Kokeile katsoa peilistä, näetkö silmiesi liikkuvan. Et varmasti, sillä silmän liike kestää keskimäärin 0,1–0,2 sekuntia. Näet vain kohteen A ja sitten kohteen B, mutta et pysty havaitsemaan katseen siirtämistä kohteesta toiseen.

Silmän nopeus kompensoi sitä, että tarkan näön alue – keskeisnäkö eli fovea – kohdistuu kerrallaan vain muutaman sentin alueelle. Kaikki sen ympärillä on sumeaa. Se on tarkoituksenmukaista aivojen toiminnan kannalta.

”Tarkka näkö suuntautuu kuin majakan valokiila kerrallaan yhteen pisteeseen, mutta tuo piste muuttuu alinomaa. Jos kaikki näkökentän pisteet nähtäisiin yhtä tarkasti, aivoilta loppuisi kapasiteetti käsitellä kaikkea saamaansa informaatiota. Tämä on siis evoluution näppärä ratkaisu”, sanoo havaintopsykologi Jukka Häkkinen Helsingin yliopistosta.

Nopeat silmänliikkeet ovat yksi mahdollinen selitys myös sille, että jotkut optiset illuusiot näyttävät liikkuvan:

Sävyjen vaihtelu huijaa silmän luulemaan, että kuvio pyörii.

Näköjärjestelmä kerää vihjeitä esimerkiksi valoisuuseroista ja tulkitsee tietyt vihjeet liikkeeksi tai suorat viivat vinoiksi:

Mustien, valkoisten ja harmaiden alueiden vuorovaikutus aiheuttaa harhan, että viivat taipuvat.

Kuvien poimintataajuus saattaa osua esimerkiksi auton pyöriin nähden sellaiselle taajuusalueelle, että ne näyttävät vierivän taaksepäin. Tämä on käytännön osoitus siitä, että silmät ja aivot tosiaan ottavat huippunopeita ”valokuvia” ja yhdistelevät niitä.

Tappien ja sauvojen yhteispeli

Valonsäteet tulevat silmään kirkkaan sarveiskalvon läpi, kulkevat linssinä toimivan mykiön kautta ja muodostavat ylösalaisen kuvan verkkokalvolle. Verkkokalvossa on miljoonia sauvoiksi ja tapeiksi kutsuttuja valoherkkiä soluja, jotka muuntavat valonsäteet hermoimpulsseiksi.

Yhden silmän verkkokalvolla on noin 120 miljoonaa sauvasolua, jotka auttavat näkemään hämärässä. Seitsemän miljoonaa tappisolua puolestaan sijoittuvat tarkan näön alueelle, joka on halkaisijaltaan vain 0,2 millimetriä. Tappisolujen avulla näemme värit ja yksityiskohdat.

Näköhavainnon syntyminen on monivaiheinen ja -tasoinen prosessi.

Verkkokalvolla hermoimpulsseja jo tiivistetään ja esikäsitellään. Sitten ne kulkevat kummankin silmän näköhermon kautta aivoihin niin sanottuun näköhermoristiin, josta ne jatkavat matkaa aivojen takaosaan näköalueelle. Koska oikea ja vasen silmä havaitsevat kohteen eri kulmasta, silmien välittämä informaatio yhdistyy aivoissa tuottaen kolmiulotteisen kuvan. Syvyyden ja etäisyyden arviointi perustuu muun muassa kahden kuvan vertailuun.

Pupillin koko vaikuttaa siihen, paljonko valoa pääsee verkkokalvolle. Koon muuttuminen on nopea tapa sopeutua valomäärien muutoksiin ja optimoida jatkuvasti näön tarkkuutta. Silmä siis sopeutuu monin tavoin, ja silmää ympäröivät lihakset kääntelevät silmämunaa nopeasti ja koko ajan.

Havaintopsykologia tarvitaan myös teknologian kehittämiseen. Jukka Häkkinen on työskennellyt sekä Nokialla että Helsingin yliopiston yhteistyöhankkeissa muiden puhelinlaitevalmistajien kanssa.

Riittävän hyvä kuva

Näköhavainnon syntyminen on monivaiheinen ja -tasoinen prosessi. Ensin aivoihin livahtaa jonkinlainen karkea luonnos, jonka eri osien tarkempi käsittely tapahtuu samanaikaisesti monella tasolla.

”Koehenkilöille on näytetty kuvia niin nopeasti, että he eivät ole tiedostaneet nähneensä niitä. Kuitenkin he ovat todistettavasti saaneet niistä informaatiota, sillä kysyttäessä aiheesta he osaavat tehdä saamansa tiedon mukaisia päätöksiä. Juuri luonnosmainen visio on tuolloin tallentunut aivoihin”, Jukka Häkkinen kertoo.

Ilmiötä voidaan käyttää piiloviestien ujuttamiseen aivoihin. Esimerkiksi mainoksissa sellainen on nykyään ainakin periaatteessa kiellettyä.

Jotkut pikalukutekniikat perustuvat siihen, että silmä ei lue koko tekstiriviä reunasta reunaan. Katsetta vain vähän sivusuunnassa liikuttava lukija puoliksi tiedostamattaan arvaa, mitä rivillä lukee.

Illuusiot osa tiedettä

Optiset illuusiot eli näköharhat ovat muutakin kuin hauskaa ajanvietettä.

Näköhavaintojen tutkimus on ottanut useita tärkeitä edistysaskeleita sen ansiosta, että joku on keksinyt näppäriä kuvailluusioita. Näköaistilla on tällä tavoin leikitelty aina, ja tutkimukselle siitä on ollut arvaamatonta hyötyä.

”Optiset illuusiot ovat usein paljastaneet näköhavainnoista jotain olennaista, jota sittemmin on keksitty tutkia. On tavallaan ensin havaittu ilmiö ja sitten on alettu tutkia sen hermostollista perustaa”, havaintopsykologi Jukka Häkkinen sanoo.

Esimerkiksi 1970-luvulla italialaisen psykologin Gaetano Kanizsan julkaisema kolmiokuvio sysäsi liikkeelle merkittävän tutkimusaallon. Me kaikki näemme kolmion kuviossa, jossa todellisuudessa ei ole kolmion sivuja. Kuvailluusion innoittamana syntynyt tutkimus löysikin neuraalisen perustan ilmiölle: hermosolut, jotka aktivoituvat myös kuvitteellisten viivojen havainnolle. Tämä johti merkittäviin löydöksiin näköaivokuoren prosesseista.

Toinen esimerkki kuvailluusion todistusvoimasta on niin sanottu Troxler-kuvio. Tuijota herkeämättä oheisen kuvan keskellä olevaa punaista pistettä. Kun pidät katseen täsmälleen punaisessa pisteessä, kuvan laidoilla olevat pyörylän ääriviivat alkavat kadota. Mutta jos liikutat silmiäsi, pyörylä ilmestyy takaisin. Mistä oikein on kysymys?

”Ihmissilmä on sokea paikallaan pysyville objekteille. Vaikka kuinka yrittäisimme pitää silmät kohdistettuna johonkin, silmämme kuitenkin liikkuu koko ajan salamannopeasti, ja siksi tarkan näön kapea alue osuu jatkuvasti uusiin objekteihin. Näkökentän laidoilla syntyvä kuva on sen sijaan epätarkka. Kun katseen pitää tarkasti yhdessä kohdassa, silmän sopeutuminen saa aikaan sen, että laidan kohteet eivät näyttäydy uusina, jolloin ne alkavat kadota”, Häkkinen selittää.

Liian oikea kuva voi olla tylsä

Näköaistimus jakautuu erilaisiin komponentteihin, joita kutsutaan paikkataajuuksiksi. Tätä ominaisuutta käytetään hyväksi esimerkiksi digitaalisten valokuvien pakkaamisessa jpeg-muotoon: kuvan vähemmän tärkeitä taajuuksia häivytetään, koska ilman niitäkin kuvan taso on riittävän hyvä.

Havaintopsykologi on usein yhtenä työryhmän jäsenenä kehitettäessä monenlaisia visuaalisuuteen liittyviä teknologioita ja tuotteita. Helsingin yliopisto on tehnyt pitkään yhteistyötä monien teknologiayritysten, kuten puhelinyhtiöiden kanssa.

”Uusien älypuhelimien terävöittämiseen käytetyt laskentakaavat alkavat olla niin tehokkaita, että kuvan todenmukaisuus voi olla jo jopa ’liian todellinen’. Jos näkymän värit ovat liian realistiset, kuva saattaa olla meitä ympäröivään kirkkaaseen kuvamaailmaan tottuneen katsojan mielestä lattea. Siksi kameran säätöalgoritmeihin lisätään ’karkkia’ eli värikylläisyyttä ja kontrasteja”, myös Nokialla aiemmin työskennellyt Jukka Häkkinen sanoo.

Odotukset, muistot, tiedot, vireys- ja mielentila ja keskittyminen vaikuttavat näköhavaintoon.

Ilmiö on tuttu esimerkiksi monista netin matkailukuvista. Välimeren kalastajakylän iloisen monenkirjavat talot eivät ole paikan päällä katsottuina sentään ihan niin kirkuvan värisiä.

Mikä sitten on katsojan mielestä kaunista, on myös kulttuurisidonnainen asia. Jotkut aasialaiset kamerat käyttävät kauneusfilttereitä ja muun muassa suurentavat kuvassa esiintyvän ihmisen silmiä. Suomessa näitä suotimia käytetään maltillisemmin.

On sanonta, että ”uskon kun näen”. Yhtä totta olisi sanonta ”näen kun uskon”. Joskus emme yksinkertaisesti ”näe” jotain, mikä on suoraan silmiemme edessä. Muun muassa odotukset, muistot, tiedot, vireys- ja mielentila ja keskittyminen vaikuttavat näköhavaintoon.

Tilanne on tuttu myös rikospaikoilla olleiden todistajien kuulemisessa. Yrittämättä huijata he voivat kertoa asiat aivan toisin kuin ne valvontakameran mukaan tapahtuivat. Näköhavainto ei ole vain näkemistä, vaan myös valikointia, tarinoita ja tulkintaa – juuri sitä, missä ihmisaivot ovat parhaimmillaan.


Tietokone vai ihmissilmä?

Kalansilmälinssillä varustettu kamera kuuluu tutkimusvälineisiin, joilla apulaisprofessori Juho Kannala Aalto-yliopistosta selvittää näköaistin ominaisuuksia. Tutkimuksen tavoitteena on muun muassa kehittää ja vertailla menetelmiä, jotka pohjautuvat videosignaalin ja liikeanturien hyödyntämiseen. Menetelmiä voidaan hyödyntää itseohjautuvien koneiden paikannuksessa ja navigoinnissa.

Konenäön käyttö laajenee, kun tietokonetta opetetaan tulkitsemaan kuvan miljoonat pisteet, jotka voivat toimia vihjeinä.

Konenäkö on oma oppiaineensa Aalto-yliopistossa. Tieteenalan tarkoitus on kehittää automaattista kuvien ja videoiden sisällön ymmärtämistä – siis koneellisesti sitä, mitä ihmissilmä ja aivot yhdessä tekevät.

”Ala kehittyy nopeasti, ja osaajia tarvitaan niin peliteollisuudessa kuin vaikkapa lääketieteessä”, konenäön apulaisprofessori Juho Kannala sanoo.

Parhaimmillaan konenäkö on toistuvissa, yksitoikkoisissa tehtävissä, joissa ihminen väsyisi, kyllästyisi – ja ennen pitkää tekisi virheitä. Jos on tarpeen analysoida tuhansia lähes samankaltaisia kuvia esimerkiksi soluviljelmistä tai rekisterikilvistä, kone tekee sen nopeasti ja virheettömästi.

”Konenäkö pystyy jo poimimaan valokuvasta tai videosta ihmiset ja autot, liikennemerkit ja muut liikenteen kannalta tärkeät tekijät ja sijoittamaan kameran ottamat kuvat aiempaan 3D-kuvaan ympäristöstä. Tätä käytetään hyväksi robottiautojen tekniikassa. Lisäksi käytössä ovat myös muut anturit kuten erilaiset tutkajärjestelmät”, Kannala mainitsee.

Tekoälyllä on kyllä vielä paljon oppimista: kun kuvan pieniä yksityiskohtia muutetaan, sitä on helppo huijata. Ei ole varmaa, että tekoäly pystyy esimerkiksi erottamaan esimerkiksi kissan lentokoneesta (TM 3/18). Huolestuttavaa, jos tekoäly laitetaan ajamaan autoa.

Ihminen pystyy tekemään tavallisesta katunäkymää kuvaavasta valokuvasta hetkessä havaintoja ja tulkintoja. “Ihmisiä, autoja, taloja – kuva on varmaankin Pariisista, ja autot taitavat olla ranskalaisia merkkejä… Kauempana olevien talojen välistä avautuu toinen katu. Ja kas, siinähän on syntymässä liikenneruuhka. Ihmisten vaatteista päätellen on syksy…” Ja niin edelleen. Tietokoneelle pitäisi opettaa kaikki nämä objektit ja niiden muunntelmat ja valtava määrä erilaisia muuttujia, jotta se pystyisi lähellekään samaan kuin ihminen.

Ja taas toisaalta: konenäkö on jo jokaisen älypuhelinta käyttävän taskussa, sillä esimerkiksi kameran kasvojentunnistus- ja sormenjälkitunnistus soveltavat sitä.

Juho Kannala esittelee telinettä, jolla voidaan kerätä anturidataa usealla älylaitteella yhtäaikaisesti