根據《Popular Science》報導，一個看似簡單的問題——「這張圖上有幾個藍色的點？」——正在幫助科學家揭開人類視覺系統中一個令人不安的缺陷。
錯覺怎麼運作？
研究者設計了一系列畫面，每張包含不同數量和顏色的圓點。當受試者被要求計算藍色圓點的數量時，結果令人驚訝：他們的答案系統性地偏離了正確值。
更有趣的是偏離的方向。當藍色圓點被大量紫色圓點包圍時，受試者傾向高估藍點的數量——因為大腦把部分紫色的點「重新分類」成了藍色。反過來，當藍色圓點被大量綠色圓點包圍時，受試者傾向低估藍點的數量——因為大腦把部分淺藍色的點「重新分類」成了綠色。
換句話說：你看到的「藍色」不是由那個點本身決定的——而是由它旁邊的點決定的。
這告訴我們大腦的什麼？
這個錯覺揭示了視覺系統的一個核心特性：大腦不是一台客觀的攝影機。 它不是「如實記錄」你眼前的畫面——而是根據脈絡（context）不斷地「重新解讀」每一個像素的意義。
在日常生活中，這種脈絡依賴的處理方式多數時候是有用的——它幫助你在不同的光線條件下識別同一個顏色（「色彩恆常性」colour constancy）。但當脈絡本身是誤導性的（就像這個實驗設計的那樣），大腦就會犯系統性的錯誤。
根據研究者的分析，這個發現跟「概念膨脹」（prevalence-induced concept change）理論一致——哈佛大學 David Levari 教授在 2018 年首次提出的概念：當某個類別的事物變少時，人類會不自覺地擴大對該類別的定義來「補回」消失的數量。
在實際生活中的例子：當暴力犯罪率下降後，人們會把更多原本不算「暴力」的行為重新定義為暴力——讓你「感覺」暴力沒有減少。當空氣品質改善後，人們會開始注意到以前不在意的輕微污染——讓你「感覺」空氣沒有變好。
實際應用
這個研究不只是學術趣味。在自駕車和AI視覺系統的設計中，理解人類視覺的偏誤有助於設計更好的人機介面——例如在車用抬頭顯示器（HUD）上，顏色的選擇和背景脈絡會影響駕駛人判讀資訊的準確度。
在品質管理和安全檢查領域，知道「檢查員在缺陷率下降後會不自覺地放寬標準」（概念膨脹），可以幫助設計更有效的校準機制。
你的大腦是一台強大的資訊處理器。但它不客觀——而且它不告訴你它不客觀。
📰 本文資料來源
- Popular Science:〈How many blue dots do you see? New optical illusion tricks the brain〉
- 理論參考：David Levari et al., 'Prevalence-induced concept change,' Science (2018)
編輯觀點
光學錯覺研究聽起來只是「好玩的視覺把戲」，但它在神經科學中有深刻的意義——每一個錯覺都是人類大腦處理資訊時的一個「已知bug」的展示。這個特定的發現對AI視覺系統和駕駛安全研究都有實際應用。