Зрительное внимание и движения глаз

Эта лаборатория изучает зрительное восприятие с упором на взаимодействие между движениями глаз и вниманием. Хорошо известно, что внимание к стимулу может сильно изменить восприятие. Например, прислушиваясь к выступающему на многолюдной вечеринке, можно почти полностью отфильтровать фон как с точки зрения слухового шума, так и с точки зрения визуальных отвлекающих факторов. Хотя в лабораторных исследованиях традиционно изучались эффекты изменения внимания при отсутствии движений глаз, в естественных условиях зрительное внимание часто сопровождается ориентировочными движениями, направляющими голову и глаза на соответствующие интересующие объекты. Недавняя работа показала, что эти ориентировочные движения влияют на восприятие подобно скрытому вниманию. Предлагаемые исследования будут изучать, как движения глаз способствуют восприятию и вниманию.

Исследование, охватываемое этим протоколом, сочетает в себе традиционную психофизику «нажатия кнопки» с неинвазивным отслеживанием глаз для изучения взаимодействия между движениями глаз и восприятием. Субъекты будут выполнять простые перцептивные задачи, такие как оценка ориентации или направления визуального стимула, в то время как положение их глаз отслеживается с помощью видеотрекера. Этот подход (сочетающий психофизику и айтрекинг) является гибким, с низким риском и быстрым по сравнению с нейрофизиологическими исследованиями. Однако, сосредоточив внимание на задачах восприятия низкого уровня, результаты можно будет интерпретировать в контексте более крупных исследований нейрофизиологических реакций в зрительной системе.

Исследователи надеются, что это фундаментальное исследование в конечном итоге будет иметь как прикладное, так и клиническое значение. Например, понимание того, как внимание и движения глаз влияют на восприятие в нейротипичных популяциях, может обеспечить неинвазивные и натуралистичные способы выявления и диагностики психических расстройств. Кроме того, понимание того, как движения глаз взаимодействуют с сенсорным кодированием, может улучшить алгоритмы машинного обучения для зрения и навигации (это не часть текущего исследования, но потенциальное влияние в будущем).