視覚的短期記憶

視覚の研究において、視覚短期記憶( VSTM ) は、アイコニック記憶と長期記憶を含む 3 つの広範な記憶システムの 1 つです。VSTM は短期記憶の一種ですが、視覚領域内の情報に限定されています。

VSTM という用語は、理論的に中立な方法で、長期間にわたる視覚情報の非永続的な記憶を指します。^[1]視空間スケッチパッドは、アラン・バデリーが提唱したワーキングメモリの理論モデル内の VSTM サブコンポーネントです。この理論モデルでは、ワーキングメモリは計画や比較などの精神的なタスクに役立つと主張されています。^{[2] [3]}象徴的記憶は脆弱で、急速に衰え、積極的に維持することはできませんが、視覚的な短期記憶は後続の刺激に対して堅牢で、数秒間持続します。一方、VSTM は主にその容量が非常に限られている点で長期記憶と区別されます。^{[4] [5]}

言語化が難しく、長期記憶に保持されにくい刺激の導入は、1970年代初頭のVSTM研究に革命をもたらした。^{[6] [7] [8]}使用された基本的な実験手法では、観察者が短い時間間隔で分離された2つの行列^{[7] [8]}または図^[6 ]が同じであるかどうかを指示する必要があった。観察者が偶然よりもはるかに高いレベルで変化が起こったことを報告できたという発見は、少なくとも2番目の刺激が提示されるまでの期間、彼らが最初の刺激の側面を純粋に視覚的な記憶に符号化できたことを示している。しかし、使用された刺激が複雑で、変化の性質が比較的制御されていなかったため、これらの実験では次のようなさまざまな疑問が残された。

1. 視覚刺激を構成する知覚次元のサブセットのみが保存されるかどうか（例：空間周波数、輝度、コントラスト）
2. VSTMでは知覚次元が他のものよりも忠実に維持されるかどうか
3. これらの次元がどのようにエンコードされるか（つまり、知覚次元は個別の並列チャネル内でエンコードされるのか、それともすべての知覚次元が VSTM 内の単一の結合されたエンティティとして保存されるのか）。

VSTM の容量限界の調査には多くの努力が費やされてきました。典型的な変化検出タスクでは、観察者に多数の刺激からなる 2 つの配列が提示されます。2 つの配列は短い時間間隔で分離されており、観察者のタスクは、最初の配列と 2 番目の配列が同一であるか、または 1 つの項目が 2 つの表示間で異なるかを判断することです。^[a]パフォーマンスは、配列内の項目の数に大きく依存します。パフォーマンスは一般に 1 つまたは 2 つの項目の配列ではほぼ完璧ですが、項目が追加されるにつれて、正しい応答は必ず単調に低下します。VSTM ストレージの限界を説明するためにさまざまな理論モデルが提唱されており、それらを区別することは現在も活発な研究分野です。

著名なモデルのクラスでは、VSTM 自体の容量が限られているためか、エンコードできるアイテムの総数によって観察者が制限されると提案しています。^[b]このタイプのモデルは、確率論で使用される urn モデルと明らかに類似しています。^[c]本質的に、urn モデルは、VSTM の保存容量が少数のアイテムkに制限されていると想定しています(成人では 3 から 5 の範囲にあると推定されることが多いが、子供ではそれより少ない^[9] )。閾値を超える変化が検出される確率は、単に変化要素が VSTM にエンコードされている確率です (つまり、k / N )。この容量制限は後頭頂皮質に関連し、この皮質の活動は最初は配列内の刺激の数とともに増加しますが、セットサイズが大きいと飽和します。^[10] urn モデルは VSTM のパフォーマンス制限を説明するためによく使用されますが、^[d]保存されるアイテムの実際の構造が考慮されるようになったのはごく最近のことです。ラックとその同僚は、VSTMに保存されている情報の構造を解明するために特別に設計された一連の実験を報告しました。^[11]この研究は、VSTMに保存されている項目は首尾一貫したオブジェクトであり、それらのオブジェクトを構成するより基本的な特徴ではないという証拠を示しています。

ウィルケンとマは、VSTM の容量制限は、セットサイズの関数として、保存された内部表現の品質が単調に低下すること (つまり、ノイズが単調に増加すること) によって生じると示唆する別の枠組みを提唱しています。この概念では、メモリの容量制限は、エンコードできるものの数の制限によって生じるのではなく、メモリに追加されるものが増えるにつれて、各ものの表現の品質が低下することによって生じます。2004 年の実験では、信号検出理論アプローチを使用して、VSTM に保存されているオブジェクトの色、空間周波数、および方向を変更しました。^[e]参加者は、連続して提示された視覚刺激の違いを報告するように求められました。研究者は、異なる刺激が独立して並列にエンコードされ、報告のパフォーマンスを制限する主な要因はニューロンのノイズ(視覚セットサイズの関数) であることを発見しました。^[12]

この枠組みでは、ワーキングメモリのパフォーマンスを制限する主な要因は、記憶できるアイテムの数ではなく、視覚情報を保存できる精度です。^[12]この理論のさらなる証拠は、識別タスクを使用して Bays と Husain によって得られました。彼らは、VSTM の「スロット」モデルとは異なり、信号検出モデルは、彼らの研究における識別パフォーマンスと、変化検出タスクの以前の結果の両方を説明できることを示しました。^[f]これらの著者は、VSTM は視覚シーンの要素間で共有される柔軟なリソースであり、より多くのリソースを受け取るアイテムはより高い精度で保存される、と提案しました。これを裏付けるために、彼らは、メモリ配列内の 1 つのアイテムの顕著性を高めると、そのアイテムがより高解像度で思い出されるが、ディスプレイ内の他のアイテムの保存解像度が低下することを示しました。^[13]

心理物理学的実験によると、VSTMでは情報が複数の並列チャネルにエンコードされており、各チャネルは特定の知覚属性に関連付けられている。^[14]この枠組みでは、セットサイズの増加に伴う変化の検出能力の低下は、2つの異なるプロセスに起因すると考えられる。

1. 意思決定が異なるチャネルで行われる場合、パフォーマンスの低下は通常小さく、複数の独立した意思決定を行う場合に予想される低下と一致しています^{[15] [16]}
2. 同じチャネル内で複数の決定が行われた場合、パフォーマンスの低下は決定ノイズの増加のみに基づいて予想されるよりもはるかに大きくなり、同じ知覚チャネル内での複数の決定によって引き起こされる干渉に起因します。^[17]

しかし、Greenlee-Thomasモデル^[15]は、VSTMにおけるセットサイズの効果のモデルとしては2つの欠点がある。第一に、1つまたは2つの要素で構成されるディスプレイでのみ実証的にテストされている。セットサイズの効果は、比較的少数の要素で構成されるディスプレイ（つまり、4項目以下）と、より大きなディスプレイ（つまり、4項目以上）に関連付けられたディスプレイで異なることが、さまざまな実験パラダイムで繰り返し示されている。Greenlee-Thomasモデルでは、なぜそうなるのかについての説明がない。第二に、Magnussen、Greenlee、およびThomas ^{[18] [全文引用が必要]}はこのモデルを使用して、異なる知覚次元間ではなく同じ知覚次元内で二重決定が行われた場合に干渉が大きくなることを予測できるが、この予測には定量的な厳密さが欠けており、閾値の増加の大きさを正確に予測したり、その根本的な原因を詳しく説明したりすることができない。

Greenlee-Thomasモデルに加えて、VSTMにおけるセットサイズ効果を説明するために、他に2つの主要なアプローチがあります。これら2つのアプローチは、サンプルサイズモデル^{[19]とurnモデル[g]}と呼ばれます。これらは、Greenlee-Thomasモデルと次の点で異なります。

1. セットサイズ効果の根本原因を意思決定前の段階に帰する
2. 同じ知覚次元で行われた決定と、異なる知覚次元で行われた決定を理論的に区別しない。

アイコニックメモリとVSTMの両方の特徴を持つ中間視覚記憶の証拠がいくつかあります。^[20]この中間記憶は、大容量（最大15項目）と長い記憶痕跡持続時間（最大4秒）を持つと提案されています。VSTMと共存しますが、VSTMとは異なり、視覚刺激が視覚記憶の内容を上書きできます。^[21]さらなる研究では、視覚作業記憶における刺激の色に関する情報の保持に視覚領域V4が関与していること、 ^{[22] [23]}および刺激の形状に関する情報の保持にVO1領域が役割を果たしていることが示唆されています。 [23] VO2領域では、記憶に保持された刺激のすべての特徴が全体的なイメージに結合されることが示されている。 [ ^{23 ]}

^{VSTM は、ワーキング メモリ システムの視覚コンポーネントであると}考えられており、自然に発生するタスクのプロセス中に一時的な情報保存用のバッファーとして使用されます。しかし、実際に VSTM を必要とする自然に発生するタスクは何でしょうか。この問題に関する研究のほとんどは、衝動性眼球運動によって引き起こされる感覚ギャップを埋める VSTM の役割に焦点を当てています。これらの突然の視線の移動は通常、1 秒間に 2 ～ 4 回発生し、眼球が動いている間は視覚が一時的に抑制されます。したがって、視覚入力は、短いギャップで区切られた、空間的にシフトされたシーン全体のスナップショットのシリーズで構成されます。時間の経過とともに、入力のこれらの短い一瞥から、豊富で詳細な長期記憶表現が構築され、VSTM はこれらの一瞥間のギャップを埋め、1 つの一瞥の関連部分を次の一瞥の関連部分と揃えることができると考えられています^{。空間VSTM}システムとオブジェクト VSTM システムの両方が、眼球運動間の情報の統合において重要な役割を果たす可能性があります。眼球運動もVSTM表現の影響を受ける。VSTMに保持された構築表現は、タスクが明示的に眼球運動を必要としない場合でも眼球運動に影響を与える可能性がある。小さなマイクロサッケードの方向はVSTM内のオブジェクトの位置を指し示す。^[24]

• 注意
• 前頭前皮質における注意と記憶
• 変化の盲目
• メモリ
• 感知

• Cowan, N (2001). 「短期記憶における魔法の数字 4: 精神的記憶容量の再考」.行動および脳科学. 24 (1): 87–114, ディスカッション 114-85. doi : 10.1017/S0140525X01003922 . PMID  11515286.
• Pashler, H (1988). 「親しみやすさと視覚的変化の検出」.知覚と心理物理学. 44 (4): 369–378. doi : 10.3758/bf03210419 . PMID  3226885.
• Sperling, G (1960). 「短い視覚的プレゼンテーションで得られる情報」.心理学モノグラフ: 一般および応用. 74 (11): 1–30. doi :10.1037/h0093759.