奇奇怪怪的照片：揭示面孔识别的特点

科学家们选择了在面孔这一片富饶的“草原”上研究，自然而然需要优秀的“行步车”。研究整体识别，就需要创造出打破整体识别或者局部识别的图片，探究整体识别的影响到底有多深入。脑成像好比汽车让科研走上了快车道，而对图片的操纵就好比石油化工，若没有好的“汽油”，再好的跑车也只能推着走。

我于上一节已经粗略介绍了下Yin教授提出的面孔倒置效应。在实验室里，科学家们还利用别的办法调整图片，换用其他角度去测量整体识别。比如有一种研究方式叫作合成面孔效应，这是一个广泛应用于面孔研究的经典方法。Young教授在提出识别模型的同时，也孜孜不倦地做了许多与面孔相关的经典研究。在他和同事的两组实验中，他们用合成面孔效应发现了情绪和身份都需要依靠整体识别。我们先说一下合成面孔。正常情况下，我们都可以看到一张完整的面孔，一张完整的面孔上自然有着相同的情绪或者说身份。但是合成面孔效应就是建立在我们的“假设”上，故意从鼻子处裁掉一张面孔的下半段，贴上另半张面孔。比如下面这张图就是一张合成面孔，而右边的是分割开的面孔，你能判断出哪一个下半张脸是属于英国首相的吗？

这两张面孔都是由一位名人的上半张脸和另一位的下半张脸构成的。上半张脸是英国前首相戈登·布朗，下半张脸属于英国前首相卡梅伦。左边一张图相较右边更难以判断清楚具体哪部分面孔属于哪位名人

左边两张面孔显然没有右边两张容易区分。如果通过左边连接在一起的面孔你可能很难判断，但是通过右边这张没有连接在一起的照片就能方便很多。甚至我们实验室的学妹还说，在她看了右边这两张分开的脸庞之后，她才发现左边这张脸其实不是来自一个人。这就是合成面孔效应，如果两张不同的面孔连接在一起的时候，你需要花更多时间去判断上半张面孔是谁，但是一旦分开一段距离便快不少。(www.xing528.com)

“合成面孔效应”的原因并不复杂，因为这样合成的面孔非常像现实生活中存在的人，以至于我们看到这张精心合成的脸之后会误以为这一张脸是一个整体，所以整体识别会进行处理。不过因为我们并没有这样一个被处理过的面孔的记忆，所以我们无法识别；同时，整体识别提炼了局部识别，让我们很难简单地抽离出局部特征来单独分析，整体信息作为被优先处理的信息占据了大量的认知资源。举一个不恰当的例子，电脑上用Linux操作系统（近似整体处理）运行模拟的视窗操作系统（在这个情况下近似局部处理），Windows操作系统的处理资源自然会被原本运行的Linux系统分享，使得两者都快不了。但是对于分开的面孔，我们的大脑不再把它们合成在一起分析，也就不会提前激活整体识别这样一个占主导地位的“进程”，因此局部分析方法可以更快、更少干扰地判断出到底上半张脸表述了什么信息。还是举上面的例子，作为一台双系统的电脑，如果我们开机时就只选择视窗系统（局部处理），预装的Linux系统没有被激活，也不会来“分一杯羹”。所以，相比分开的面孔，“合成面孔”令我们更难以“找回理智”，需要更长的时间判断出上半张脸的真实主人。Young教授和同事在1987年就利用这个方法研究了身份信息，后来在2000年又和另一组同事研究了表情情绪的识别，基本确定了在面孔识别的过程中，整体识别还真是局部识别的“上司”，只有让整体识别“休假”才能够更好地判断合成面孔。虽然身份和表情情绪需要不同的大脑区域加工，但是它们都呈现出合成面孔效应，可以说整体识别是一个非常重要的面孔处理手段，它的“办公室”优先于面孔的具体分析：好似前台，想进公司都得先走过那边。

整体优先效应也被广泛应用于面孔研究之中。这个设计很有趣味，其实“产自”我们的日常生活中。现在我问你，你觉得你能够只通过左边的一张嘴判断出这个人是谁吗？绝大多数人，哪怕再熟悉特朗普，都可能很难做到。这一点也恰恰是整体识别的原因。接着用特朗普做例子，同样是判断嘴唇是否属于特朗普，在完整的特朗普肖像中这同一张嘴唇识别会快很多。这一个“速度优势”恰恰是因为面孔依靠整体识别，如果只能看到部分信息，比如单独一张嘴，我们并不能有效地利用它、分析它。自然而然地，只有在整体之中，判断局部的信息才会被快速地识别。

利用这么多的研究手段，科学家们发现当我们以某种方式打破常规面孔构成，也就是破坏整体识别时（面孔倒置效应）判断能力下降。当塑造出以假乱真的整体面孔之后（合成面孔效应），对于“假的面孔”的整体识别优先一步反倒影响了对于目标半张脸的局部识别。当比较同一个局部面孔特征在单拿出来还是放在整体之内的时候（整体优先效应），整体可以提速识别。希望在我极其详尽地转述这些“优雅”的实验结果之后，你能理解整体识别在面孔识别中占据主导地位。