名人目击事件有一个内在的矛盾

他们的知名度让名人很容易被发现。然而，陌生人也可能被误认为是名人，导致虚假的“名人目击事件”。为了解释这一矛盾，加州大学河滨分校(University of California, Riverside)的一项研究报告称，名人的面孔被更准确地记住，但准确性较低。

在这种情况下，精确度指的是对特定面孔的记忆在重复过程中如何相互相似内存检索，这可以比喻为在射箭中聚集在目标上的箭头。准确性衡量的是记忆中的人脸与新遇到的人脸的相似程度，或者是在射箭中与目标的偏差。

“我们的研究结果表明，人们可能会接受错误，把别人误认为是名人心理学副教授张薇薇说，她领导了这项发表在杂志上的研究心理规律公报与评论．“我们的研究解释了为什么人们善于和不善于发现名人，并强调了评估记忆表现中的不准确性和偏见的重要性。”

这项研究测试了52名大学生对安妮·海瑟薇、布拉德·皮特、赞达亚·科尔曼或乔治·克鲁尼等名人的变形脸的记忆。目的是评估之前对名人的熟悉程度是否以及如何影响参与者的记忆表现。

研究人员总共收集了8张人脸刺激，分别是海瑟薇、皮特、科尔曼和克鲁尼，以及4张非名人的面孔。研究人员首先向参与者简要展示了名人或非名人的照片。一段时间后，他们会看到一张测试脸，并被问及这张脸是否与被研究的脸相同(测试脸有一半时间是相同的，其余时间是变化的)。

张说，例如，如果第一张照片是100%的名人，那么测试脸有50%的几率是78%的名人。当参与者第一次看到非名人的照片时，也遵循了同样的程序。

他说:“我们发现，与非名人相比，熟悉名人的人记忆更清晰、更准确。”“但这也导致记忆准确性受损，长得像名人或变形的脸会被误认为是名人。”

根据张教授的说法，这些发现可以帮助解释一种权衡人类行为．

他说:“在我们的研究中，对名人的熟悉程度是名人人脸识别中方差-偏见权衡的关键。”“我们似乎不为其他人这么做。”

偏差和方差是预测误差。总误差是这两个误差项的和，结果是两者之间的权衡。在机器学习，偏差是平均预测值与正确值之间的差值。方差是对数据点分布的度量。方差偏差权衡，顾名思义，就是方差和偏差之间的权衡。在这些预测误差之间找到一个良好的平衡有助于最小化总误差。

张解释说人类认知似乎像机器学习一样工作;就认知而言，方差(精确度的对立面)和偏差(准确度的对立面)需要相互权衡，以最大限度地利用处理和表示信息的机会。

“传统的智慧我们希望我们的记忆超级准确，”他说。

“但如此刻板的记忆无法适应自然刺激中的差异。例如，在不同的光线条件下，化妆，服装和发型，一个人的外观会有很大的不同。我们的记忆必须足够嘈杂和模糊——高方差——以支持我们在长相中发现的所有方差的人脸识别。然而，当我们的记忆模糊时，人脸识别有时会失败，这在名人目击中并不是最理想的，因为我们不想错过与名人的会面。所以作为解决方案，我们在混合中引入了识别偏差。我们开始把陌生人或长得像名人的人认定为名人，这是对模糊记忆的过度纠正。”

张不确定这些发现是否可以应用于面部以外的领域——例如物体和地点。

他说:“至少在理论上，方差偏差的权衡可能会扩展到对个人重要的物体和地方。”“我们认为我们的发现可能与déjà似曾相识的经历有关，因为我们可能有不准确但主观上很强的记忆。”

接下来，研究小组计划开展研究，以评估记忆的准确性和准确性如何相互作用，以及这两个方面的记忆如何在大脑中编码。

Zhang与Bo‐Yeong Won和Hyung‐Bum Park一起参与了这项研究。元现在是加州州立大学奇科分校的心理学助理教授。朴教授现在是芝加哥大学的博士后研究员。