توهمی که زندگی را هموار می‌کند: مغز ما ۱۵ ثانیه از واقعیت عقب است؟
چشمان شما در حال فریب دادنتان هستند. طبق یافته‌های یک پژوهش، هر آنچه می‌بینید، تصویری است از ۱۵ ثانیه پیش.
تحریریه حرف مرد: اگر دوربین گوشی خود را باز کنید و شروع به ضبط ویدیو کنید، سپس صفحه‌ی گوشی را درست مقابل چشمانتان بگیرید و تلاش کنید از تصویر زنده‌ی دوربین برای دیدن دنیای اطرافتان استفاده کنید، متوجه می‌شوید که این کار دشوار است. شکل‌ها، رنگ‌ها و حرکات در تصویر زنده دچار اعوجاجند. دانشمندان می‌گویند این تمرین، شبیه‌سازی نزدیکی از داده‌های تصویری آشفته‌ای است که چشم‌های ما به‌طور مداوم به مغزمان ارسال می‌کنند. پس چطور ممکن است که ما دنیا را ببینیم بدون آنکه احساس سرگیجه یا تهوع کنیم؟
در مقاله‌ای که در سال ۲۰۲۲ در ژورنال معتبر Science Advances منتشر شد، پژوهشگرانی از دانشگاه آبردین و دانشگاه کالیفرنیا، برکلی، یک «توهم بصری ناشناخته‌ی پیشین» را توصیف می‌کنند که به ما کمک می‌کند تصاویر دریافتی‌مان را در طول زمان هموارتر درک کنیم.
آن‌ها در متنی که در The Conversation، وب‌سایتی که در آن دانشمندان به‌طور منظم آخرین دستاوردهای خود را شرح می‌دهند، منتشر کرده‌اند، توضیح می‌دهند:
ما به‌جای تحلیل هر فریم تصویری به‌صورت مستقل، در هر لحظه میانگینی از آنچه در ۱۵ ثانیه‌ی گذشته دیده‌ایم را درک می‌کنیم. بنابراین، با نزدیک‌کردن اشیاء به‌هم و یکسان جلوه‌دادن آن‌ها، مغز ما ما را فریب می‌دهد تا محیطی پایدار را درک کنیم. این فرم از زندگی در گذشته می‌تواند توضیح دهد که چرا تغییرات جزئی که در طول زمان رخ می‌دهند را متوجه نمی‌شویم.
این «توهم پایداری بصری»، مفهومی است که شاید نیاز به توضیح بیشتری داشته باشد تا به‌صورت شهودی برای ما قابل‌فهم شود. تصور کنید چشمان شما می‌توانند روی اشیایی در فاصله‌ی دور تمرکز کنند و این تمرکز را به‌صورت پایدار حفظ کنند. حالا به این فکر کنید که در همان حال، چشم‌هایتان چطور در حال حرکت دائمی هستند تا این حسِ ثبات در تمرکز را حفظ کنند؛ درست مانند یک ژیروسکوپ که همیشه قائم می‌ماند.
پژوهشگران در مقاله‌ی خود چنین می‌نویسند:
تصاویر شبکیه‌ای ما به‌صورت پیوسته در حال نوسان‌اند، به‌دلیل منابع متعدد نویزهای درونی و بیرونی از جمله حرکت تصویر در شبکیه، انسدادها و گسست‌ها، تغییرات نوری، تغییر زاویه‌ی دید، و بسیاری منابع نویز دیگر. با این حال، اشیاء در نگاه ما دچار لرزش، نوسان یا تغییر هویت نمی‌شوند.
این تصویر هموار چطور تولید می‌شود؟
نظریه‌های مختلفی برای توضیح اینکه چطور چشم و مغز باهم همکاری می‌کنند تا تصویری هموار از جهان اطراف برای ما فراهم کنند، وجود دارد. از جمله‌ی این نظریه‌ها می‌توان به «کوری نسبت به تغییر» اشاره کرد (زمانی که یک محرک تغییر می‌کند ولی ما متوجه آن نمی‌شویم) و «کوری توجهی» (ناتوانی در دیدن یک شیء آشکار به‌دلیل تمرکز توجه بر جای دیگر)؛ عواملی که می‌توانند توضیح دهند چرا با وجود درهم‌ریختگی فراوان در ادراک ما، دچار لرزش‌های تصویری مداوم نمی‌شویم. این نظریه‌ها حتی منجر به توسعه‌ی فناوری‌هایی مانند نرم‌افزارهای هموارکننده‌ی تصویر در گوشی‌های هوشمند شده‌اند. اما در این مطالعه، پژوهشگران به‌دنبال درک بهتر یک نظریه‌ی متفاوت به نام «وابستگی سریالی» بوده‌اند.
همچنین بخوانید: با این ابزار می‌توانید سرعت پیری خود را تشخیص دهید!
وابستگی سریالی چیست؟
پژوهشگران توضیح می‌دهند: «وابستگی سریالی باعث می‌شود اشیاء در هر لحظه، به‌اشتباه شبیه‌تر به اشیایی در گذشته‌ی نزدیک درک شوند.» به این معنا که مغز ما تصویر زنده‌ای که از طریق چشم‌ها دریافت می‌کند را با تصاویری از گذشته‌ی بسیار نزدیک مقایسه می‌کند و به‌اشتباه می‌پندارد که این دو یکسان‌اند. این امر باعث ایجاد نوعی اثر هموارسازی می‌شود، چرا که تعداد کلی «فریم‌هایی» که در ادراک و پردازش تصویر نقش دارند، کاهش می‌یابد.
برای آزمودن این نظریه، پژوهشگران آزمایشی طراحی کردند که در آن افراد به تصویری تدریجی نگاه می‌کردند که چهره‌ای را نشان می‌داد در حال گذار از جوانی به پیری یا از پیری به جوانی. اگر مغز ما در «گذشته‌ی بسیار نزدیک» قفل شده باشد، در تصویری که در حال تغییر است، دچار تأخیر در درک سن واقعی چهره خواهیم شد.
برای آزمودن دقیق‌تر وابستگی سریالی، پژوهشگران بازه‌های زمانی مختلفی را میان تصویر متحرک قرار دادند که از یک ثانیه شروع شده و تا ۱۵ ثانیه ادامه می‌یافت، در حالی‌که همان خطای ادراکی در سن چهره همچنان دیده می‌شد. این یعنی مغز ما قادر است تصاویر را تا بازه‌ای به‌اندازه‌ی ۱۵ ثانیه، یا حتی بیشتر، هموارسازی کند.
پس، دفعه‌ی بعد که با گوشی خود ویدیویی لرزان می‌گیرید، به‌یاد داشته باشید که مغزتان دارد به‌سختی تلاش می‌کند تا میدان دید شما را طی ۱۵ ثانیه یا بیشتر، پایدار و بدون وقفه نگه دارد.
منبع: popular mechanics
