我有多像人？：基于 EEG 的虚拟角色评估

基于摘要分析。本研究关注高写实虚拟角色是否会引发不同于真人的神经反应，以及这些反应能否用于评估“恐怖谷效应”（Uncanny Valley effect）。作者通过观看真人与计算机生成角色视频的 EEG 实验，识别相关神经反应，并训练支持向量机（SVM）估计角色引发“诡异反应”的概率，以此对动画角色排序。 研究属于虚拟角色感知与认知神经科学，而非直接面向 BCI 控制或通信的算法研究。实验包含 40 名参与者，刺激为真人和计算机生成虚拟角色的视频。作者报告，Digital Emily 等高度写实的计算机生成面孔与真人引发的神经反应存在明显差异，并称这种特定差异仅出现在高度照片级写实的角色上。该结论应限定于摘要所述实验，不能据此认定恐怖谷假说已得到普遍验证。 方法上的关键是将特定 EEG 神经相关特征用于 SVM，输出“诡异反应”概率并形成角色排序。摘要未交代 EEG 特征、时间窗、预处理、标签来源、概率估计方式，以及评估采用被试内还是跨被试划分；也未给出分类指标或排序与主观评价的一致性结果。因此，作者提出的“评估任意计算机生成角色”能力仍需结合未见角色测试和被试泛化协议核对。 复现时应重点核对视频刺激及角色写实程度的定义、EEG 特征提取流程、训练与测试划分，以及神经反应与主观不适感之间的对应关系。实验协议、消融及统计信息尚未验证；目前不能将观察到的 EEG 差异直接等同于可泛化的“诡异感”测量。