロジスティック関数から派生パラメータ推定値を、使用しているすべてのコンティニュア渡るアバターヒトカテゴリ応答関数にステップ状のための1サンプルのt検定ではゼロに対するテストでは、参加者全体で平均した。ロジット変換9に各連続のロジスティック関数のパラメータ推定値を提出することによって、それぞれの連続に沿ってカテゴリ境界の位置を推定する。私たちは、SPSSバージョン16を使用して強制的に選択肢の分類と知覚弁別タスクのすべての分析を行った(ibm.com /ソフトウェア/分析/ SPSS "ターゲット=" _blank "> www.ibm.com /ソフトウェア/分析/ SPSS)。 応答時間(RT)のデータも解析することができる。今回の解析では、モーフの位置に応じて、応答時間の差は、従属変数としてすべてのコンティニュア渡って各個人の平均RTを使用して、13モーフ位置に、1要因ANOVAに入力されます。 図2強制選択の分類タスク()とモーフ連続体(B)の例からの結果。パネルBでは、アバターと人間のエンドポイント間の13モーフコンティニューに沿ってリニア物理トランジションの相対度がパーセンテージで表示されます。 M0とM4は目の中で、人間のようにアバターとM8とM12と同定されたパネルに示されているようにeは、選択肢の分類作業を余儀なくされた。 2。知覚弁別課題 2.1刺激 同じ異なる知覚弁別課題 10のこのバージョンでは、各モーフ連続から選択するアバター( 例えば M0とM4)と人間のような2つの( 例えば M8とM12)のような先行分類タスクに分類2モーフ。モーフとの間の物理的な違いを制御するには、それぞれの連続に沿って物理的変化に相当する単位を表すモーフを選択します。私たちは、33.33%の増分( すなわち M0、M4、M8、M12)( 図2B)を使用していました。 "同じ異なる"知覚DISCRIMについては、図3。スティミュラス条件もののみタスク(N = 20)。モーフは、対を形成するように選択される。ペアのモーフは、同じカテゴリ( "内")の中から引き出されている、( "同")と同一であるか、または彼らは( "の間に")との間でカテゴリ内の変化を示す。モーフM0、M4、M8と、ヒト臨床試験(B)用のアバター試験(A)およびM4、M8、M12及びために使用される。アバター試験でモーフペアの最初のモーフが常にM8 M4と人間の試験であり、そのアバターと人間の臨床試験を異なるコンティから引き出さモーフに基づいていることに注意してください。 ペアのモーフがある"同じ"(ペアのモーフが同一である、物理的なまたはカテゴリ変化を表すません)、 "内"(:3つの実験モーフ対条件( 図3)によるとペアに選ばモーフを並べ替える)カテゴリ内から引き出された、と "の間に"(ペアのモーフが異なるカテゴリを表す)。 関係でモーフペアのモーフの区別性能を調査するアバターカテゴリ(これらのモーフのペアは、このように"アバター試験"と呼ばれている)に三つの条件の各モーフペアの最初のモーフが( 図3A)(アバターカテゴリから)常にM4であることを確認します。モーフペアM4この結果 – "同じ"はM4、M4 – "内"とM4用M0 – 条件 "の間に"のためにM8。同じ手順を最初にモーフが常にM8であることを保証する、(したがって、 "人間裁判"と呼ばれる)人間のカテゴリに関連してモーフペアに適用することができます: "同じ"(M8 – M8)、(M8 – M12) "の中に" 、と"の間に"(M8 – M4)( 図3B)。 常にモーフペアの両方のモーフは、それらが元々変身したのと同じ連続体から引き出されていることを確認します。同じ連続体の中からのペアが近い順番に表示されないようにモーフペアのプレゼンテーションを擬似ランダム。与えられた連続体からアバターや人間試験のプレゼンテーションはランダムであるが、各参加者がどちらかのビューことを保証するためにすべての参加者全体で相殺アバターや臨床試験同数の任意の連続体からの両方ではなく、そのアバターや人間試験が見られる。 2.2プレゼンテーションと指示ペアの面間300ミリ秒の間刺激間隔(ISI)と500ミリ秒のための顔のペアの各面に続く500ミリ秒(参加者は固定を維持するために必要とされる)のための固定クロスを提示。また、ISIの異なる期間に差動判別性能に影響を与えるかどうかを確認するために75ミリ秒のISIを使用していました。モーフペアの試験の間に可変試行間間隔を提示する:我々は2,500ミリ秒を平均間隔を使用していました。 モーフペアを構成する各トライアルを表示するために、参加者に指示し、モーフは裁判で逐次提示されており、各顔ペアの顔が出現で '同じ'または '異なる'であるかどうか、可能な限り迅速かつ正確にボタンを押すことで指示する。 2.3データ解析</P> 判別精度は、境界の同じ側から面対と比較して、カテゴリの境界を横切る面対について分析する。これについては、 "異なる"応答は、(一対の両面に異なる物理的な外観であることを示す)モーフ面対の総数の割合として計算され、3 "顔対で、2 X 3要因ANOVAにかけトライアルの種類 "(内、間、同じ)と2" ISI "条件(75ミリ秒、300ミリ秒)。球形の仮定が破られたときグリーンハウスガイザー調整が使用されます。アバター試験および臨床試験のデータは分析に別々に扱われます。 個々の精度のスコアも使用して決定することができる'を統計47,79(信号検出理論のため、参照、 例えば、45、46、47)。'が応答バイアスの独立している識別感度の測定を提供する。それは0.5(チャンス)と1(perfe間で変動CT差別)。様々なソフトウェア·パッケージは、 'と判別感度の他の手段(バイアス)46、47、48 49、50を計算するために使用することができる。私たちは、アバター試験および臨床試験のための独立した分析と、2 "顔対トライアルタイプ"(間内)と "ISI"条件(75ミリ秒、300ミリ秒)で、2×2反復測定ANOVAを用いて弁別感度分析と従属変数として '。レスポンスバイアスはしばしば、一般報告したが、38を参照されていません。レスポンスバイアスのために、我々はそうでない場合、同じ2×2の分散分析設計を使用して別々の分析では従属変数としてβ "D統計 47を使用していました。 RTデータは、応答 "の間に" "同じ"と、 "異なる"について分析することができる。この例では、 "異なった"、 "同じ"と1つの分析でアバターと人間道のための条件 "の間には、"すべての条件を越えRTの概要ビューを得るために比較します。このために、我々は、3 X 2 X 2 ANOVAを行った個々の正しい応答の平均RTを使用しての要因 "顔対トライアルタイプ"(間に、同じ、異なる)、 "カテゴリ"(アバター、人間)と "ISI"(75ミリ秒、300ミリ秒)、すべてのコンティニュア渡るとして従属変数。 3。 fMRIのタスク 3.1刺激前述の知覚弁別課題に記載したものと同じ、内およびアバターの状況と人間の臨床試験の間に顔ペアのモーフ刺激すなわち刺激条件は、同じです。 3.2プレゼンテーションと指示関心の刺激に、参加者の注目を維持しながら、DHLに沿って物理的およびカテゴリに関連する変化の暗黙の処理を調べるために、ターゲットの監視タスクを使用します。 レアターゲットの検出時に応答ボタンを押して、参加者に指示します。私たちは、顔が逆さまに表示されて、ターゲットとしてすべてのモーフのペアの15%を提示した。ターゲットとして使用そうしないと刺激提示に使用されていないモーフ連続体からランダムに選択可能な4つのモーフの一つ(M0、M4、M8、またはM12)。ターゲットモーフをモーフペアの第1または第2モーフへのターゲットの監視中に差の注目を避けるために、モーフペアの第1または第2モーフとして提示されていることを確認します。 各スキャンセッションは、参加者全体で順番に相殺刺激提示の2つの実験ランで構成されています。実行間の休憩は参加者に短い休憩を可能にします。参加者は、MR信号に定常状態を確立するために、各実行の開始時にクロスを固定。 スキャンの件名を準備3.3 実験プロトコールが行われる前に、すべての参加者は、書面によるインフォームドコンセントを提供します。プロトコルは、すべての手続きと同意書は、ローカルの倫理委員会によって承認されています。右利きの参加者ををスキャンすることによって、脳のアクティベーションの定位における交絡を避けるipants。アバターと以前の経験の潜在的な影響のために制御。 スキャンする前に、参加者はスキャン手順について知らさ研究所、ターゲット監視タスクに、与えられた明確な指示、合計スキャン時間とどのように必要に応じてスタッフに警告するために慣れている。 スキャンのために、参加者は、スキャンテーブルの上に仰向けに位置しています。ヘッドクッションは、快適性を確保し、スキャン中にヘッドの移動を最小限にするために使用される。参加者は、スキャナノイズの影響を低減し、実験者との通信を可能にするために耳栓とヘッドフォンを与えられている。 参加者の右手が監視対象タスクの応答パネル上に配置される。左手は、参加者がスキャンを停止するべきである緊急停止ボタンの隣に配置されます。 視覚刺激は、前またはMRIスキャナの背面に配置された投影スクリーン上に提示されてもよい。 – 私たちは、MRI互換ヘッドマウントディスプレイ(以下 "VisuaStim使用デジタル "、レゾナンス·テクノロジー株式会社)。これは視界から意図された刺激以外の全ての視覚入力を排除するという利点があります。 データ収集を開始する前に、その刺激提示、応答パネルと非常停止ボタンが正常に動作していることを確認してください。 パラメータを記録し、スキャン3.4データ我々は3-T全身MR装置(フィリップスメディカルシステムズ、ベスト、オランダ)を使用して脳全体の構造と機能画像を取得しました。構造上の画像は、T1強調3D、甘やかされて育ったグラジエントエコーパルスシーケンスを(180スライス、TR = 20ミリ秒、TE = 2.3ミリ秒、フリップ角= 20°、FOV = 220ミリメートル×220ミリメートル×135ミリメートル、行列サイズ=使用して登録された224×187、ボクセルサイズ= 0.98ミリメートル×1.18ミリメートル×0.75ミリメートル、0.86ミリメートル×0.86ミリメートル×0.75ミリメートル)に再スライス。機能画像は、シングルショットエコープラナーシーケンスを使用して実行あたり225全体のヘッドスキャン(繰り返しTから取得したIME、TR = 2.6秒、エコー時間、TE = 35ミリ秒、視野= 220ミリメートル×220ミリメートル×132ミリメートルの分野、フリップ角= 78°、マトリックスサイズ= 80×80;ボクセルサイズ= 2.75ミリメートル×2.75ミリメートル× 1.72ミリメートルに再スライス4ミリメートル、×1.72ミリメートル×4 mm)である。 3.5データ解析我々はMATLAB 2006B(The Mathworks社社、ナティック、MA、USA)とSPM5ソフトウェアパッケージ(使用http://fil.ion.ucl.ac.uk/spmを前処理し、MRIデータ解析のために)。前処理は、通常、最初に記録されたボリューム、動き補正、標準stereotactical空間に正規に画像の位置合わせを伴い、かつ平滑( 例えば 6ミリメートル3カーネル)。 fMRIのデータ分析は、反復抑制(RS)(11、13、14、レビューのために、15、16を参照)と呼ばれる現象を利用する。 DHLの文脈で検討、モーフペアのモーフを矢継ぎ早に提示される。代表脳領域で活性化( すなわち RS)の減少の最初のモーフ結果で提示刺激や刺激属性の二モーフでetitionは、その特定の刺激やその属性( 例えば物理的またはカテゴリに関連する属性)に敏感です。このプロトコルでは、第1および第2のモーフの間に刺激や刺激属性の繰り返しは "内"、 "間"で操作され、DHLの物理的およびカテゴリに関連する属性の類似性や相違性の点で "同じ"条件。これらの条件を対照することによって、fMRIのデータ分析は、刺激反復17、18、19、20次の信号低下相対的な差の程度に基づいて、特定の刺激または物理的またはカテゴリに関連する刺激属性の処理に従事する脳の領域を識別する。 物理的にと刺激conditi以下のコントラストを使用してDHLに沿ってカテゴリ関連の変化に応じた脳領域を特定アドオン(内、間、および同じ)。これらのコントラストは、3つの顔対条件(最初のモーフは、それぞれアバターと人間の試験で同じであることに注意してください)​​第二の顔として使用モーフの観点で定義されています。アバター試験のための物理的変化に対する感度を検出するために、コントラストをM0プラスM8> M4を使用し、人間の臨床試験のためにM12プラスM4> M8を使用しています。人間( つまりアバター試験)への方向アバターで境界を越えてのカテゴリ変更に選択的に反応する脳の領域を検出するために、コントラストM8> M4プラスM0を使用しています。アバターに人間の方向については、コントラストM4> M8プラスM12を使用しています。 個々のレベルの分析のために、6モーフペア条件(同じ、内、 すなわち 、アバターと人間の試験のための間)のそれぞれの各モーフ対の第二モーフに各被験者のfMRIの応答は、これらの間にコントラストの脳活動に使用されるかもしれません条件。これらの個々のコントラストは、その後、グループレベルの分析fを締結しているまたは推論目的。

Representative Results

1。強制選択分類タスク N = 25の参加者の応答データの分析は既に7に報告された。これはロジスティックプロファイル( 図2A)があり、個々の連続体のフィット回帰曲線の傾きがあることと、すべてのコンティニュア渡って確認した。この傾きは、連続体モーフ面に参加者の応答のカテゴリのコンポーネントのDHLに沿って存在することと矛盾しシグモイド階段状の機能を反映している。曲線の傾きは、このようにアバターの下限と上限漸近線又はアバターとヒトのための100%、100%に近づく人間分類応答によって特徴づけられる。これとは対照的に、フィットロジスティック曲線由来平均カテゴリの境界値と分類応答の下限と上限の漸近線の間に縦中間点の推定値は、分類の判断で最大50%の不確実性をtに関連付けられていることを示し彼モーフM6。 RTデータの分析は、7にも報告されました。最大値が存在するのM6のすべてのモーフのRT分析( 図4を参照)連続体のアバターと人間の両端から大きいモーフ距離にRTを増やし、連続体のアバターと人間終了のため最短のRTを示し、RTは最長図2Bに見られるように、カテゴリ判定の不確実性応答。より明確に発見後者を検証するために、M6の平均RTの値は、他のすべてのモーフ位置における平均RT値と比較することができる。モーフの位置(2レベル:M6、他のすべてのモーフ対)と一方向RM-ANOVA解析およびRTコンティニュア渡っ崩壊従属変数は、M6用のRT(M = 1.42、SD = 0.26)は、室温からかなり高度差があることを示したように他のモーフ位置(M = 0.99、SD = 0.46)、F(1,24)= 62.04、P <0.001。 CA、一緒になってtegorization応答データは、応答データと一致しているCPの存在を第一の基準は、カテゴリの決定のカテゴリ境界(すべての基準に対して、 例えば 、11を参照)、および応答時間があること、すなわち、満たされていることを確認することで、彼ら増加分類不確実性とより長い応答時間を示しています。 図4。強制選択の分類タスクの反応時間の結果は、分類の曖昧が最大となるでモーフ位置M6における刺激の分類判断の最長平均応答待ち時間を示す。エラーバーは±1標準誤差を示す。 2。知覚弁別課題 N = 20の参加者のデータ分析は、すでにレポでした7 RTED。一例として、その研究からアバター試験( 図5)のデータを用いて、分析が内の条件における顔ペアの弱毒判別精度と比較して状態との間でカテゴリの境界を越え面ペアに対する強化された判別精度を示した。これはCPと一致している。データは、同じ条件よりも条件内における顔ペアの大きい判別精度があるという点で、カテゴリ内の判別精度に大きな差があることも示している。 75と300ミリ秒のISIの変動は差動ではなく、人間の臨床試験では、参加者の反応に影響を与えた。 "同じ異なる"知覚弁別課題fの図5。結果やアバター試験。参加者(N = 20)。モーフペアのモーフが物理的な外観で、同一または異なっていたかどうかを判断した。コンティニュアに沿ってモーフの相対距離をコントロールし、結果は同じから引き出されたペアのよりカテゴリ境界を(強制選択分類タスクで決定されたことを)渡った顔のペアのためのより良い識別精度( すなわちアバターまたはヒト)の面を見せる境界は、こうして人間の肖像コンティ沿っカテゴリ認識を実証。 75ミリ秒と300ミリ秒より短いおよびより長いISIの影響もテストされ、唯一のアバター試験のため判別性能に影響を及ぼすことが見出された。エラーバーは±1標準誤差を示す。 レスポンスバイアスの独立した判別性能の尺度としてA '統計値を用いて、顔ペアトライアルタイプ( すなわち (内および間)の識別感度に有意な主効果は、アバターの試験であったF(2,38) '内カテゴリのペアよりも(= 0.89、SD = 0.07(クロスカテゴリの大きな差別感度)' = 0.55、SD = 0.17)( 図6 = 107.11、P <0.001、 )。同様に、 '内カテゴリのペアよりも(= 0.94、SDは = 0.1(クロスカテゴリ)'のかなり大きい弁別感度人間のトレイルで= 0.56、SD = 0.22)、F(2,38)=があった107.11 はp <0.001。 ISIで顔対トライアルの種類の影響はありませんでした。レスポンスバイアスの測定値としてβ "D統計値を使用して、顔のペアトライアルタイプの偏りに有意な主効果があった[F(2,38)= 70.53、P <0.001]、判断する強い傾向を示す参加者と内カテゴリのペアが異なる(β "(D = -0.18、SD = 0.59 D = 0.81、SD = 0.23)は、クロスカテゴリのペアへの応答β)と比較して"と。これは詐欺です。参加者が同じ別の決定が内カテゴリのペアのために、より困難であるときは、この特定のタスクに "異なる"の決定を支持する傾向があるという考えとsistent。 図6 'をレスポンスバイアスの独立した識別性能(N = 20)の尺度として統計値を使用して、弁別感度はアバターと人間の臨床試験の両方で内カテゴリのペアよりも、クロスカテゴリの大きかった。エラーバーは±1標準誤差を示す。 RTデータの分析には、アバターと人間の臨床試験の間と短期および長期のISIとの間に差は認められなかった。の三刺激ペア状態( 図7参照)、F(2,38)= 34.55、p <0.001〜RTための主要な顕著な効果が期待されていた。プリ被験者内コントラストの計画のテストは、クロスカテゴリFacesのRTは(顔ペアトライアルタイプ'間' すなわち )速く大幅であることを示した(M = 0.79、SE = 0.05)カテゴリ内から顔ペアのRT( '内より"トライアル型)(M = 1.26、SE = 0.09)[F(1,19)= 60.09、p <0.001]、顔ペア同一面ペア状態で(M = 0.88、SE = 0.08)、F(1、 19)= 43.1、p <0.001。 図7。反応アバターと人間の臨床試験のための"同じ異なる"知覚弁別課題(N = 20)の時間(RT)の結果を。グラフは、カテゴリの境界を越える刺激ペアのRTは(条件間にIE)交流の中から顔用のRTよりも短かったことを示していますategory。エラーバーは±1標準誤差を示す。 分類応答データは、このようにカテゴリ内から引き出さ等距離ペアよりもカテゴリの境界を越えペアに対する良好な判別精度があるという点で、CPが存在する第2の基準を確認する。これは、カテゴリの境界に近い物理的刺激機能の強化された感度で、いわゆる差別の境界があることを示しています。 RTデータとカテゴリの顔のペアと比べて、クロスカテゴリの短い応答待ち時間を示すでこれをサポートしています。 この特定の知覚弁別課題はDHLに沿って識別境界の特定のポイントを定義していません。提示モーフの対の間の非常に小さいモーフ距離はこの問題を解決するために使用することができる。ここでは、従来のABXの弁別課題12、13を使用した例を示す。 ABX差別は差の連続プレゼンテーションを伴う画像を表示した後、ターゲット刺激XとAまたはBのどちらかの第二のプレゼンテーションに続いてTの顔の刺激( 例えばモーフAとモーフB)、BとXは、参加者は、AまたはBがXに同じであるかどうかを示すために必要とされるこの例では、モーフ( すなわち 1-3、2-4、3-5、等)との間の2段階判定手順は、( 図8B)提示される。分析は8に記載されている。例示の目的で、ABX判別タスクはチータムら 7の研究から引き出されたエンドポイントの刺激を用いて、連続体4モーフ、モーフ11とのそれぞれを用いて、参加者24を行った。 ABX弁別課題続いて、強制選択分類タスクが同じ参加者で行った。タスク·プレゼンテーションのこのシーケンスは、ABX判別タスクを行う明示カテゴリ判定の影響を最小限にすると考えられる。 図8Bは、知覚弁別センシングのピークがあることを明記モーフ位置でitivity( 図8Aを参照)によって予測とカテゴリー境界に整列。モーフ、性能が明確にモーフペアM5-M7の間隔で識別することができます差別のピークの間の2つのステップの距離を使って。猿、牛とコンティニュアの終点として、人間の顔を持つ人間の似顔絵の大きさから引き出さABXパラダイムとモーフ刺激を使用して発見するための8を参照してください。 図8。ABX知覚差別や強制選択の分類作業の代表的な結果。パネルBにおいてABX知覚弁別課題で2段階判別手順( すなわち 1-3、2-4、3-5、等)知覚判別感度のピークが予測されることを示してい強制選択の分類タスクで決定カテゴリ境界によってパネルに示す。パネルには、4つの連続体のフィット回帰曲線のロジスティックプロファイルを示しています。人間としてモーフィング顔の分類判断では50%の最大不確かさはモーフM6に関連付けられています。 同じ異なる弁別課題は識別境界がカテゴリ境界に位置合わせされることを示すにCPの存在をその第三の基準を確認します。換言すれば、カテゴリ境界の位置が識別境界の位置を予測する。 常にCP 13、14の研究に適用されていない第四の基準は、その差別はカテゴリ内のチャンスである。 ABXデザインを使用して説明のための例のデータは、差別が少しコンティエンドポイントの間に位置し、それらのモーフのためのチャンスと猫の上にあることを示唆しているでしょうegory境界。 3。 fMRIのタスク 物理的変化に4.3.1感度 そのような変更がないている状態で第一及び第二のモーフの間の物理的な変化があるれる条件を比較することにより、紡錘状回( 図9A)の脳領域の微細提示に敏感であることが示されているアバター試験で顔モーフの物理的な外観でDHLに沿ってきめ変化。人間の試験のために同様の結果が図には示されていない。この領域があるため、顔情報を処理して、視覚システムの一部としての役割の紡錘状顔領域と呼ばれている。一緒に人間の臨床試験で、この知見は、顔の物理属性の違い23、顔の幾何学16、21、24、顔のテクスチャ21〜紡錘状領域の報告された応答と一致している。 4.3.2のSeカテゴリ変更にnsitivity DHLに沿ってカテゴリ変化に敏感アバター試験、脳領域の例を使用して、 図9Bは図 。これは、そのような変更がないている状態で第一及び第二のモーフの間のカテゴリ変化があるれる条件を比較することによって達成された。撮影データは、アバター試験でのカテゴリーの変更( すなわち 、DHLに沿ってアバターからヒトへの方向からの変化)海馬、扁桃体、そして島の応答性を明らかにしたことを示している。これらの領域の役割は、使用されるパラダイムと分類の文脈で解釈されるべきで、既に7に記載されている必要がある。一般に、扁桃体は表面、情動価、新型、不確実55、56、57、58、59に応答する。扁桃体は、状況60の感情の意味に応じて、分類に関与する他の脳領域の処理に影響を与えることが示唆された。でスーラは一貫して不確実性の条件61、62、63の下に分類処理と処理に関連して報告されている。使用パラダイムのコンテキストでは、この領域では、分類処理63注意のリソースを高めることに貢献するかもしれない。アクティベーションの特定の領域にも不確実性、脅威、または潜在的な脅威64、65の存在をシグナリングと関連付けることができます。海馬は、視覚的な分類と知覚学習66に関与している。人間の試験でカテゴリの変更が(DHL沿いヒト-アバター方向すなわち変化する)被殻、尾状核の頭部、及び視床は、この条件に応答することを明らかにした。一般に、これらの領域はrepresenのカテゴリメンバーシップと調整を​​確立するために使用される可能性のあるカテゴリルールの切り替え、分類中に、刺激カテゴリの関連付けを学習カテゴリメンバーシップをシグナリング、意思決定の不確実性に関連付けられているテッド分類の境界誤差67、68、69、70を最小化するためである。 幅広いレベルおよび使用した実験パラダイムのコンテキスト内で、これらの結果の解釈は、アバターと人間の顔が特定のカテゴリ( 例えば 25)と前の分類経験の度合いに応じて、異なる分類の問題を表していることを示唆している、参加者は、人間の専門家です顔処理ですが、特に彼らはブリーフィングで確認アバター面( 例えば、ビデオゲーム、映画、第二の人生)と、以前に我々は提示された種類の顔を見たことがなかったと以前の経験の明示的な知識を報告していないことに基づいて選択した。 図9。物理の神経相関アバター試験でDHLに沿ってカテゴリのdが変化する。活性化マップは冠状()、横方向(B)および単一検体のサジタル(C)回数に重畳されている。カラーバーは、アクティベーションマップ(pは <0.005、20個の連続したボクセル)のtの値の勾配を示す。

Discussion

不気味の谷の仮説の中核予測はプラスまたはマイナスvalenced経験が知覚人間の肖像77(有益な概要については、78を参照)の関数として誘発することができることである。実際に認識されているどのように人間の肖像を慎重に検討は、したがって、それ自体が重要な研究事業である。同様に重要なDHLは不思議体験の実験でどのように表現されるかである。このプロトコルは、DHLにしたがって焦点を当てています。一つのアプローチは、すでに"すごい"研究5、6、26、27、28に実装されモーフ連続体を用いてヒトらしさを表すためである。モーフコンティの利点は、それらの使用は人間のような外見で、実験的に制御の違いが主観的知覚と経験の行動措置( 例えばカテゴリの決定、不思議な感情)で、神経プロセス7を根底との関係に持ち込むことを許可するということです。このきめ細かいアプローチが一部である不気味の谷仮説が積極valencedと不思議な経験の間の遷移が78を行うために、人間の肖像の実際の程度を予測していないためicularly重要。森の推測が正しければ、DHL 7に沿って分類処理に関する調査結果は、その不気味な経験が知覚判断のあいまいさが最大であるカテゴリの境界で発生する可能性が最も高いであることを示唆していると思います。これは、テストされることはまだある。

モーフコンティニュア、および関心のある他の変数は、単一のモーフ連続体ではなく、2つあるいは三つの異なる並置コンティニュアが5,28を使用する必要がありますを使用して表されるように、DHLとの間に調査の関係を解釈できるようにする。並置コンティニュアは、表現するために失敗すると、実際には、DHLに不連続性を導入することによって、人間の肖像森のコンセプトを変更します。これは、知覚弁別課題におけるパフォーマンスに影響を与える可能性があるため、tのポイント彼不連続とモーフィング手順に起因するいかなる格差のそれは知覚差別(参照29)を誘導するための基準の信頼性が、実験的に意図していない点として使用されるかもしれません。物理的変化に相当する単位は、全連続5,28に沿って表現されるように、各モーフ連続体の中ではすべてのモーフは、慎重に制御する必要があります。コンティニュアに沿ってモーフ距離の実験的な制御は、DHLに沿って物理的な人間のような類似の線形の違いに関する感覚情報が認知線形または非線形の方法で表現されているかどうかの検査を可能にするので、これは、このプロトコルでは特に重要です。非直線性は、分類応答の傾き( 図2Aおよび5A)およびDHLに沿って刺激属性に知覚感度の違いで階段状の機能( 図4、図5(b)参照 )に反映されます。このProtocolはそれ以上の実験操作を適用せずにエンドポイントとしての顔を使用しています。 CPと人間似のさらなる研究は、顔のテクスチャ(参照30,38)と比較して、他の顔の特徴や顔のジオメトリの操作のリアリズムと比べてそのような眼のリアリズムのような特定の機能が差動でDHLに沿って分類処理をどのように影響するかなどを調べることができます。

モーフィングの手順では、このような顔のconfigural手がかりとして連続体のエンドポイントの対応する機能を一緒にスムーズにブレンドを可能にします。モーフィング手順の間の機能の配置に格差に注意を描画することにより、潜在的バイアス参加者の応答をすることができる上部の顔の特徴とヘアプロファイル26のような顔の情報をモーフィングすることが困難。このバイアスは、コンティニュアのエンドポイントからモーフ距離に関連して、格差がモーフ継続の中点で最大であることをモーフィング格差に体系的である可能性が高いUA。当社モーフコンティニュアは、コンティニュアの中点が最大の知覚感度があるとその周りのカテゴリの境界に対応しています。目領域が(貧しいモーフ間目のテクスチャのアラインメントで非常にわずかな矛盾をもたらしモーフィング)のどちらかだけでなく、または不完全にモーフィングされた連続体と比較して我々のパイロット研究の一つ(強制選択の分類タスク)からのデータの再分析。再分析では、貧しい人々が効果的に次元の人間の終わりに向かってカテゴリ境界の相対的なシフトを引き起こしたモーフィングするような不完全変身コンティの分類決定応答における系統的なバイアスを確認した。モーフィング格差 "はヒト自己定義"機能として認識されていたので、これはおそらくあった。

応答バイアスはコンティニュアは、このような頭の服装や顔のジュエリーなどの非顔情報が1つのエンドポイント刺激でのみ存在するエンドポイントの刺激に基づいて生成され使用するのにも発生することがあり27。このケースでは、顔画像は、参加者が研究の関心の刺激情報ではなく、画像に提示他の顕著な特徴に出席するようにトリミングすることができます。この画像は、DHL 6の人間の端部を表すことを意図されていても体系的応答バイアスは、ヒト以外の属性は人間の属性と一緒に記載されている連続エンドポイントとして画像を用いからも生じ得る。このケースでは、人間の肖像とそのような不思議な体験の主観的な対策として、変数間のあらゆる関係はDHLの森の概念の仮説と不気味の谷の観点から解釈されません。

CPは、人間の肖像31、10、22、32、33、34、35、カテゴリ関連情報以外の次元に沿って発生することができ、自動的に他の人36に曝露されると処理することができる。このプロトコルでは、注意が差を示す視覚的な手がかりの影響を制御するので、注意が必要です人間の肖像に関する参加者の反応に他のカテゴリに関連寸法の面でDHLに沿っCES。これらの手がかりは、例えば民族、性別、顔の独自性、親しみやすさとアイデンティティ、そして顔の表情(参照5、26、27、28)に関連する可能性があります。現在のプロトコルは、密接に連続エンドポイントとして使用されている画像の顔の特徴の顔の形状と設定を照合することによって知覚弁別課題とfMRIの研究で立て続けに提示顔モーフの間に生物学的な動きの認識を最小限に抑えることを目指しています。このアプローチは、(一緒に刺激条件で使用モーフのコンティニュアに沿って相対的な位置で)連続のモーフの間で異なるIDのいずれかの認識を最小限に抑えることにも役立ちます。

連続体のモーフがはっきり知覚DISCRIMで使用するためのモーフを選択するためにアバターとして、また人間として分類されている強制的な選択肢の分類タスクを決定もののみタスクとfMRIの研究。私たちは、コンティニュアのそれぞれ( 図2Bおよび2C)から4モーフM0、M4、M8とM12を選択しました。 DHL沿った物理的変化の程度を制御することに加えて、M4及びM8の選択は、以下の理論的考察に基づいている。森価ヒトらしさとの関係( 図1参照)の勾配で2つの正のピークとの間のDHLに沿った領域に対応するリアリズムのレベルで発生するように知覚不確実性(および関連する不思議な経験)について説明する。これらのピークでは、オブジェクトは、ヒトまたはヒトのいずれかとみなされます。カテゴリ処理の枠組みの観点から彼の配慮をリフレーミングでは、これらのピークが正しく分類される人間の肖像の反射度として見られるかもしれないカテゴリインスタンス( すなわちヒトと人間)は、カテゴリの境界をまたぐ。しかし森は指定しませんでしたどのように効率的に、この分類( すなわち知覚C各ピークでのオブジェクトの識別が明確に比較的効率と楽であると考えられているもののertainty)は、これらのピークである必要があります。このため、連続体に沿った2つのモーフ位置は二つのカテゴリー間つの正のピークは、しばしばそうでなければCP研究( 例えば 66%、32におけるように使用されるよりも、より保守的な基準を用いて決定した反射のような遷移を定義すると見なさ34)。したがって、モーフM4は試験の85%以上でヒトとして試験やモーフM8の85%以上でアバターとして平均で同定された。この基準は、いずれかの連続体のモーフM4及びM8の両方に適用されますので予めご了承ください。このアプローチを使用して、モーフのこの選択は、CPと仮説の森の説明の理解の両方に従ってヒトとヒトのオブジェクト間のDHLに沿ってカテゴリ変更の感覚を捕獲しようとしています。

このプロトコルは、同一の異なる知覚差別のバリアントを使用しています国家タスクCPを検討する10。このタスクの利点は、参加者が特定の類似点と相違点を識別しなければならないものとして説明を必要としないということです。それは単に同一または異なるものとして刺激を識別するのに十分である。また、参加者は、カテゴリラベルを知っている必要はありません。ラベルは、そのようなABXタスクとして弁別課題に必要なメモリ負荷が42増えるとき刺激を区別するための戦略として使用されるかもしれません。同じ別のタスクは、メモリ負荷が比較的低いタスクが刺激の直接比較を促すことができるという利点を有する。標識化の潜在的な影響を低減するために、弁別タスクは、通常、強制選択の決定タスク40の前に提示される。現在のプロトコルは、差別や強制選択の意思決定タスク7、41のための2つの異なる参加者がグループに基づいています。強制選択タスクが刺激を選択するために使用されるからである弁別課題のためにしかし、同じ参加者が両方のタスクでテストする必要があり、プロトコルが弁別タスクが強制選択の決定タスクの前に実施されるように修正されるべきである。

固定判別の設計は、このプロトコルの同じ異なる弁別課題(設計をロービングするため、 例えば 39参照)に印加される。これはM4とM8は、常に、 "同じ"で各刺激のペアの最初の刺激として示す "内"とは、それぞれアバターと人間の臨床試験の条件 "との間で"されることを意味します。このプロトコルは、各参加者が両方与えられた連続体からではなく、アバターや人間の臨床試験のいずれかのみモーフ刺激を観察という実験制約が含まれています。例としてアバター試験を使用して、各刺激ペアの最初の刺激が第二の"内"での刺激( すなわち M1)と"の間に"( つまり M8)の条件を等しくするため、多くの場合、提示されていることを、常にM4であることを意味与えられた連続体、それ以上の刺激がその特定の連続体から人間の臨床試験のために描かれていないこと。このアプローチは、選択的により強い表現を誘発するので、与えられた連続体のクロスカテゴリ顔の判別が容易に回避することを目指しています。クロスカテゴリ表現一実験ブロックで説明されアバタおよびヒト臨床試験を提示するの判別にすべての可能な効果を調べるために、比較のため、除外したりするために、設計が記載アバターと人間の試験がで示されている実施することができる別々のブロック(参加者全体での順序で相殺ブロックで)。

本同じ異なる弁別課題は、1:2の同じ対の異なる試験の比を有する。この比率は、 "別の"意思決定(他の要因も、このバイアス44、51に影響与えることができるが)に有利な応答バイアスを誘発する可能性があります。信号検出理論(SDT)由来の措置がしばしばdisentanするために使用され肥えた感覚刺激の参加の感度( '又はd')(概要を参照するため、44)から、重ねつの応答を選択するためのGLEレスポンスバイアス(βまたはC)。 d53 'は、SDTの仮定52の違反に起因する反応バイアスによって変わることができ、我々は、感度のノンパラメトリックな指標を使用した'。 レスポンスバイアスのために我々は、β "D 47を使用しいました。あるいは、cは43、44で推奨されている、それがD '54の変化から独立している理由の一つ。 全体として、今回の結果は、内カテゴリの刺激よりも、カテゴリの境界をまたぐモーフ刺激のためのより大きい知覚感度を示しています。

このプロトコルにおける差別タスクのモーフの選択は、タスクがコンティニュアに沿って4つのステップ(あるモーフの間に差別を必要とすることを意味し、すなわち 4つのステップのDISCRIMもののみ)、 図2Bを参照してください。しかしモーフ間の相違は、この4段階程度は差別が最も強化される実際のモーフの位置(識別境界をIE)( 図5B)のより良い仕様を可能にするには大きすぎる。 CPのための重要な基準は、(他の基準については、 例えば 11を参照)強制選択タスクと弁別課題における差別の境界内のカテゴリの境界線との間に整合があるということです。換言すれば、カテゴリ境界のモーフ位置が識別境界のモーフの位置を予測するべきである。アラインメントの特定のポイントを検証するための1つのアプローチはモーフの対の間のモーフ距離が低減された弁別課題を使用することである。例示の目的のために、 図5Bは同じ異なる弁別課題に可能な代替、従来のABX判別として用いパイロットデータの結果を示すタスク12、13。図は、カテゴリ境界によって予測モーフ位置で知覚弁別感度のピークがあることをはっきりと示しています。分析の参加者とSDTのアプリケーション数の多い研究でこのような結果は、DHLに沿ってCPの効果の発見を確認するだろう。コンティニュアエンドポイントの刺激の実際の選択、連続で発生するモーフの数、および強く参加者に置か認知の要求に沿ってモーフを区別するために彼または彼女の能力に影響を与えるであろう差別するモーフのステップの大きさコンティニュア。

CPの一つ古典的な基準は、カテゴリの境界の位置が実際の判別性能のピーク(差別境界をIE)80の位置を予測することです。これは間違いなくCP 81の最も重要な基準である。この予測の決定的なテストでは、実験的なデジを必要とします一緒にモーフ連続体の全長を表すすべてのモーフ対がピークの実際の位置を決定するために、弁別課題で提示されているGN。 38において、判別性能がモーフ連続体の唯一の特定のセグメントに基づいて検討した。これは難しい決定的にCPを検証するためにレンダリング性能の実際のピークの真の位置はこのターンで、見逃された可能性があることを意味するかもしれません。それはリーバーマンさえ早いCP研究。82研究が予測収束判別性能の実際のピーク厳しい基準を所有満たすために失敗し、他の研究者が(厳密に例えば 11この基準を適用していないことに注目すべきである、また、参照してください80)。ピーク性能の実際の位置を決定することは、この基準のより自由な解釈が加わっても、それにもかかわらず重要である。モーフ連続体の全体の長さを調べるまたのように、データの検査を可能にすることの利点は、モーフィング手順に起因するアーチファクトの例により、予想に反しての時点でパフォーマンスのピークがあるかどうかを持っています。

回答に加えて、強制選択分類タスクでの応答時間(RT)のデータは、 "アバター"や "人間"と刺激を分類するために刺激の情報と競合する応答傾向の認知処理の難しさの指標として有用である70、71。 RTは、このように、または、カテゴリの境界に最も近い位置の刺激の分類の判断のために最長でなければなりません。 図4に示し、このようなケースであること。一緒になって、応答関数の形状とカテゴリ判断のためのRTデータは、離散カテゴリへの刺激の割り当ては困難を処理する際に大きな差異の対象となることを示している。 RTを評価するために、このプロトコルでは、クワイ=ガンのように分類時に対応するために、参加者に指示cklyかつ正確に可能な限り。レスポンス72、73の速度、精度のトレードオフの潜在的な影響を考えると、我々は検討し、提示を識別するための命令の影響を受けながら、アバターヒトカテゴリ応答関数の形状と位置が非常に堅牢であることをパイロットテストで発見モーフ刺激のいずれかとして、迅速かつ正確に可能な限り、または単にできるだけ正確に。この提案は、より徹底的にテストすることができるが、これは、参加者は、一般的に精度の加重決定戦略を使用することをお勧めします。人間のイメージから人間のようなオブジェクトを区別するのが困難に悪影響valenced経験を呼び起こす可能性がある森の仮説に沿って、それは人間に似た刺激のための長いRTがネガティブ感情の施策に関連付けられているかどうかを確立するために興味深いものになるだろう。 RTデータも収集し、同じ異なる弁別課題について分析した。 RTは、応答データ80をサポートするために使用されている。 ABX tとは対照的に頼む、同じ別のタスクは、RT測定のための明確なタイム·ポイントを提供します。 RTこのタスク75、76に多くの要因によって影響を受ける可能性があるので、RTのデータの解釈が同じ異なる判断のために複雑になることがありますけれども、正しい応答のRTは、74内のペアのための間よりも短いためであるべきである。 RTデータが少なく難しいクロスカテゴリの決定がより迅速に内カテゴリの決定( 図7を参照)より作られているという考えでしかし一貫しています。

それは、森の仮説は、物理的な機能は、実際に人間のカテゴリ内のDHL( 2)7に沿って変化するかもしれないという可能性を考慮していないことが指摘されるべきである。これは仮説のオリジナル価ヒトらしさの関係で第二正のピークがDHL( 図1)の人間の端に位置している理由です。 DHLのヒト以外の側面に重点がinfluenされています他の研究では、DHL 3の人間の側面を表現するために、単一の人間の顔を使用していながら、モーフコンティ4、37を使用していない研究を含む仮説によって導かれた研究では必須の条件です。このような研究は不明結果と、不思議な体験を検討しようとしてきた。 CPに関連する所見は、これらの研究はDHLに沿ってカテゴリ曖昧に応じて知覚的意思決定と紛争解決のプロセスの暗黙的または明示的なプロセスを呼び起こすのに必要な刺激を提示していない可能性があることを示唆している。

このプロトコルは、DHLを表す連続体から引き出されたモーフは、fMRIを、繰り返し抑制の効果を用いて、物理的な人間のような類似度の変化に、カテゴリに関連する情報の変化に敏感な脳の領域を識別するために使用できる方法の例を示す図である。 fMRIの設計の有効性は、モーフ刺激の注意深い生成と選択によって強く影響される。強制的なチェセリウム及び知覚弁別課題は、このようにアバタ-ヒト分類曲線の形状( すなわち、応答関数の傾き)および判別性能の連続体との間の比較可能性を確保するために使用された。このfMRIの設計の利点は、それが森(そのヒト対応物のそれとは物理的な外観が微妙に異なっている新規なヒト以外のオブジェクト、すなわち受動的観察)により記載刺激条件は、fMRIの手法の制約内でシミュレートすることができることですDHLに沿って物理的変化の影響を制御しながら仮説 '人間の肖像の定義、およびカテゴリ処理の効果の調査に応じて選択的刺激を用いた。 fMRIのパラダイムは不思議な経験を調べるために設計されていないが、カテゴリの境界自体に、例えば関連付けられた感情の経験を調査するために適合させることができる。これは、脳内categorの影響を調べるに向けた重要な一歩となるでしょうDHLから引き出された刺激に対する感情経験に伴うyの処理とカテゴリ曖昧。

Disclosures

The authors have nothing to disclose.

Acknowledgements

この作品は、欧州連合(EU)FET統合プロジェクトPRESENCCIA(契約番号27731)でサポートされている研究に基づいています。

Materials

Funmorph Zealsoft Inc.
Poser 7 Smith Micro Software www.smithmicro.com
Adobe; Photoshop; CS3 Adobe www.adobe.com
Presentation; software Version 14.1, www.neurobs.com
SPSS Version 16 www.ibm.com/software/analytics/spss
MRI-compatible head-mounted display Resonance Technology Inc. “VisuaStim – Digital”
3-T whole-body MR unit Philips Medical Systems
MATLAB 2006b Mathworks Inc.
SPM5 software package http://fil.ion.ucl.ac.uk/spm

References

  1. Mori, M. Bukimi no tani [The uncanny valley. Energy. 7, 33-35 (1970).
  2. MacDorman, K. Androids as an experimental apparatus: Why is there an uncanny valley and can we exploit it?. , 106-118 (2005).
  3. Tinwell, A., Grimshaw, M., Williams, A. The uncanny wall. International Journal of Arts and Technology. 4, 326-341 (2011).
  4. Tinwell, A. Uncanny as usability obstacle. HCI. 12, 622-631 (2009).
  5. MacDorman, K. F., Ishiguro, H. The uncanny advantage of using androids in cognitive and social science research. Interaction Studies. 7, 297-337 (2006).
  6. Hanson, D., Olney, A., Prillman, S., Mathews, E., Zielke, M., Hammons, D., Fernandez, R., Stephanou, H. E. Upending the uncanny valley. , 1728-1729 (2005).
  7. Cheetham, M., Suter, P., Jancke, L. The human likeness dimension of the “uncanny valley hypothesis”: behavioral and functional MRI findings. Front Hum. Neurosci. 5, 126 (2011).
  8. Campbell, R., Pascalis, O., Coleman, M., Wallace, S. B., Benson, P. J. Are faces of different species perceived categorically by human observers?. Proc. Biol. Sci. 264, 1429-1434 (1997).
  9. Finney, D. J. . Probit analysis. , (1964).
  10. Angeli, A., Davidoff, J., Valentine, T. Face familiarity, distinctiveness, and categorical perception. Q.J. Exp. Psychol. (Hove). 61, 690-707 (2008).
  11. Studdert-Kennedy, M., Liberman, A. M., Harris, K. S., Cooper, F. S. Theoretical notes. Motor theory of speech perception: a reply to Lane’s critical review. Psychol. Rev. 77, 234-249 (1970).
  12. Liberman, A. M., Hariris, K. S., Hoffman, H. S., Griffith, B. C. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).
  13. Harnad, S. R., Harnad, S. R. . Introduction: Psychological and cognitive aspects of categorical perception: A critical overview. In: Categorical perception: The groundwork of cognition. , 1-25 (1987).
  14. Repp, B. H. Categorical perception: Issues, methods, findings. Speech Lang. Adv. Basic Res. Pract. 10, 243-335 (1984).
  15. Grill-Spector, K., Henson, R., Martin, A. Repetition and the brain: neural models of stimulus-specific effects. Trends. Cogn. Sci. 10, 14-23 (2006).
  16. Jiang, X., Rosen, E., Zeffiro, T., Vanmeter, J., Blanz, V., Riesenhuber, M. Evaluation of a shape-based model of human face discrimination using FMRI and behavioral techniques. Neuron. 50, 159-172 (2006).
  17. Henson, R. N. Neuroimaging studies of priming. Prog. Neurobiol. 70, 53-81 (2003).
  18. Grill-Spector, K., Malach, R. fMR-adaptation: a tool for studying the functional properties of human cortical neurons. Acta. Psychol. (Amst). 107, 293-321 (2001).
  19. Jiang, X., Bradley, E., Rini, R. A., Zeffiro, T., Vanmeter, J., Riesenhuber, M. Categorization training results in shape- and category-selective human neural plasticity. Neuron. 53, 891-903 (2007).
  20. van der Linden, M., van Turennout, M., Indefrey, P. Formation of category representations in superior temporal sulcus. J. Cogn. Neurosci. 22, 1270-1282 (2010).
  21. Jiang, F., Dricot, L., Blanz, V., Goebel, R., Rossion, B. Neural correlates of shape and surface reflectance information in individual faces. Neuroscience. 163, 1078-1091 (2009).
  22. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  23. Xu, X., Yue, X., Lescroart, M. D., Biederman, I., Kim, J. G. Adaptation in the fusiform face area (FFA): image or person. Vision Res. 49, 2800-2807 (2009).
  24. Liu, X., Steinmetz, N. A., Farley, A. B., Smith, C. D., Joseph, J. E. Mid-fusiform activation during object discrimination reflects the process of differentiating structural descriptions. J. Cogn. Neurosci. 20, 1711-1726 (2008).
  25. Poldrack, R. A., Prabhakaran, V., Seger, C. A., Gabrieli, J. D. Striatal activation during acquisition of a cognitive skill. Neuropsychology. 13, 564-574 (1999).
  26. Ho, C. C., MacDorman, K. F., Pramono, Z. A. D. Human emotion and the uncanny valley: A GLM, MDS, and isomap analysis of robot video ratings. , 169-176 (2008).
  27. Seyama, J., Nagayama, R. S. The Uncanny Valley: Effect of Realism on the Impression of Artificial Human Faces. Presence: Teleoperators and Virtual Environments. 16, 337-351 (2007).
  28. Hanson, D. Exploring the aesthetic range for humanoid robots. , (2006).
  29. Pastore, R. E., Harnad, S. Categorical perception: Some psychophysical models. Categorical perception: The groundwork of cognition. , 29-52 (1987).
  30. MacDorman, K. F., Green, R. D., Ho, C. C., Koch, C. T. Too real for comfort? Uncanny responses to computer generated faces. Computers in Human Behavior. 25, 695-710 (2009).
  31. Levin, D. T. Race as a visual feature: using visual search and perceptual discrimination tasks to understand face categories and the cross-race recognition deficit. J. Exp. Psychol. Gen. 129, 559-574 (2000).
  32. Beale, J. M., Keil, F. C. Categorical effects in the perception of faces. Cognition. 57, 217-239 (1995).
  33. Calder, A. J., Young, A. W., Perrett, D. I., Etcoff, N. L., Rowland, D. Categorical perception of morphed facial expressions. Visual Cognition. 3, 81-117 (1996).
  34. Etcoff, N. L., Magee, J. J. Categorical perception of facial expressions. Cognition. 44, 227-240 (1992).
  35. Campanella, S., Quinet, P., Bruyer, R., Crommelinck, M., Guerit, J. M. Categorical perception of happiness and fear facial expressions: an ERP study. J. Cogn. Neurosci. 14, 210-227 (2002).
  36. Macrae, C. N., Bodenhausen, G. V. Social cognition: thinking categorically about others. Annu. Rev. Psychol. 51, 93-120 (2000).
  37. Schneider, E., Wang, Y., Yang, S. Exploring the Uncanny Valley with Japanese Video Game Characters. , (2007).
  38. Looser, C. E., Wheatley, T. The tipping point of animacy: How, when, and where we perceive life in a face. Psychological Science. 21, 1854-1862 (2010).
  39. Macmillan, N. A., Goldberg, R. F., Braida, L. D. Resolution for Speech Sounds: Basic sensitivity and context memory on vowel and consonant continua. Journal of the Acoustical Society of America. 84, 1262-1280 (1988).
  40. Newell, F. N., Bulthoff, H. H. Cognition Categorical perception of familiar objects. Cognition. 85, 113-143 (2002).
  41. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  42. Massaro, D. W., Cohen, M. M. Categorical or continuous speech perception: A new test. Speech Communication. 2, 15-35 (1983).
  43. Snodgrass, J. G., Corwin, J. Pragmatics of measuring recognition memory: Applications to dementia and amnesia. Journal of Experimental Psychology: Genera. 117, 34-50 (1988).
  44. Macmillan, N. A., Creelman, C. D. . Detection theory: A user’s guide. , (1991).
  45. Snodgrass, J. G., Levy-Berger, G., Haydon, M. . Human experimental psychology. , (1985).
  46. Donaldson, W. Accuracy of d’ and A’ as estimates of sensitivity. Bulletin of the Psychonomic Society. 31, 271-274 (1993).
  47. Donaldson, W. Measuring recognition memory. Journal of Experimental Psychology: General. 121, 275-278 (1992).
  48. Stanislaw, H., Todorov, N. Calculation of signal detection theory measures. Behavior Research Methods, Instruments, & Computers. 31, 137-149 (1999).
  49. Wright, D. B., Horry, R., Skagerberg, E. M. Functions for traditional and multilevel approaches to signal detection theory. Behavior Research Methods. 41, 257-267 (2009).
  50. Sorkin, R. D. Spreadsheet signal detection. Behavior Research Methods, Instruments, & Computers. 31 (1), 6-54 (1999).
  51. Verde, M. F., Macmillan, N. A., Rotello, C. M. Measures of sensitivity based on a single hit rate and false-alarm rate: The accuracy, precision, and robustness of d’, Az, and A’. Perception & Psychophysics. 68, 643-654 (2006).
  52. Swets, J. A. Form of empirical ROCs in discrimination and diagnostic tasks: Implications for theory and measurement of performance. Psychological Bulletin. 99, 181-198 (1986).
  53. Pollack, I., Norman, D. A. A nonparametric analysis of recognition experiments. Psychonomic Science. 1, 125-126 (1964).
  54. Macmillan, N. A., Keren, G., Lewis, C. Signal detection theory as data analysis method and psychological decision model. A handbook for data analysis in the behavioral sciences: Methodological issues. , 21-57 (1993).
  55. Todorov, A., Engell, A. The role of the amygdala in implicit evaluation of emotionally neutral faces. Soc. Cogn. Affect. Neurosci. 3, 303-312 (2008).
  56. Phelps, E. A., LeDoux, J. E. Contributions of the amygdala to emotion processing: from animal models to human behavior. Neuron. 48, 175-187 (2005).
  57. Herwig, U., Kaffenberger, T., Baumgartner, T., Jancke, L. Neural correlates of a “pessimistic” attitude when anticipating events of unknown emotional valence. Neuroimage. 34, 848-858 (2007).
  58. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. 103, 1036-1047 (2010).
  59. Neta, M., Whalen, P. J. The primacy of negative interpretations when resolving the valence of ambiguous facial expressions. Psychol. Sci. 21, 901-907 (2010).
  60. Seger, C. A., Miller, E. K. Category learning in the brain. Annu. Rev. Neurosci. 33, 203-219 (2010).
  61. Volz, K. G., Schubotz, R. I., von Cramon, D. Y. Predicting events of varying probability: uncertainty investigated by fMRI. Neuroimage. 19 (1), 271-280 (2003).
  62. Grinband, J., Hirsch, J., Ferrera, V. P. A neural representation of categorization uncertainty in the human brain. Neuron. 49, 757-763 (2006).
  63. Heekeren, H. R., Marrett, S., Ungerleider, L. G. The neural systems that mediate human perceptual decision making. Nat. Rev. Neurosci. 9, 467-479 (2008).
  64. Gray, M. A., Critchley, H. D. Interoceptive basis to craving. Neuron. 54, 183-186 (2007).
  65. Wager, T. D., Phan, K. L., Liberzon, I., Taylor, S. F. Valence, gender, and lateralization of functional brain anatomy in emotion: a meta-analysis of findings from neuroimaging. Neuroimage. 19, 513-531 (2003).
  66. Poldrack, R. A., Rodriguez, P. How do memory systems interact? Evidence from human classification learning. Neurobiol. Learn. Mem. 82, 324-332 (2004).
  67. Seger, C. A., Cincotta, C. M. The roles of the caudate nucleus in human classification learning. J. Neurosci. 25, 2941-2951 (2005).
  68. Seger, C. A., Peterson, E. J., Cincotta, C. M., Lopez-Paniagua, D., Anderson, C. W. Dissociating the contributions of independent corticostriatal systems to visual categorization learning through the use of reinforcement learning modeling and Granger causality modeling. Neuroimage. 50, 644-656 (2010).
  69. Filoteo, J. V., Maddox, W. T., Salmon, D. P., Song, D. D. Information-integration category learning in patients with striatal dysfunction. Neuropsychology. 19, 212-222 (2005).
  70. Bonnet, C., Fauquet Ars, J., Estaún Ferrer, S. Reaction times as a measure of uncertainty. Psicothema. 20 (1), 43-48 (2008).
  71. Hyman, R. Stimulus information as a determinant of reaction time. J. Exp. Psychol. 45, 188-196 (1953).
  72. Wickelgren, W. A. Speed-accuracy tradeoff and information processing dynamics. Acta. Psychologica. 41, 67-85 (1977).
  73. Zacksenhouse, M., Bogacz, R., Holmes, P. Robust versus optimal strategies for two-alternative forced choice tasks. Journal of Mathematical Psychology. 54 (2), 230-246 (2010).
  74. Campanella, S., Chrysochoos, A., Bruyer, R. Categorical perception of facial gender information: Behavioural evidence and the face-space metaphor. Visual Cognition. 8, 237-262 (2001).
  75. Farrell, B. ‘Same – different’ judgments: A review of current controversies in perceptual comparisons. Psychological Bulletin. 98, 419-456 (1985).
  76. Palmer, J., Huk, A. C., et al. The effect of stimulus strength on the speed and accuracy of a perceptual decision. J. Vision. 5, 376-404 (2005).
  77. Mori, M. The uncanny valley (K. F. MacDorman & Norri Kageki, Trans.). IEEE Robotics and Automation. 19 (2), 98-100 (1970).
  78. MacDorman, K., Green, R., Ho, C. -. C., Koch, C. Too real for comfort? Uncanny responses to computer generated faces. Comput. Hum. Behav. 25, 695-710 (2009).
  79. Grier, J. B. Nonparametric indexes for sensitivity and bias – computing formulas. Psychological Bulletin. 75 (6), 424-429 (1971).
  80. Repp, B. H., Lass, N. Categorical perception: Issues, methods and findings. Speech and language: Advances in basic research and practice. 10, 244-335 (1984).
  81. de Gelder, B., Teunisse, J. P., Benson, P. J. Categorical perception of facial expressions: Categories and their internal structure’. Cognition and Emotion. 11 (1), 1-23 (1997).
  82. Liberman, A. M., Harris, K., Hoffmann, H. S., Griffith, B. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).

Play Video

Cite This Article
Cheetham, M., Jancke, L. Perceptual and Category Processing of the Uncanny Valley Hypothesis’ Dimension of Human Likeness: Some Methodological Issues. J. Vis. Exp. (76), e4375, doi:10.3791/4375 (2013).

View Video