1 引言 想象一下，你走进厨房，目光不经意间扫过桌上的一盘苹果，即使没有去刻意分辨每个苹果的细节，你也能瞬间捕捉到这盘苹果的大小和成熟度。这种“一目了然”的能力绝非偶然，而是视觉系统的一种高效加工方式——集合感知(Ensemble Perception)。当面对一组相似刺激时，视觉系统能够迅速且准确地提取集合的整体统计属性(如平均值、方差等)，而不是处理单个刺激属性的细节(Ariely，2001；Whitney & Yamanashi Leib，2018)。这种机制充分展现了人类视觉系统在处理大量信息时的高效性。 集合感知又称集合编码(Ensemble Coding)，这一领域自Ariely(2001)的开创性工作后得以迅速发展，早期研究者通常使用“统计概要表征(Statistical Summary Representation)”术语来描述这一现象(如：仝可等，2015)。在视科学研究中，“集合感知”和“统计概要表征”均指对大量刺激的集合进行统计加工、整合的认知过程，在许多研究报告中常被互换使用(Alvarez，2011；Corbett et al.，2023)。但也有研究者指出，两个概念间存在细微差异：集合感知更强调研究对象是大量、集群的刺激，而统计概要表征则更突出表征过程中的统计计算过程，前者可包括那些不适于用统计指标描述的复杂属性，其概念外延更为宽泛，因此可视为一个更广义的上位概念(励奇添，陈文锋，2022)。值得注意的是，对于“Ensemble Perception”，国内学界尚未形成统一的译法。部分研究者将其译为“集群感知”(如：励奇添，陈文锋，2022)“集合感知”(如：刘丁睿，2021)“整体感知”(如：郝爽等，2023)，或“整体知觉”(如：赵冰洁等，2024)。但是，为避免与计算机科学与产业经济学领域的“集群”(cluster)产生混淆，以及与认知科学中另外的重要概念“整体加工”(holistic processing)进行区分，本文建议使用“集合感知”这一译法。此外，如果未来的研究报告中仅涉及刺激集合的“均值”或“方差”，可直接使用“平均表征”(average representation)和“方差表征”(variance representation)术语。 集中趋势(如平均值)和离散趋势(如方差)是集合感知的两个核心指标(仝可等，2015；Norman et al.，2015)。平均表征是描述刺激集合集中趋势的重要代表。Ariely(2001)通过不同大小圆点集合的均值识别任务，发现个体可以快速而准确地表征集合均值，且这一表征不受集合大小(即个体数目)的影响，但却难以准确表征集合内的单个成员。随后的研究发现，平均表征广泛存在于从低水平到高水平的多种视觉特征中，适用于如刺激大小(Haberman & Suresh，2021)、空间位置(Sun et al.，2021)、深度(Wardle et al.，2012)、朝向(Parkes et al.，2001)、颜色和对比度(Rajendran et al.，2021)、亮度(Bauer，2009)等低水平特征，以及面孔情绪(Haberman et al.，2009)、面孔性别(Haberman & Whitney，2007)、面孔身份(de Fockert & Wolfenstein，2009；Davis et al.，2021)、目光朝向(Florey et al.，2016)、生物运动(Sweeny et al.，2013；Nguyen et al.，2021)和可信度(Marini et al.，2023；Chwe & Freeman，2024)等高水平特征。 方差表征则是描述集合离散趋势的重要指标。Haberman，Lee和Whitney(2015)首次从方差角度探讨了面孔情绪的集合感知。研究使用调整匹配法，要求被试调整一组情绪不同的面孔集合的方差以匹配另一组集合，结果发现被试能够准确表征集合的方差，且不受集合大小的影响。后续研究进一步表明，与平均表征类似，视觉系统也可以表征多种视觉特征的方差，包括颜色(Maule & Franklin，2020；Ward et al.，2016)、亮度(Tong et al.，2015)、大小(Tokita et al.，2016)以及面孔性别和种族(Phillips et al.，2018)。这些研究说明，视觉系统在处理集合离散趋势方面同样表现出高效性。然而，目前针对集合离散趋势的研究仍较为有限，其是否具有与平均表征类似的跨水平、跨特征的知觉普遍性尚不明确。 总之，视觉集合感知是一种应对繁杂视觉输入的高效加工方式，对其神经机制的探讨有利于我们理解视觉系统对均值等统计信息的神经计算过程。本文深入探讨了其加工早期和晚期的时间进程、信息整合的复杂机制(如表征层级以及计算机制)，辨析了集合整体与单个刺激信息编码的神经基础差异和理论模型，并在此基础上提出了视觉统计加工的整合假设。最后，提出未来研究方向，希望能为进一步揭示集合感知的神经机制提供思路和启发。 2 集合感知的时间进程 2.1 时间进程上早期的自动化加工证据 在注意需求方面，近年来的事件相关电位(Event-Related Potential，ERP)研究考察了对面孔情绪的平均表征是否依赖注意资源。Ji等人(2018)采用线索-目标范式，要求被试在有效或无效线索条件下判断面孔集合的平均情绪是积极还是消极的。结果显示，即使在注意受限的无效线索条件下，被试仍可以有效提取平均情绪，且未观察到反映空间选择性注意的N2pc(N2-posterior-contralateral)成分，表明平均情绪的提取对注意资源的依赖性较低。值得注意的是，在有效线索条件下，集合任务与个体任务诱发的对侧延迟负波(Sustained Posterior Contralateral Negativity，SPCN)成分(其波幅通常反映视觉短时记忆负荷)无显著差异，意味着多个面孔信息被压缩成一个“单一”对象存储于视觉短时记忆中(Ji et al.，2018)。
