4、线索整合的理想观察者模型：理论与实证

线索整合的理想观察者模型：理论与实证

1. 因果推断在线索整合中的重要性

在日常生活中，我们常常需要整合来自不同感官的线索来感知周围的世界。然而，这些线索是否来自同一源头并不总是明确的。例如，当我们同时接收到听觉和视觉信号时，需要先推断它们是否来自同一个物体。如果来自同一源头，整合线索是合理的；但如果来自不同源头，整合反而可能产生反效果。

在听觉 - 视觉整合实验中，当听觉和视觉刺激在相近位置呈现时，会出现“腹语效应”，即被试对听觉刺激位置的估计会向视觉刺激位置偏移；而当两者距离较远时，它们则被视为独立的信号，互不影响。

为了解决因果推断问题，研究人员采用了贝叶斯结构模型。以Körding及其同事（2007）的研究为例，他们使用结构模型分析听觉 - 视觉线索在位置判断中的相互作用。该模型将听觉和视觉信号的产生看作一个两步过程：
1. 通过加权抛硬币的方式，确定场景是由一个共同原因（概率为 (p_{common})）还是由听觉和视觉刺激各自独立的原因产生。
2. 如果是一个共同原因，确定该原因的位置 (x)，这个位置是从位置的先验分布中随机抽样得到的，然后该位置的源独立产生视觉和听觉信号；如果是两个独立原因，每个原因都有自己独立选择的位置，产生互不相关的信号。

观察者需要反转这个生成模型，推断视觉和听觉源的位置以及它们是否相同。在一种符合本章其他内容的公式化表述中，观察者会计算听觉和视觉位置的后验分布。先验分布是对角线上的δ函数（对应听觉和视觉信号来自同一源的情况）和整个空间上的广泛分布（对应位置独立的情况）的混合。如果两个信号指示的位置相近，后验分布会在对角线上的某一点达到峰值，该点对应两个位置之间的某个位置；如果它们相距较远，后验分布会在