知觉学习的特性探讨

知觉学习是指对刺激进行训练或经验后，在对该刺激的知觉上产生的任何相对长期稳定的改变，知觉学习时内隐学习的一种重要形式。

知觉加工的机制，在不同的理论学派里众说纷纭。为了理解不同理论的差异，Merav Ahissar较为系统地总结了知识学习的特性。他认为，在行为水平上，知觉学习结果常表现为三种形式，根据学习的结果，可以粗略地将知觉学习分为：

• 自动化理论
• 知觉分化理论
• 知觉效率提高理论

自动化理论认为，知觉学习的过程，本质上必定伴随着注意能量的下降和反应的更加自动化。学习后的行为改变，可以归结为学习过程节约了注意资源，达到了反应自动化。La Berge认为，自动化与注意资源分配的减少相联系。特征刚开始出现时，注意就会对特征进行动态分组，然后通过练习，加强或减弱特定刺激与反应之间的练习，形成一种稳定的关联，所以知觉学习是在刺激编码水平形成专门的结构。而Shrffrin和Schineider认为，知觉学习是在决策分组过程中自动化形成的。学习能够在分组过程中加强刺激与反应的联系，形成自动的刺激-反应模式，这种自动的刺激-反应模式在记忆阶段会存有优势，使刺激转换后的模式与记忆匹配的反应速率加快。Logan认为自动化发生在记忆匹配阶段，知识学习能形成以特征和材料为基础的记忆。

知觉分化理论认为，知觉学习是提高知觉分化水平的过程，学习涉及到输入到决策的整个过程，分化就是通过抛弃无关信息，输入或加强重要信息来实现学习，加强输入时的联系。

知觉学习的效率改善理论认为，由几个计算步骤组合的任务可能通过运用更快的计算或通过改进算法，以及简化操作来提高速度。这个理论是任何学习的特点。

知觉学习也有特异性和迁移性两个基本属性，是学习效应由训练的任务或刺激属性迁移到其他未训练任务或刺激属性的程度的不同。

其中，特异性指的是知觉学习的效果特异于训练的条件，例如，训练的视野位置、朝向、空间频率等刺激属性和任务等。大脑在学习这方面在不同的方面存在不同的可塑性。

迁移性表明的是，学习效应在不同的任务之间出现迁移，只对某一种特定的刺激进行任务上的训练，也可以在另一种刺激条件上看到该任务的进步成效。当学到了某些具有普适性的知识时，这种特性更可能是一种深入搜索策略的提高。

知觉学习涉及的大脑区域为大部分区域，从初级视皮层，到中间视皮层再到高级脑区。知觉学习也会引起细胞反应的特性的改变。这些研究有待探讨。

参考文献：
[1]马小丽 杨彬 钟翔 宋艳.知觉学习的神经机制[D].北京师范大学认知神经科学与学习国家重点实验室,2009.
[2]胡平 陈文锋 焦书兰.知觉学习理论研究的进展[D].心理科学,2002.