gusev1[1]

говорят, что решение задачи вышло на асимптотический уровень. Асимптотический уровень характеризуется тем, что если все число предъявлений (после исключе- ния первых) произвольно разбито на несколько групп и по каждой из них в отдельности вычислено P(H) и P(FA), то все эти пары не будут статистически значимо отличаться друг от друга.

Полная характеристика эксперимента требует указания еще двух факторов: наличие/отсутствие предварительной информации и наличие/отсутствие обратной связи.

Предварительная информация — это формальный признак, означающий сообщение испытуемому величины P(S). Например: “В 80% всех проб будет предъявляться пустой стимул” (т.е. P(S) = 0,2) или — “Сигнальное предъявление будет встречаться в 3 раза чаще пустого” (P(S)/P(N) = 3, т.е. P(S) = 0,75). Сама инструкция, разъяснение испытуемому формы предъявления, характера сигнала и т.п. — все это не входит в термин “предварительная информация”. Заметим, что предварительная информация, если она вводится, может быть и ложной, т.е. испытуемому может сообщаться не та величина P(S), которая есть на самом деле. Эта специальная модификация “Да-Нет”-экс- перимента, которая здесь рассматриваться не будет. Термин обратная связь включает информацию об истинности/ложности ответов испытуемого, сообщаемую ему после каждого предъявления, или сообщение о частоте правильных ответов, даваемое после некоторой группы (скажем, через каждые 50) предъявлений. В специальных модификациях метода такая обратная связь также не всегда должна быть истинной. Иногда, например, используют такой вариант, когда после каждой пробы (предъявления) испытуемому с вероятностью P(k) сообщают важную информацию о правильности или ложности его ответа, а с вероятностью 1 - P(k) его “обманывают” (в этом варианте P(k) — формальная мера правдивости обратной связи).

Цель введения обратной связи и предварительной информации — попытка контроля схемы соответствия между свойствами ощущений и принимаемыми решениями,

82

которую устанавливает испытуемый (правила принятия решения). Очевидно, однако, что если испытуемый не очень заинтересован в том, чтобы почаще отвечать правильно, то такой контроль может оказаться неэффективным1 . Кроме того, испытуемый может, устанавливая правило принятия решения, руководствоваться неизвестными экспериментатору субъективными “весами” различных типов ошибок. Например, он может стараться минимизировать число пропусков и не очень заботиться об уменьшении числа ложных тревог (т.е. “цена” пропуска выше “цены” ложной тревоги). Чтобы сделать контроль правила принятия решения более эффективным и дифференцированным, обратная связь может быть дополнена системой “выплат” и “штрафов”, соответственно за верные и ложные ответы, организованной в денежной или какой-либо другой (например, просто игровой) форме. Это можно записать в форме следующей платежной матрицы:

где V и W — положительные числа. Такая форма представления особенно удобна, так как она позволяет ограничиться только двумя числами, V и W, для характеристики всей платежной матрицы. Матрица называется симметричной, если V = W. Для определения оптимального правила принятия решения, т.е. такого из имеющегося у наблюдателя набора возможностей, которое максимизирует выигрыши, решающее значение имеет соотношение не самих V и W, а P(S)·V и P(N)·W (они совпадают, только если P(S) = 0,5). Если P(S)·V = P(N)·W, правило принятия решения должно быть установлено так, чтобы

1 Дополнительная информация о критериях оптимальности принимаемого наблюдателем решения приведена в приложении к данной главе.

83

минимизировать вероятности ошибок обоих родов. Если же P(S)·V > P(N)·W, то правило целесообразно изменить так, чтобы сделать возможно меньшей вероятность пропуска, 1-p(H), даже если при этом увеличивается вероятность ложной тревоги, p(FA).

Возникает вопрос: что ограничивает набор возможных схем соответствия? Почему, в частности, испытуемый не всегда может выработать “правильную” схему соответствия, при которой p(H)=1 и p(FA)=0 ? Ответ на эти вопросы требует построения формальной модели следующих процессов: 1) какое соответствие существует между предъявлениями <S> и <N> и их сенсорными репрезентациями; 2) как по данной сенсорной репрезентации строится ответ (“Да” или “Нет”). Мы изложим здесь одну из простейших моделей, отвечающих на эти вопросы.

Суть модели состоит в следующем. Любой стимул (<S> или <N>) связан с его сенсорными репрезентациями стохастически (т.е. вероятностно, случайно), а не детерминистически. Это означает, что один и тот же стимул, повторяясь в различных пробах, вызывает различные сенсорные образы, так что в каждой отдельной пробе можно говорить только о вероятностях возникновения тех или иных сенсорных образов. Причины такой стохастич- ности многочисленны. С одной стороны, они могут лежать в природе самого стимула (например, количество квантов, излучаемых источником света в данном направлении в единицу времени — величина принципиально стохастическая) и в ограниченной точности приборных измерений. С другой стороны, стохастичность связана со случайными флуктуациями в сенсорной системе, например, со спонтанной нервной активностью в проводящих путях. Последняя, в частности, обеспечивает наличие различных сенсорных образов и в том случае, если пустой стимул <N> представляет собой отсутствие энергии в данной пространственно-временной области. Кроме того, известный вклад в стохастичность сенсорных эффектов безусловно вносят и так называемые внешние факторы: нестабильность стимуляционной аппаратуры, различного рода помехи и т.д.

84

Далее в излагаемой модели предполагается, что установленное правило соответствия имеет детерминистическую структуру, т.е. данный сенсорный образ, если он в точности повторился в двух пробах (причем за время между пробами схема соответствия не изменилась), вызовет всегда один и тот же ответ. Другими словами, любое правило принятия решения однозначно разбивает множество всех возможных ощущений на два класса — один, связанный с ответом “Да”, другой — с ответом “Нет”. На рис. 1 точками заполнены те области, которые связаны с ответом “Да”. На рис. 2 области с горизонтальной (вертикальной) штриховкой соответствуют ощущениям, которые могут быть вызваны стимулами <S> и <N>.

Линии 1, 2 и 3 показывают границы разбиения, соответствующего трем схемам соответствия, причем область “Да” при всех схемах соответствия лежит слева от этих границ. Рассмотрим сначала схему соответствия 1. Мы видим, что при такой схеме <N> всегда будет идентифицироваться правильно, т.е. p(FA)=0. Однако, <S> иногда (когда ощущение, вызванное <S>, попадает правее границы — эта об-

85

ласть помечена точками) вызовет ответ “Нет”, т.е. испытуемый будет иногда пропускать сигнал, p(H)<1. При схеме соответствия 2 ситуация обратна. Испытуемый всегда идентифицирует <S> как “Да”, т.е. p(H)=1, но иногда (эта область помечена точками) <N> будет вызывать ответ “Да” (ложная тревога), т.е. p(FA)>0. Легко видеть, однако, что при данном сорасположении ощущений, вызываемых <S> и <N>, испытуемый может в принципе выработать такую схему соответствия (граница 3, штриховая линия), при которой можно избежать ошибок, т.е. p(FA)=0 и p(H)=1. При- чина, обеспечивающая эту возможность, заключается в том, что указанные области не пересекаются, т.е. нет ни одного ощущения, которое могло бы быть вызвано (пусть с разной вероятностью) как <S>, так и <N>. Если это условие не выполняется (см. рис. 3), то, очевидно, при любой схеме соответствия испытуемый будет совершать ошибки того или иного рода (O или FA), либо и те, и другие.

Рис. 3. Два пересекающихся множества ощущений, вызванных значащим и пустым стимулами

Такова суть модели. Чтобы представить модель в количественной форме, допускаются два дополнительных упрощения. Первое из них может быть разъяснено следующим образом. Схема соответствия с содержательной точки зрения представляет собой соответствие данного ответа некоторому комплексу свойств сенсорного обра-

86

за: “Если образ обладает свойствами таким-то и такимто, то следует выбрать ответ “Да”, в противном случае

— “Нет”. Очевидно, что не все свойства образа при этом используются. Рассматриваемое упрощение состоит в предположении, что решение принимается всегда на основе интенсивности какого-то одного качества сенсорных образов (“сладкость”, “наклонность”, “яркость” и т.п.), причем правило принятия решения имеет форму: “Если интенсивность (выраженность) качества больше некоторой величины C, то следует выбрать “Да”, в противном случае — “Нет”. Интенсивность качества, как это видно из предыдущей фразы, предполагается представимой действительным числом. Таким образом все возможные значения интенсивности данного качества занимают какую-то часть оси действительных чисел (например, всю положительную полуось), причем каждое из этих значений при предъявлении данного стимула может быть вызвано с тем или иным правдоподобием. Если значения интенсивности сенсорных образов образуют непрерывный континуум, то это правдоподобие выражается не вероятностью, а плотностью вероятности. Плотность вероятности возникновения ощущения со значением интенсивности ощущения X при подаче стимула A условимся обозначать через f (X/A).

Вернемся теперь к нашей ситуации, где стимул есть либо <S>, либо <N>. Каждому из стимулов соответствует своя функция плотности вероятности: f (X/S) и f (X/ N) (рис. 4).

Согласно принятому утверждению, правило принятия решения определяется выбором граничной точки C (ее еще называют критической точкой или величиной

критерия принятия решения о наличии сигнала), такой, что если интенсивность X в данной пробе превышает C, то следует ответ “Да”, если же не превышает, то — “Нет”. Легко видеть по рисунку, что вероятность ложной тревоги p(FA) равна вероятности того, что интенсивность X (при условии, что предъявлен <N>) превзойдет C, т.е. равна заштрихованной области под кривой f (X/N). Вероятность попадания p(H) равна

87

â

1 Очевидно, что когда наблюдатель фактически не обнаруживает сигнал и p(H)=p(FA), точки РХ будут лежать на диагонали.

89

одну из них и уменьшить другую (или, что то же самое, нельзя одновременно уменьшить или увеличить вероятности ошибок обоих родов, FA и O). Это очень важное положение верно для любых пар f(X/S) и f(X/N). Из него следует, что только пара этих вероятностей, а не каждая в отдельности, характеризует сенсорную способность наблюдателя.

Допустим, в эксперименте с симметричной платежной матрицей (V=W) и P(S) = 0,5) испытуемый установил положение критерия, как это показано на рис. 6а.

Результаты этого мысленного эксперимента с так называемым симметричным критерием представлены в таблице 3.

Таблица 2

Вероятности исходов эксперимента с симметричной платежной матрицей и P(S)=0.5

Это положение критерия оптимально в том смысле, что суммарный выигрыш испытуемого в этом случае будет максимален.

Пусть теперь в следующем эксперименте платежная матрица осталась симметричной, а P(S)=0.9.

Таблица 3

Вероятности исходов эксперимента с симметричной платежной матрицей и P(S)=0.9

90

Теперь (рис. 6б), чтобы сохранить тот же выигрыш, наблюдателю необходимо сдвинуть критерий так, чтобы p(H) резко возросло, даже за счет возрастания p(FA) — теперь важнее не пропустить сигнал, чем не дать ложную тревогу! Следовательно, критерий C сдвинется влево. В данном случае говорят, что наблюдатель использует либеральный критерий.

Пусть в третьем эксперименте при симметричной платежной матрице P(S) установили равной 0.1.

Таблица 4

Вероятности исходов эксперимента с симметричной платежной матрицей и P(S)=0.1

В этой ситуации (рис. 6в) критерий должен быть сдвинут вправо, и в этом случае говорят об использовании строгого критерия. Аналогичные изменения положения критерия принятия решения можно рассмотреть и при изменениях платежной матрицы при постоянной величине P(S).

Для каждой пары f(X/S) и f(X/N), если заданы V,W и P(S), может быть рассчитано оптимальное положение C

— то, при котором выигрыш максимален. В cоответствии с данной логикой можно исследовать вопрос, насколько реальное положение критерия, выбираемое испытуемым, близко к оптимальному. Но, разумеется, это можно сделать лишь в том случае, если мы можем восстановить по результатам экспериментов теоретическую схему, т.е. построить функции распределения f(X/S) и f(X/N) и найти критерий C.

Итак, перед нами стоит задача восстановления теоретической схемы по экспериментальным данным. Прежде всего, разберемся в том, что представляют собой экспериментальные данные. Пусть выбраны стимулы <S> и

91