Khi chúng ta nhìn vào một căn phòng hay một bức tranh phong cảnh, cảm giác về một thế giới thị giác liên tục, sắc nét và ổn định thực chất chỉ là một ảo ảnh tinh vi do não bộ kiến tạo. Về mặt sinh lý học, võng mạc của con người không có độ phân giải đồng đều; chỉ có vùng hoàng điểm (fovea) rộng khoảng 1-2 độ góc thị giác là cho phép nhìn sắc nét, trong khi vùng võng mạc ngoại vi chỉ thu nhận được những hình ảnh mờ nhòe và thiếu chi tiết. Để bù đắp cho giới hạn này, hệ thống vận nhãn phải liên tục thực hiện các chuyển động mắt nhanh (saccades) với tần suất 3-4 lần mỗi giây xen kẽ giữa các khoảng dừng định thị (fixations) kéo dài khoảng 200-300 ms. Mỗi lần mắt di chuyển, võng mạc lại tiếp nhận một lát cắt thông tin rời rạc về mặt không gian và thời gian. Câu hỏi hóc búa đặt ra cho các nhà khoa học thị giác và nhãn khoa lâm sàng suốt nhiều thập kỷ qua là: Làm thế nào não bộ có thể tích hợp những lát cắt rời rạc này thành một trải nghiệm tri giác duy nhất và nhất quán?
Trong khi các nghiên cứu về hành vi đọc chữ đã xây dựng được những mô hình toán học và sinh lý học rất chi tiết về cách con người tích hợp thông tin từ các từ ngữ ở vùng nhìn cận hoàng điểm (parafoveal preview), thì các mô hình nhận diện vật thể và cảnh quan lại tỏ ra thờ ơ một cách kỳ lạ đối với tiến trình này. Phần lớn các lý thuyết nhận diện vật thể kinh điển đều tiếp cận theo hướng "in vitro" - nghĩa là giả định rằng hệ thống thị giác nhận diện vật thể chỉ dựa trên một cú chụp duy nhất (single-shot perception) từ một hình ảnh tĩnh, có độ phân giải đồng đều và duy trì vô hạn trên võng mạc. Sự thiếu sót này bắt nguồn từ hai định kiến lớn: sức mạnh đáng kinh ngạc của tri giác một lần chạm và những tranh cãi kéo dài về sự tồn tại của bộ nhớ tích hợp xuyên vận động mắt (transsaccadic memory). Bài phân tích này sẽ đi sâu vào bản chất của cơ chế tích hợp xuyên vận động mắt nhanh (transsaccadic integration) để chứng minh rằng tri giác thực tế là một tiến trình liên tục, năng động và mang tính dự báo cao.
Nghịch lý Con lắc và Hố sâu: Bản chất của bộ nhớ xuyên vận động mắt
Để hiểu tại sao lý thuyết tri giác xuyên vận động mắt từng bị gạt ra ngoài lề, chúng ta cần xem xét lịch sử nghiên cứu thị giác thông qua hình ảnh ẩn dụ "Hố sâu và Con lắc" (The Pit and the Pendulum) của Edgar Allan Poe. "Hố sâu" ở đây chính là giai đoạn ức chế vận động mắt (saccadic suppression) kéo dài 30-40 ms giữa các lần định thị, khoảng thời gian mà hệ thống thị giác hoàn toàn đóng cửa đối với các tín hiệu đầu vào để tránh hiện tượng nhòe hình do chuyển động. "Con lắc" đại diện cho các luồng quan điểm khoa học dao động dữ dội qua lại giữa hai bờ vực của hố sâu này.
Ở chu kỳ dao động đầu tiên, các nhà nghiên cứu đề xuất giả thuyết về một "bộ đệm thị giác tích hợp" (integrative visual buffer) hay sự hợp nhất không gian (spatiotopic fusion). Theo giả thuyết này, não bộ hoạt động như một máy chiếu, xếp chồng hình ảnh trước khi liếc mắt (presaccadic) và sau khi liếc mắt (postsaccadic) lên nhau một cách hoàn hảo theo tọa độ không gian, khớp từng pixel một. Tuy nhiên, giả thuyết này nhanh chóng bị bác bỏ bởi các thực nghiệm chứng minh rằng con người không thể phát hiện các thay đổi tinh vi về mặt hình học nếu chúng xảy ra ngay trong lúc mắt đang di chuyển - một hiện tượng được gọi là mù thay đổi xuyên vận động mắt (transsaccadic change blindness).
Sự thất bại của mô hình hợp nhất pixel đã đẩy con lắc sang cực đối lập: quan điểm cho rằng không hề có sự tích hợp thông tin thị giác nào tồn tại qua mỗi cú liếc mắt. Các nhà khoa học theo trường phái này lập luận rằng thế giới bên ngoài chính là "bộ nhớ ngoài" của não bộ; chúng ta không cần lưu trữ chi tiết hình ảnh xuyên suốt các cú liếc mắt vì bất cứ khi nào cần, não bộ chỉ việc hướng mắt đến đó để tái thu nhận thông tin. Theo họ, những gì còn sót lại sau một cú liếc mắt chỉ là một bản tóm tắt khái niệm mang tính trừu tượng và phi hình ảnh (post-categorical verbal summary).
Tuy nhiên, những khám phá mới về sinh lý thần kinh đã kéo con lắc trở lại điểm cân bằng khoa học. Các nghiên cứu hiện đại chỉ ra rằng mù thay đổi không đồng nghĩa với việc não bộ không ghi nhận thông tin. Thực chất, mỗi lần định thị đều để lại một dấu vết cảm giác chi tiết (sensory trace). Dù chúng ta không thể báo cáo một cách có ý thức về sự thay đổi của vật thể, nhưng hệ thống vận nhãn vẫn ghi nhận sự bất tương thích đó, thể hiện qua việc thời gian định thị tự động kéo dài hơn khi mắt chạm vào vật thể bị biến đổi. Đây là bằng chứng không thể chối cãi cho thấy não bộ liên tục duy trì và so sánh một biểu tượng thị giác giàu chi tiết xuyên suốt các chu kỳ vận động mắt.
Cơ chế thần kinh của luồng thông tin xuôi dòng và ngược dòng
Về mặt giải phẫu chức năng, quá trình tích hợp xuyên vận động mắt được vận hành bởi sự tương tác tinh vi giữa hai luồng xử lý thông tin trong vỏ não: luồng hướng tâm nhanh (feed-forward sweep) và luồng phản hồi chậm hơn (re-entrant/recurrent processing).
Khi mắt chuẩn bị thực hiện một cú liếc từ vật thể n sang vật thể n+1, vùng võng mạc ngoại vi đã kịp ghi nhận một hình ảnh mờ nhạt, tần số không gian thấp của vật thể n+1 (gọi là presaccadic preview). Luồng thông tin hướng tâm nhanh chóng truyền tín hiệu này từ vỏ não thị giác sơ cấp (V1) lên các vùng xử lý cấp cao như vỏ não thái dương dưới (inferior temporal cortex - IT), vỏ não cận hải mã (parahippocampal cortex - PHC) và vỏ não tiền trán (prefrontal cortex - PFC). Tại đây, một phân tích thô về bối cảnh (scene schema) và các "dự đoán ban đầu" (initial guesses) về danh tính vật thể được kích hoạt.
Ngay khi cú liếc mắt hoàn tất và hoàng điểm tiếp cận vật thể n+1, luồng thông tin phản hồi (re-entrant stream) từ PFC và PHC sẽ dội ngược trở lại IT và V1. Luồng phản hồi này mang theo các giả thuyết tri giác đã được định hình từ trước khi liếc mắt, đóng vai trò như một bộ lọc sinh học giúp điều hợp và tăng tốc quá trình mã hóa các chi tiết tần số không gian cao (postsaccadic foveal input). Nhờ cơ chế này, quá trình nhận diện vật thể tại hoàng điểm không phải bắt đầu lại từ con số không mà đã được "khởi động sớm" (jump-started) từ trước khi mắt thực sự chạm đến mục tiêu.
Dữ liệu thực nghiệm về hiệu ứng xem trước xuyên vận động mắt
Để chứng minh sự tồn tại của cơ chế tích hợp này trong bối cảnh thực tế (thay vì sử dụng các vật thể cô lập trong phòng thí nghiệm), Peter De Graef (2007) đã thiết kế một thực nghiệm đột phá sử dụng nhiệm vụ "tìm kiếm phi-vật thể" (non-object search task) kết hợp hệ thống theo dõi chuyển động mắt Dual-Purkinje-Image có độ chính xác cực cao (1 phút góc thị giác, tần số lấy mẫu 1000 Hz).
Người tham gia được yêu cầu quét các bức tranh vẽ nét mô tả cảnh quan thực tế để đếm số lượng "phi-vật thể" (những hình khối có kích thước và cấu trúc khép kín giống vật thể thật nhưng hoàn toàn vô nghĩa và không có tên gọi). Trong quá trình quét mắt tự do, khi người tham gia chuẩn bị thực hiện cú liếc mắt hướng về một vị trí mục tiêu được đánh dấu, hệ thống sẽ thực hiện một thay đổi trên màn hình ngay trong giai đoạn ức chế vận động mắt (chỉ mất 20 ms, hoàn thành trước khi mắt dừng lại). Có 4 điều kiện xem trước (preview conditions) được thiết lập ở giai đoạn trước khi liếc mắt:
- Identical Preview (Xem trước đồng nhất): Vật thể xuất hiện ở vùng nhìn ngoại vi trước khi liếc mắt hoàn toàn trùng khớp với vật thể ở hoàng điểm sau khi liếc mắt.
- Consistent Companion Preview (Xem trước bạn đồng hành nhất quán): Vật thể xem trước là một vật thể khác nhưng có tính nhất quán về mặt ngữ cảnh/episodic với cảnh quan (ví dụ: máy cắt cỏ trong bối cảnh sân vườn trước khi chuyển thành máy hút bụi).
- Inconsistent Companion Preview (Xem trước bạn đồng hành không nhất quán): Vật thể xem trước hoàn toàn lạc lõng với bối cảnh chung.
- No Preview (Không xem trước): Vị trí mục tiêu hoàn toàn trống rỗng trước khi liếc mắt.
Các thông số vận nhãn được ghi nhận bao gồm: Thời gian định thị đầu tiên (First-fixation duration), Tổng thời gian nhìn trong lượt đầu (Gaze duration), và Mật độ định thị đầu tiên (First-pass density - số lượng các cú dừng mắt nhỏ trên vật thể trước khi chuyển sang vật thể khác).
| Thông số vận nhãn (Đơn vị) | Identical Preview (Xem trước đồng nhất) | No Preview (Không xem trước) | Consistent Companion (Nhất quán ngữ cảnh) | Inconsistent Companion (Không nhất quán) |
|---|---|---|---|---|
| First-fixation duration (ms) | ~380 (Kéo dài có kiểm soát) | ~315 (Ngắn, dễ bị ngắt quãng) | ~360 | ~395 (Kéo dài do xung đột) |
| Gaze duration (ms) | ~750 (Ngắn nhất - Nhận diện nhanh) | ~830 (Kéo dài) | ~815 | ~915 (Dài nhất - Đòi hỏi tái phân tích) |
| First-pass density (Số lần) | ~2.05 (Ít định thị lại nhất) | ~2.50 (Định thị lại nhiều) | ~2.30 | ~2.42 |
Phân tích chuyên sâu và những mảnh ghép còn thiếu trong mô hình tri giác cổ điển
Kết quả thực nghiệm trên đã phơi bày một cơ chế sinh lý học vô cùng thú vị và dường như đi ngược lại trực giác thông thường: Điều kiện "Xem trước đồng nhất" (Identical Preview) lại có thời gian định thị đầu tiên (First-fixation) dài hơn đáng kể so với điều kiện "Không xem trước" (No Preview) (p < 0.0001). Tại sao lại như vậy?
Để giải thích hiện tượng này, chúng ta phải viện dẫn đến mô hình không gian quyết định định thị (fixation decision space). Khi mắt tiếp cận một vật thể đã được xem trước ở vùng ngoại vi, não bộ đã tích lũy được một lượng hoạt hóa (activation) nhất định trong từ điển vật thể (object lexicon). Khi tốc độ tích lũy hoạt hóa này vượt qua một ngưỡng tới hạn (Threshold A), hệ thống thị giác sẽ tự tin duy trì cú định thị hiện tại cho đến khi đạt được ngưỡng nhận diện hoàn toàn (Identification Threshold - ID). Ngược lại, trong điều kiện "Không xem trước", do không có thông tin ngoại vi hỗ trợ, tốc độ tích lũy hoạt hóa ban đầu cực kỳ thấp và không đạt được ngưỡng A. Não bộ lập tức đánh giá rằng cú định thị hiện tại là không tối ưu (suboptimal), dẫn đến việc cắt ngắn cú định thị đầu tiên để thực hiện nhanh một cú tái định thị (refixation) nhằm tìm kiếm góc nhìn tốt hơn. Điều này giải thích tại sao điều kiện "No Preview" có thời gian định thị đầu tiên ngắn hơn nhưng tổng thời gian nhìn (Gaze duration) lại dài hơn và số lượng cú định thị lại (First-pass density) nhiều hơn hẳn.
"Sự khác biệt cốt lõi nằm ở chỗ: Tri giác xuyên vận động mắt không phải là một quá trình thụ động chụp lại các bức ảnh tĩnh, mà là một tiến trình chủ động tích lũy bằng chứng (evidence accumulation). Việc có một hình ảnh xem trước ở ngoại vi đóng vai trò như một chất xúc tác, cho phép não bộ đưa ra quyết định định thị thông minh hơn, tối ưu hóa tài nguyên vận nhãn để đạt được tốc độ nhận diện nhanh nhất khi hoàng điểm tiếp cận mục tiêu."
Một phát hiện quan trọng khác là sự tồn tại của hiệu ứng mồi ẩn ý cảnh quan (transsaccadic episodic priming). Vật thể được xem trước nếu có tính nhất quán với bối cảnh chung (Consistent Companion) sẽ giúp rút ngắn thời gian định thị đầu tiên và tổng thời gian nhìn so với vật thể không nhất quán (Inconsistent Companion). Điều này chứng minh rằng thông tin xem trước không chỉ được lưu trữ dưới dạng các đặc tính hình học đơn thuần (như đường nét, kích thước) mà còn được tích hợp sâu sắc với mô hình bối cảnh (scene schema) được lưu trữ trong vỏ não cận hải mã (PHC). Đây là lý do tại sao các nghiên cứu trước đây sử dụng vật thể cô lập trên nền trắng thường thất bại trong việc tìm thấy hiệu ứng mồi ngữ cảnh: họ đã vô tình tước bỏ đi chiếc 'mỏ neo' bối cảnh - thứ vốn dĩ cần thiết để kích hoạt mạng lưới liên kết episodic trong não bộ.
Thông điệp lâm sàng và khoa học thị giác mang về
- Thay đổi tư duy về đánh giá chức năng thị giác: Tri giác thị giác thực tế không phải là một chuỗi các bức ảnh tĩnh. Khi đánh giá bệnh nhân có tổn thương thị lực (như glôcôm, thoái hóa hoàng điểm, hoặc tổn thương não sau tai biến), việc chỉ đo thị lực tĩnh (Snellen) là chưa đủ. Cần đánh giá khả năng tích hợp thông tin xuyên vận động mắt (transsaccadic integration) vì đây mới là nền tảng của khả năng định hướng và hoạt động trong đời sống thực tế.
- Ứng dụng trong phục hồi chức năng thị giác (Low Vision Rehabilitation): Đối với bệnh nhân mất thị lực trung tâm (hoàng điểm), các bài tập huấn luyện cần tập trung vào việc tối ưu hóa khả năng "xem trước ngoại vi" (parafoveal/peripheral preview) và kiểm soát các cú liếc mắt bù trừ để jump-start quá trình nhận diện vật thể tại vùng hoàng điểm giả (PRL - Preferred Retinal Locus).
- Cảnh giác với bẫy chẩn đoán trong rối loạn vận nhãn: Sự bất thường trong thời gian định thị (fixation duration) hoặc mật độ định thị lại (refixation density) ở bệnh nhân không chỉ đơn thuần là vấn đề cơ học của cơ vận nhãn, mà có thể phản ánh sự suy giảm trong tốc độ tích lũy hoạt hóa tri giác ở vỏ não thái dương dưới (IT) hoặc sự mất kết nối giữa luồng thông tin hướng tâm và phản hồi.
- Định hướng nghiên cứu công nghệ hỗ trợ thị giác: Các thiết bị kính thực tế ảo tăng cường (AR) hoặc thiết bị hỗ trợ thị lực cho người khiếm thị cần được thiết kế dựa trên nguyên lý dự báo xuyên vận động mắt, chủ động làm nổi bật các đặc tính tần số thấp của vật thể ở vùng nhìn ngoại vi để dẫn dắt hướng nhìn của bệnh nhân một cách tự nhiên và hiệu quả nhất.
Tài liệu tham khảo:
De Graef, P. (2007). Transsaccadic Recognition in Scene Exploration. In R. P. G. van Gompel, M. H. Fischer, W. S. Murray, & R. L. Hill (Eds.), Eye Movements: A Window on Mind and Brain (pp. 165-191). Elsevier Ltd.