泛化普适定律在自然刺激下成立
神经元与认知
2023-06-16 v1 人工智能
应用统计
摘要
Shepard的泛化普适定律是关于智能生物体应如何感知相似性的一项非凡假说。在其最广泛的形式中，该定律指出，当一对刺激被嵌入恰当的心理空间时，它们之间的感知相似性水平应随其距离呈凹函数衰减。尽管已被广泛研究，支持该定律的证据依赖于低维刺激和与小真实世界样本差异很大的小刺激集。这主要是因为成对比较——相似性判断所需——在刺激数量上呈二次方增长。我们通过分析一个现有的214,200条人类相似性判断数据集，以及一个新收集的、涵盖三组自然图像的390,819条人类泛化判断数据集（N=2406名美国参与者），在自然的高维情形下为该定律提供了直接证据。
引用
@article{arxiv.2306.08564,
title = {The Universal Law of Generalization Holds for Naturalistic Stimuli},
author = {Raja Marjieh and Nori Jacoby and Joshua C. Peterson and Thomas L. Griffiths},
journal= {arXiv preprint arXiv:2306.08564},
year = {2023}
}
备注
36 pages, 6 figures