此博文是本人在牛津大学出版社的博文网上的原文翻译， 英文原文在http://blog.oup.com/2014/08/sight-brain-cognitive-neuroscience/   译文的标题是清华大学研究生梁鸣翻译的。以下的内容由本人翻译。

约半个世纪前， 美国麻省理工学院的一位教授给出了一个本科生暑期科研项目：写一个计算机程序来认出输入图片中的物体。何尝不可？ 物体认知不就是将输入的图片数据用个算法处理后的输出吗？完全可以用来给那些聪明的学生们练练身手。几十年过去了， 那个暑期科研项目的目标还不能很好完成， 但催生了全球的计算机视觉领域。

我们所谓的聪明，包括具有做高等数学和编复杂的计算机程序等类似的智力。不可思议的是这种智力竟然不够来编个程序来认出（比方说）以下这个图里的物体。

此图是 书“Understanding Vision:Theory, models, and data"中的图5.51A

你能编个程序从此图的像素数据的输入来认出苹果吗？一个学前儿童 （她的眼睛作为摄像头，她的大脑做处理器） 能毫不费力的认出这个苹果， 不用学过高等数学或编程等。其中的难点之一是个“先有鸡还是先有蛋”的问题： 在图中找出属于苹果的像素后能帮我们认出苹果， 而认出苹果后能帮我们找出图中属于苹果的像素。

更不久前又有个关于视觉的预想不到而不可思议的发现：我们几乎象瞎子一样没看见大多在我们眼前的物体。 “什么？！ 可我眼前看得一清二楚啊”， 你可能会抗 议。 那么， 你是否一下就能看出下面两张图片之间的区别呢？

                               此图是 书“Understanding Vision:Theory, models, and data"中的图1.6

大多人在几秒之内看不出两张图片之间（很大）的区别 --- 为什么呢？ 我们的大 脑给的直觉是“我看得一清二楚”， 这个直觉吻合我们对“自己几乎是瞎子”的 无知。于是，我们看不见自己的看不见！ 如此的睁眼瞎， 怎么让我们在这复杂的世界上活得好好的？ 这 个故事说来话长，  还没个结尾， 故事人物包括大脑注意力的机制。

所谓“聪明” 包括我们能有意识的利用熟悉的规律和已有的经验来做推理。  但是， 如果我们大脑视觉的大多机制是潜意识的， 和我们下意识的经验大相径庭， 那该如何呢？ 的确，人脑中大多掌控视觉的脑区离主管下意识思维的前额叶最远。怪不得前两个视觉现象的例子如此违背我们的直觉！  怪不得虽然我们对大脑视觉的探索已有好几个世纪， 只在最近20年内我们才发现自己竟然几乎是瞎子。

另一个不可思议的视觉现象是6年前才发现的： 我们的眼睛或注意力会被看不见的视觉信号自动吸引。 根据我们的日常经验，视野中强力自动地吸引我们注意力的物体都显得非常与众不同。 比如， 万绿丛中的一点红会使我们不由自主地朝它看，除非我们是色盲。这个经验总结： “只有明显与众不同的物体才会强有力地自动吸引我们的注意力”，又是错了！在下面的图中， 我们看见的图是两个图的重叠，用看三维电影的立体眼镜， 我们可以将一个图给左眼看， 同时另一个图给右眼看。

                     此图是 书“Understanding Vision:Theory, models, and data"中的图5.9

我们地感觉就好像这个看见的图（这个图只包括棒， 不包括箭）是同时给两个眼睛一起看的一样。 那个特殊的唯一朝向（右倾）的棒最显得与众不同。 而那特殊的，唯一呈现给左眼的，棒看上去和大多棒没什么区别，也就是说， 我们看不出这根棒的与众不同之处： 它的输入眼。然而，这个特殊眼睛来源的棒经常比特殊朝向的棒更能吸引我们的注意力， 以至于我们更倾向于第一眼先朝它看，而不是先朝唯一朝向的棒看。甚至在我们被要求快速找到唯一朝向的棒而不要管别的棒的情况下， 这个倾向还是存在。 就好像这个特殊眼睛来源的棒有个“万绿丛中一点红”一般的与众不同之处来不由自主地吸引我们的注意力，只是我们下意识的识别能力对这类与众不同之处是“色盲” 的。 很多视觉研究科学家不亲身经历一下不敢相信这个视觉现象。

对于我们”聪明“的，下意识的大脑来说，这些不符直觉的视觉现象奇怪得超出我们的理解范畴了吗？ 研究视觉是否象地球人想要理解火星人那么难？   登陆火星能帮助那些地球人达到他们的目标。 可是我们下意识的大脑是否太”聪明“， 太偏见，以至于不能适当地”笨“化一点去理解那些潜意识的视觉机制吗？ 是不是因为我们是过分”聪明“， 具有太多下意识成见的， 视觉动物， 以至于我们不能理解我们自己的视觉的能力？（至少， 如果我们要研究电鱼是如何用对电的感管来感知周围的物体， 我们不会有成见。）认识到我们的困难是克服困难的第一步， 这样我们才能真正聪明起来， 而不被我们的半桶水淹没。

－－－－－－－－－－－－－－－－－－－－－

相关资料： 见教科书 “Understanding Vision: theory, models, and data" ， 牛津大学出版社， 2014年