神经机械信任的感官度量

如今数字源提供了前所未有的人类感觉运动数据组成部分，其消费与互联网成瘾障碍和互联网游戏障碍等尚不明确的疾病相关。本文从多尺度、连续时间振动交互的角度，提供对人类感觉运动处理的数学理解。我们利用熵、噪声、维度、连续性、延迟和带宽等信号处理度量来量化人类的信息需求。利用这些度量，我们将人类所经历的信任定义为一种处理来自神经机械交互的精细感觉运动数据的原始统计算法。这种神经机械信任的定义意味着，那些通过频繁的不连续性和增强的相干性来吸引低级注意的人工感觉运动输入与交互，长期而言将通过违背自我校准所演化的隐式统计契约，使大脑对世界的表现去校准。该方法使我们能够将一般的成瘾建模为稳态调节在新环境中出错的结果，并将数字依赖作为其子案例，其中数字感觉运动数据引起的去校准进一步刺激了对其的更多消费。我们预测，机构可以利用这些感觉运动度量来量化媒体丰富度以改善员工福祉；二人组和家庭规模群体将通过低延迟、高分辨率多感官交互（如共享餐食和相互触摸）实现最佳联结与治愈；个体可通过刻意的感觉重整合练习来提高感觉和社会感觉分辨率。我们得出结论：我们人类是我们自己成功的受害者，我们的手如此灵巧以至于用迷人的事物填满世界，我们的眼睛如此天真以至于急切追随。