1.2.2 認知心理學中的注意力

20世紀初期，行為心理學（Behavioral Psychology）在美國誕生。該流派認為意識這種發生在頭腦中看不見摸不著的東西是“鬼火”，不應該作為心理學的研究對象，心理學應該去研究從人的意識中折射出來的客觀存在——行為。在這一思路的指導下，自然有很多心理學家嘗試用行為來解釋注意力。例如，美國心理學家約翰·弗雷德里克·達希爾（John Frederick Dashiell，1888—1975年）在其1928年出版的行為主義著作《客觀心理學基礎》（Fundamentals of Objective Psychology）中，將注意力解釋為一種“舉止”（posturing）[12]。但是這種試圖用某一種外化行為解釋內心活動的做法過于蒼白無力，自然難以成功。然而，正是因為行為心理學以看得見摸得著的人類行為作為研究對象，容易借助生物、物理等學科的理論和方法作為其研究和實驗手段，這些偏“實在”的特性使得其一時間成為心理學的主流方向，產生了極大的影響力。在相當長的一段時期，使注意力這種與意識和認知高度相關的過于“虛幻”的對象，長期受到冷落。

第二次世界大戰以后，信息、通信等理論獲得突飛猛進的發展，再加上心理學界對行為主義的廣泛質疑，人們開始試圖用信息加工的過程來刻畫認知過程。20世紀50年代，認知心理學（Cognitive Psychology）應運而生，重新將認知作為研究的核心對象。對注意力的研究也隨之迎來了重大轉機，重返“C位”。

英國電氣工程師、認知學家愛德華·切瑞（Edward C. Cherry，1914—1979年）在1953年提出“雞尾酒會效應”（Cocktail-party Effect），描述了人能夠在嘈雜的環境中排除干擾，把注意力集中在和某人的交談上這一現象。受到切瑞觀點的啟發，1958年，英國著名心理學家唐納德·布羅德本特（Donald E. Broadbent，1926—1993年）在其出版的著作《感知與交流》（Perception and Communication）中提出著名的過濾器理論[4]，以此理論來刻畫人類對信息加工的過程。過濾器理論認為外界的信息是大量的，而人腦的容量和加工能力又有一定的限制，于是出現了瓶頸。為了避免因“帶寬不足”的超負荷問題，就需要一個過濾器來實現信息選擇功能——選擇其中較少且價值高的信息，使其進入高級分析階段接受進一步的加工而被認知和存儲，而其他信息則予以拋棄。在過濾器理論中，注意力就扮演信息過濾器的角色，該過濾器根據諸如圖像顏色、說話人的語音特點等特定物理屬性對信息進行選擇。正如布羅德本特所說“注意是資源有限的加工系統的工作結果。”[13]布羅德本特的過濾器理論是認知心理學界第一個體系化的認知架構，對后來認知心理學對注意力的研究帶來深遠影響。由于布羅德本特過濾器理論認為注意力的選擇機制發生在一切認知之前，因此該觀點又被稱為“早期選擇理論”（Early Selection Theory）。也正是因為注意力在信息加工過程中扮演信息篩選的角色，這一類注意力機制也被稱為“選擇注意力”（Selective Attention）機制。但是，盡管過濾器理論能夠對“雞尾酒會效應”等現象進行很好的解釋，但卻很難解釋一些隨機的注意現象。例如，乘坐飛機飛臨廣闊沙漠，從懸窗望向地面，唯有一望無際的蒼茫，單調而無聊。突然間，飛機下方出現一片綠洲，我們瞬間被吸引，頓時來了精神……這一切是如何發生的？過濾器理論認為認知系統試圖去定位那些能夠引起注意的信息輸入，似乎有一種“需求就在這里，給我找出滿足需求的對象”的感覺。但是上面例子中的注意力體現出極大的是隨機性，根本就不存在任何預先的設定，這一現象用過濾器理論就很難解釋。

在布羅德本特的過濾器理論中，注意力對信息的選擇采用“非留即走”的方式進行——注意力中存在一系列選擇信息的閾值，那些沒有超過閾值的信息根本就不會進入認知環節。例如，以聽聲音為例，過濾器理論可能以聲音強度為閾值，認為聲音強度高于某個閾值的才會被感知，否則認為其根本就無法被察覺。顯然，這種“一刀切”的方式在很多情況下與現實人類的認知現象是不符的。例如，在一個異常嘈雜的環境中，很容易注意到別人呼喚自己的名字，即便是聲音很小也有可能引起注意。這就意味著那些沒有被注意的信息不是直接被“擋在門外”，只是強度被減弱了。因此，在1960年，美國著名心理學家安妮·特里斯曼（Anne M.Treisman，1935—2018年）提出注意力的衰減理論。衰減理論與過濾器理論相比，有三點顯著的區別：第一，在衰減理論中，注意力扮演的角色是衰減器，而不再是純粹的二元化的過濾器；第二，衰減理論中注意力對于不同信息的篩選閾值是不同的，這一點也是顯而易見的——聽到陌生名字和聽到自己名字能夠引起注意的強度閾值一定是不同的，陌生名字的閾值高，而自己名字的閾值低；第三，衰減理論強調注意力的篩選過程受到認知的指引。同樣是在“叫名字”的例子中，聽到某個名字就會立即引起注意，前提是意識中已經存在這個人的名字，這一觀點再次體現了注意力的自上而下機制。

無論是過濾器理論還是衰減理論，都認為注意力的選擇發生在認知過程之前。然而有些心理學家則認為信息在進入過濾器和衰減器之前已經得到分析，而注意力對信息的選擇發生在加工后期的反應階段。這便是所謂認知的“后期選擇理論”（Late Selection Theory）。該理論由美國夫妻心理學家安東尼·多伊奇（J.Anthony Deutsch，1927—2016年）和戴安娜·多伊奇（Diana Deutsch，1938年至今）于1963年提出。具體來說，后期選擇理論描述了如下的認知過程：所有的信息首先經過一個前期分析，并被暫存在一個稱為“工作記憶”（working memory）的臨時存儲空間中，然后注意力在工作記憶上展開選擇，選擇的結果被送入記憶形成認知。后期選擇理論體現了注意力基于記憶的信息二次加工特性，因此也被稱為完善加工理論或記憶選擇理論。下面再舉一個例子對后期選擇理論做進一步說明。假如需要從若干個隨機數字中找到其中最大的那個，我們需要逐個看一遍這些數字，這便是前期的分析；我們需要將看過的數字記在心中，這便是工作記憶的臨時存儲；然后我們根據記憶選擇最大的那個數字，這便是注意力的選擇。正所謂看遍所有數，只取最大值。

過濾器理論、衰減理論和后期選擇理論的差異主要體現在注意力的選擇發生在認知過程中的不同環節上。圖1-2示意了過濾器理論、衰減理論和后期選擇理論三種注意力選擇在信息加工中的機制。后期選擇理論之后，還有很多心理學家對注意力的選擇機制提出了更多的觀點。例如，在2006年，約翰斯頓（Johnston）等[14]學者提出了注意力的多階段選擇理論。顧名思義，該理論認為注意力對信息的選擇可以發生在認知環節中的多個階段，即認為在不同的認知場景中，注意力可以在任何階段介入并發揮選擇作用。上述這些理論討論的核心問題都是注意力的選擇特性是如何在認知過程中發揮作用的，因此這些理論共同構成了認知心理學中注意力選擇的認知理論體系。

眼睛是我們最主要的感覺器官，我們對世界信息的獲取絕大多數來自視覺。視覺感官接收到的信息可以說是海量的，只要是睜著眼睛，視覺場景就會源源不斷地從眼前經過。但是，面對如此大規模的視覺信號，視覺系統將其中的絕大部分視為“過眼云煙”，唯有那些引發注意的少部分輸入才能真正由眼入心，可以說視覺系統將注意力的選擇特性發揮得淋漓盡致。那么我們不禁要問：視覺系統中的注意力基于什么因素進行聚焦，或者說視覺注意力到底在“選什么”？心理學界對上述問題一直爭論到了今天，但大家普遍認為能引發注意的因素至少包括三個：特征、位置和物體。與之對應的即有三種類型的注意力機制：基于特征的注意力（Feature-based Attention）、基于空間的注意力（Space-based Attention）和基于物體的注意力（Object-based Attention）。其中，基于特征的注意力工作在特征層面，認為視覺刺激是形狀、大小、方向、顏色和明暗度等特征的復合，某一個特征維度的信息或某幾個特征維度信息的組合都可能被視覺注意系統選擇性地加工。例如，在如圖1-3所示的兩個視覺刺激物看板中，我們可以瞬間將目光聚焦在那兩個“特立獨行”的圖形上面。并且我們也很清楚地知道對于這兩組刺激物，我們分別因形狀（也可以認為是方向）和顏色引起注意。在1971年，英國認知心理學家艾倫·奧爾波特（Alan Allport）利用具有不同顏色和形狀的簡單視覺刺激物開展了類似視覺認知心理實驗。奧爾波特在其實驗中發現，在人類的視覺系統能夠對顏色和形狀刺激這兩個不同的維度進行并行編碼并進行視覺加工，通過追蹤受試者的眼球運動定位其注視位置，得出人類的視覺注意力是基于視覺特征所激發的結論。

說完“特征派”，我們再來看看“空間派”。基于空間的注意力，認為視覺系統的注意力構建在位置這一因素上，即認為視覺注意力重點解決“看哪里”的問題。這就是著名的注意定向（Attention Orientation）問題。1980年，美國心理學家邁克爾·波斯納（Michael Posner，1935年至今）在開展了一系列視覺認知心理實驗后，提出了注意定向理論（Attention Orienting Theory）。注意定向理論認為：注意力如同聚光燈下的光線般投射到視覺場景中，例如，在圖1-4a中，視覺注意力首先被區域A[5]所吸引；注意力的焦點可以在場景中移動，即注意力能夠定向或重定向（reorientation）；注意的范圍可以像變焦鏡頭一樣進行縮放，而注意集中程度在焦點處最高，并向四周逐漸衰減。注意定向理論認為注意力投射的空間位置取決于外因和內因兩方面因素，即所謂的外源性定向和內源性定向。外源性定向是指根據刺激的顯著性或刺激潛在的相關性引發的注意位置改變，因此沒有意識指引，是一種“自下而上”的方式。例如，在圖1-4b中，原本投射在區域A上的注意力被其左側的區域B所吸引；內源性定向是指在特定目標驅動下，注意力以“帶著任務”的方式產生投射位置的改變，因此屬于“自上而下”的方式。例如，在圖1-4c所示的例子中，注意了兩個區域后，我們希望再看看還有什么其他類似的區域，因此我們帶著“找類似區域”的目的將注意力焦點移動到區域C處。注意定向理論強調了注意力的分布是以特定空間位置或者區域為基礎的，系統地闡述了不同注意定向方式對視覺信息加工的作用和影響。

盡管空間在視覺選擇中扮演著極其重要的角色，但是人們也逐漸意識到空間并不是注意力機制的唯一因素，例如，在圖1-4所示的例子中，注意力的投射和轉移到底是基于“純區域”還是“建筑物”？顯然后者恐怕更能立得住腳——實際我們在看這幅照片的時候很大程度是帶著看建筑的目的的。這就意味著很多注意力選擇的基本單位是物體。這也正是“物體派”的觀點，接下來我們再來說說基于物體的注意力。基于物體的注意力，簡單來說就是因為“是個‘東西’”才引起的注意，這里的“東西”學名叫作“知覺物體”（Perceptual Objects）。所謂的知覺物體，嚴格來說即遵從格式塔（Gestalt）法則的、由部件構建的可感知整體。基于物體的注意力理論認為我們注意的是那些高層次的知覺物體，而構成物體的部件會被忽略。因此注意力的選擇性體現為誰的對象完整性越高就選擇誰。例如，在圖1-5a所示的兩幅圖中，我們是先注意到大熊貓呢還是黑白“零件”？答案肯定是大熊貓。即便是大熊貓臉和肚子的邊緣根本就沒有畫出，但是這一切顯然是“腦補”到了，我們似乎早已感受到了“胖乎乎，圓滾滾”的形象；再例如，圖1-5b所示的圖形，我們最先注意到的是字母“QN”還是構成字母筆畫的一個個笑臉？答案自然是“QN”。這兩個例子都說明了感知物體在注意力投射時的先整體后局部特性——大熊貓作為層級遠遠高于黑白零件的可認知對象而得到優先注意；同樣，笑臉拼成的字母“QN”在認知層級上遠高于笑臉本身，故其也作為物體被優先注意。額外補充一點，格式塔理論除了解釋注意力的選擇機制外，還試圖闡述人們對視覺輸入進行分組的傾向性。還是以圖1-5的兩組圖為例，在不看任何文字描述的前提下，甚至是在認清大熊貓和具體字母之前，我們一眼看上去就知道這幅圖大致在說兩件事——格式塔理論認為人的視覺系統自動會按照視覺刺激的一致性自動分組。

視覺場景中，物體最直接的特性就在于其能夠區別于背景。例如，我們能夠注意到綠草地上的一個足球，實際上我們的視覺系統已經在認知的最初階段實現了足球（前景）與綠地（背景）的剝離。1967年，有著認知心理學之父之稱的美國著名認知心理學家烏爾里克·奈塞爾（Ulric G. Neisser，1928—2012年）在它出版的著作《認知心理學》（Cognitive Psychology）中提出了人類早期視覺的兩階段理論。奈塞爾認為人類的早期視覺分為預注意階段（Pre-attentive Stage）和聚焦注意階段（Focal Attention Stage）兩個階段。其中，在預注意階段，視覺系統并未產生真正的意識，僅僅是從場景中獲取視覺刺激。這些刺激表現為場景對象的各類視覺特征；在聚焦注意階段，大腦中的視覺神經系統會將這些特征進行融合，形成一張注意力分配圖，指明場景中注意力在不同對象上的分布，然后以此再去指導眼球朝著顯著區域運動。兩階段理論的選擇注意力機制體現了被注意的基本元素不是純粹的特征或空間位置，而是物體。注意力分配圖可以視為注意力在視覺場景上的“掩膜”，因此已經體現了分離前景和背景的機制，蘊含了基于物體注意力的思想。下面我們舉一個例子說明兩階段理論描述的注意發生過程：小明走在昏暗的街巷中，突然在他的左前方亮起一個燈帶拼成的紅色大字，于是小明的認知系統開始工作。首先，預注意階段提取場景中各要素的特征，其中包括字的筆畫和亮度特征；然后，聚焦注意階段將這些特征進行融合形成注意力分配圖，由于字的位置筆畫縱橫且閃閃發亮，而場景中其他的區域漆黑一片，所以唯獨字的位置在注意力分配圖上最為顯著；最后大腦按照注意力分配圖給眼球下達了“看左前方”的指令——小明定睛一看，原來那是一個大寫的“串”字，認知完成。基于物體注意力的特性體現為小明在認清“串”字之前，已經意識到了左前方有一個“亮東西”的存在。也正是因為上述兩個階段均發生在小明看清“串”字之前，因此才稱為“早期視覺”。盡管奈塞爾的兩階段理論已經體現了選擇注意力是“選物體”的諸多性質，但是正式將基于物體注意力“搬上臺面”討論的是劍橋大學心理學家約翰·鄧肯（John Duncan）。1984年，鄧肯發表其具有開創性的研究成果，標志著視覺注意力選擇單位概念變化的開始。如圖1-6所示，在鄧肯的對比試驗中[6]，要求受試者完成3組認知實驗：第1組實驗為報告某對象上的一個特征，如說出蘋果的顏色；第2組實驗為報告相同對象上的兩種特征，如說出香蕉的顏色和形狀；第3組實驗為報告不同對象上的兩種特征，如說出蘋果的顏色和香蕉的形狀。結果表明第2組實驗與第1組實驗相比，受試者報告的正確率沒有明顯變低，但到了第3組實驗，受試者的正確率卻明顯降低。實驗結果一方面說明了基于空間注意力的不合理性——這些實驗的空間位置并未發生改變，但結果卻大相徑庭；另一方面說明，人在認知過程中更傾向于將不同特征和物體捆綁為一個整體，這就意味著注意力選擇的基本元素是帶著各種特征的物體。

特征在我們的認知過程中扮演著重要的角色，我們所認知的萬事萬物都可以用不同維度的特征來描述。例如，我們能夠快速且準確地分辨一個紅色的圓形，這一分辨過程使用到顏色和形狀兩個維度的特征，且這兩個維度的取值分別為紅色和圓形。但是，無論是在注意力的選擇理論還是奈塞爾的早期視覺兩階段理論中，注意力可以針對不同維度的特征進行篩選，實現特征的獲取，然而這離我們形成認知還差了關鍵的一步：平行獲取的特征如何正確地關聯起來，形成我們的認知整體——畢竟我們認知的不是獨立的“紅色”和“圓形”，我們認知的是“紅色的圓形”。這便是認知心理學中的“捆綁問題”（binding problem）。衰減理論的提出者、美國心理學家特里斯曼意識到解釋捆綁問題的重要性，于1980年提出著名的特征整合理論（Feature Integration Theory），該理論為后續認知神經科學和計算機科學對注意力機制的研究都有著極其深遠的影響。與奈塞爾的觀點類似，特征整合理論將信息的加工過程分為特征獲取和特征整合兩個階段。在特征獲取階段，注意力以分散和并行的方式獲得認知對象在不同維度的特征。獲取每一個維度的特征后，認知系統都會對其進行獨立編碼，每一類特征的獨立編碼都稱為“特征圖”（Feature Map）。在這一階段，注意力基本上是以自動化加工的方式進行的，是難以覺察的；在特征整合階段，注意力通過空間位置將不同特征進行“粘合”，以此來解決特征的捆綁問題，從而形成我們對對象的整體認知。在這一階段，需要注意力逐個加工每一個認知對象，即在加工某一對象時，其他對象暫時處于被遮擋狀態。因此該階段注意力是以類似受控加工的模式開展工作。圖1-7所示為特征整合理論對信息的加工流程。在理解早期視覺兩階段理論和特征整合理論時，都有著似曾相識、甚至“倍感親切”的感覺。的確，特征理論處處體現了計算機視覺特征提取與融合的基本理念——我們使用不同的濾波器作用在圖像上，為的就是得到圖像不同的特征？再說眼前，我們在深度學習中廣泛使用的深度卷積網絡，不正是在反復應用特征的獲取與特征的整合？只不過這些特征是任務驅動下的、難以名狀的特征而已。

視覺感官接收到的信息可以說是海量的，只要是睜著眼睛，視覺場景就會源源不斷地從眼前經過。但是，面對如此大規模的視覺信號，我們的視覺系統將其中的絕大部分視為“過眼云煙”，唯有那些引發注意的少部分輸入才能真正由眼入心。那么，我們的視覺系統是如何決定“看哪里”的呢？

認知心理學中，還有一類重要的觀點是將注意力看作是一種認知資源。既然是資源，那就意味著需要考慮其分配問題。1973年，以色列著名心理學家、諾貝爾經濟學獎得主丹尼爾·卡內曼（Daniel Kahneman，1934年至今）在其著作《注意力與努力》（Attention and Effort）中就將注意力視為認知資源。卡內曼認為人的注意力資源總量是有限的，注意力具有能夠在不同任務間進行分配的特性——如果一個任務沒有占用所有注意力，那注意力就可以再分配到其他的任務上。上述觀點在我們的日常生活中的例證可謂比比皆是。例如，在剛開始學開車的時候，我們雙手緊握方向盤，目不轉睛直視前方道路，絲毫不能有一絲分心，仿佛投入了全部的注意力；但是當我們成為“老司機”以后，我們可以一邊開車一邊聽音樂，同時還查看著電子地圖，仿佛開車這件事已經不需要投入全部的注意力。那么問題來了，多個任務同時搶占注意力資源的時候會不會產生阻塞，或者導致某些任務的質量下降？1975年，美國學者、作家唐納德·諾曼（Donald A.Norman，1935年至今）與計算機科學家丹尼爾·鮑勃（Daniel G.Bobrow，1935—2017年）一起對這一問題做出了進一步的闡述。在其文章中，以類似“計算機”的方式，討論了當多個任務共同使用注意力資源時，什么情況下可能會出現相互干擾的問題。二位學者還認為當注意力資源受到限制時，任務的完成質量會降低。上述觀點是顯而易見的，可以概括為兩句話——同時干好多件事往往很難，要干好一件事必須集中注意力。沿著心理資源分配的思想，人們開始思考決定注意力分配的因素到底是什么的問題，首先發現注意力的分配和熟練程度與任務的難度有關，從而進一步引出了注意力的“自動與受控加工”（Automatic and Controlled Processes, ACP）理論。ACP理論體現了注意力分配過程中存在自動化加工和受控加工兩個方面的特性，由美國心理學家沃爾特·施耐德（Walter Schneider）和理查德·希夫林（Richard M.Shiffrin，1942年—至今）在1977年提出。在ACP理論中，自動化加工體現了在面對簡單任務時，認知的過程會體現為在非刻意情況下的自動完成，認知過程對注意力的資源耗費極低。例如，通過反復練習使得我們可以輕松完成某個任務，即“熟能生巧”，前面開車的例子就非常能說明問題；再例如，運動員反復練習某動作，逼迫自己出現“想都不用想”的應激能力，這種能力也稱為“肌肉記憶”。而受控加工指的是面對較難任務時，我們的認知系統會自動為其分配更多的注意力資源。還是以開車為例，在熟悉的路段上，我們可以“輕車熟路，談笑風生”，這時體現出了注意力的自動化加工機制；當到達不熟悉的路段或者路況變得復雜時，我們又回到了聚精會神的駕駛模式，這表明受控加工機制開始啟用。從卡內曼開始將注意力作為一種心理資源，到隨后注意力資源的分配等各種機制的討論，都屬于認知心理學中注意力分配的認知理論范疇。

1980—1990年間，認知心理學界對注意力的研究已經變得相當的廣泛，產生了大量關于注意力的理論。然而，可惜的是沒有一個理論能夠完美地解釋所有認知現象。人們似乎察覺到自己之前把注意力想簡單了。隨著研究的深入，人們發現注意力在認知中扮演的角色遠比想象中的要復雜得多，甚至開始對注意力的存在性產生了質疑。歷史就是這樣充滿了戲劇性，19世紀80年代末，注意力把心理學家們再次逼到窘境，這與90年前的哲學家們面對的局面是何其的相似——費盡心思提出的理論卻解釋不了現象。1890年，美國心理學之父詹姆斯發出“人人都知道什么是注意”的吶喊，給心理學家們指明了道路。可90年后的此時此刻，人們卻發現自己對注意力似乎一無所知。正如波斯納在其著作《注意力心理學》（The Psychology of Attention）中回顧此時的境地時，發出“沒有人知道什么是注意力”的感嘆。看來，又到需要技術革命來突破困境的時刻了。