Новизна и сложность: возникновение симпатии

Если изображение просто понять, это еще не значит, что оно понравится потребителю. Экспериментальные данные показывают, что и новые и сложные изображения могут завоевать симпатию целевой аудитории. Новизна вызывает множество приятных чувств, она – противоядие от неудовольствия и скуки. Новизна может принять вид нового решения проблемы, новой шутки, которую мы еще не слышали, или нового способа получить удовольствие, который нам еще не надоел. Но, будучи противоположностью знакомых вещей, новизна нуждается в медленной обработке. Как заставить пользователя полюбить новое? Как мы можем понять взаимосвязь между новым и знакомым?

Мы уже видели, что концептуальная беглость может быть важнее беглости перцептивной. Таким образом, новое изображение может понравиться, если в него вложен смысл, который легко воспринять. Точно так же, если человек мотивирован, ему понравится и более сложный образ, он будет готов повнимательнее рассмотреть его, вникнуть в суть.

Существует и другой способ создать «рабочее» новое изображение, сыграв на ожиданиях аудитории. Если люди ожидают, что сообщение будет трудно понять, но оно представлено таким образом, что трудностей не возникает, им начинает нравиться эта информация. Все, что неожиданно легко обрабатывается мозгом, дает эффект, сопоставимый с удовольствием от визуальной обработки знакомых вещей, с которыми мы встретились неожиданно для самих себя. Например, если вы были в отпуске в другой стране и столкнулись там с другом, то, вероятно, находите встречу более приятной, чем на родине, хотя и в этом случае она вызвала бы улыбку. Неожиданная простота обработки сложной информации вызывает схожую реакцию.

Согласно результатам исследований, к получению положительных эмоций ведет даже не простота обработки, a сравнение со шкалой сложности, базирующейся на наших ожиданиях. Выше мы уже упомянули исследования лЭМГ, не давшие прямых доказательств связи между отрицательными эмоциями и обработкой сложной информации на основе анализа изображений, лиц или списков слов. Испытуемые не имели ложных ожиданий в отношении скорости обработки изображений, соответственно, не испытали при их выполнении отрицательных эмоций.

Это явление может сильно зависеть от знаний конкретного человека и от контекста того, на что они смотрят. Например, в одном эксперименте исследователи предлагали людям посмотреть на изображения японских иероглифов кандзи (которые ранее были незнакомы испытуемым). Изображения мелькали на экране компьютера, на каждое отводилось 13 миллисекунд.¹⁷ Каждое из них показывалось в общей сложности 10 раз, но в случайном порядке. Затем участники были произвольным образом разделены на три группы, им снова показали изображения иероглифов, дав возможность принять осознанное решение: оценить, насколько им понравились изображения по шкале 1–9.

В первой группе участникам был показан смешанный набор – половина иероглифов, которые они видели в первой части эксперимента, и половина незнакомых. Второй группе были показаны только те иероглифы, которые уже демонстрировались на экране. Третьей группе были показаны только новые иероглифы, которые испытуемые раньше не видели.

Согласно эффекту знакомства с объектом, рейтинги любых иероглифов, которые участники эксперимента видели ранее, должны быть выше, чем у остальных. Однако было обнаружено, что эффект знакомства с объектом срабатывал только при демонстрации смешанного набора – с незнакомыми иероглифами и теми, которые они видели раньше. Это предполагает, что эффект знакомства с объектом срабатывает, если знакомое контрастирует с незнакомым.

Полученный результат может объяснить несовершенство некоторых исследований в данной области: испытуемым было изначально ясно, что изображения будут обрабатываться легко, поэтому, несмотря на простоту обработки, они не вызвали у людей положительной эмоции, не было удивления от неожиданной легкости восприятия.

Хорошим примером такого явления является инфографика, популярность которой в интернете за последние несколько лет только росла. Именно инфографика часто превращается в «вирусное изображение». Хорошая инфографика одновременно информационно насыщенна и облегчает понимание предмета, сохраняя эффект неожиданной легкости. Выяснилось: люди предпочитают более простые виды дизайна, чем ожидалось, при этом дизайн должен передавать большой объем информации и сохранять минималистичность. Однако не все дизайн-проекты имеют потенциал для передачи смысла как такового. Есть ли способ сделать их интересными? Исследования в области искусственного интеллекта помогут нам найти ответ.

Как пробудить интерес к изображениям у робота?

Ученый Юрген Шмидхубер работает в области искусственного интеллекта. Здесь поставлено много задач по визуальному распознаванию: например, создать программное обеспечение, которое может принимать входные данные от искусственных глаз (камер) и понимать, что именно попало в поле зрения, как это делают люди. Однако в конечном счете какая польза от навороченного робота, который может видеть и понимать мир, но не имеет никакой мотивации к исследованию и обучению? Без мотивации робот – это просто раб: он будет делать то, что ему говорят. Возможно, все зависит от внешних вознаграждений: кто-то должен вознаграждать его каждый раз, когда он проявляет любопытство или исследует среду.

Рассматривая эту проблему, Юрген придумал элегантную теорию, которая не только представляет возможность сделать робота любопытным, но и объясняет, как мы мотивированы, чтобы исследовать и понимать мир вокруг нас, и почему мы находим определенные образы интересными и полезными.¹⁸

С самого раннего возраста младенцы похожи на маленьких ученых: им любопытно все, и, по-видимому, по своей сути они мотивированы, чтобы узнать, как все в этом мире устроено. Даже когда мы становимся старше, нам все еще любопытно. Хорошей иллюстрацией этого явления является просмотр веб-страниц. Любопытство заставляет нас подолгу сидеть в интернете. Человеческое стремление к добыче информации кажется почти неотъемлемым.

Отправной точкой для Юргена была проблема, которую мы обсуждали в главе 2: присущая нашему мозгу лень. Он подсчитал, что теоретически возможно, чтобы мозг хранил все, что мы видим за время нашей жизни, причем в качестве, сопоставимом с DVD-фильмом. Однако хранение всех этих воспоминаний требует энергии. Извлечение визуальных изображений из памяти также требует энергии. И поэтому мозг прибегает к шаблонам и ярлыкам. В этом и заключается важность изучения общих правил. Например, когда вы смотрите на лицо, фактический визуальный образ, который вы получите, будет отличаться в зависимости от угла зрения, условий освещения и т. д. Но мы все же учимся распознавать одно и то же лицо в любом ракурсе. Мозг сохраняет обобщенный шаблон лица, чтобы распознать его в разных условиях.

Согласование того, что мы видим в общих схемах визуальной памяти, помогает нашему ленивому мозгу экономить энергию. Клеточки внизу помогут проиллюстрировать эту теорию:

Рисунок 3.4. Клетки, первый вариант

Универсального шаблона для запоминания такой картинки не существует. Если бы мы решили запомнить ее, пришлось бы отдельно запоминать, где какая клетка находится.

А теперь посмотрите на рисунок 3.5.

Рисунок 3.5. Клетки, второй вариант

Поскольку в расположении клеток есть очевидная закономерность, становится намного легче запоминать их расположение. Все, что вам нужно сделать, это запомнить чередование черных и белых клеток. Нет нужды отдельно запоминать расположение каждой клетки.

С точки зрения компьютера изображение можно подвергнуть «сжатию»: мы сжали изображение, чтобы запомнить его. В информатике и теории информации сжимаемость визуальной картины называется колмогоровская сложность. Этот метод, названный в честь русского математика Андрея Колмогорова, основан на кратчайшей компьютерной программе, которая может быть написана для воспроизведения изображения. Чем короче программа, тем ниже колмогоровская сложность и сжимаемость изображения. Теоретически изображение может иметь много визуальных деталей, но если оно упорядочено в повторяющийся шаблон определенной формы, то будет иметь низкую колмогоровскую сложность. Если шаблон картины понятен мозгу, процесс обработки ускоряется.

Новые сжимаемые шаблоны управляют нашим любопытством

Мозгу легче запоминать и обрабатывать шаблонные изображения. Наличие шаблонности позволяет сжать изображение, что очень нравится мозгу, который повсюду старается найти какой-нибудь шаблон. Возможно, именно поиск шаблонов движет любопытством и мотивацией при поиске новой информации.

Эта модель объясняет, почему нам симпатичны люди с определенными чертами лица. Наш мозг хранит шаблон «среднего» лица. Это помогает ему обрабатывать и запоминать новые лица, поскольку все, что здесь остается делать, это запомнить разницу между новым лицом и усредненной моделью.

Так мы можем наблюдать феномен «усредненности красоты». Люди склонны предпочитать «средние» изображения, прототипы. Им легче понять и обработать внешность тех, чей «шаблон» уже загружен в мозг. Например, когда в одном исследовании испытуемым показывали изображения автомобилей, птиц и рыб, они выбирали усредненные варианты.¹⁹

Как наш мозг создает шаблон для «среднего» лица? Просто усреднив данные обо всех лицах, которые мы видели. Как правило, чаще всего мы видим собственное лицо: его мы можем ежедневно наблюдать в зеркале. Таким образом, наше собственное лицо сильно искажает принятый мозгом «шаблон лица».

Процесс сжатия мозгом моделей до более простых, получение им от этого эстетического удовольствия – все это похоже на работу ученых и математиков. Когда они находят уравнение, которое описывает явления природного мира с минимальным количеством факторов, то называют его элегантным или красивым.

Новые сжимаемые шаблоны – легкая закуска для мозга!

Данная модель также объясняет, почему мы должны находить образы, на которые нужно обратить внимание, даже если они не связаны с чем-то приятным. Они интересны мозгу сами по себе. Возможно, мы не осознаем, почему нам нравится смотреть на них, но мозг прекрасно знает, что в процессе обработки таких изображений он получает то, что любит: новые шаблоны, которые позволяют сжимать информацию.

Есть много способов, с помощью которых можно найти шаблон для сжатия. Например, изображение может содержать геометрические шаблоны, симметрию, регулярные пропорции.

Мы не обязательно должны осознавать существование шаблона; он может быть скрыт. Мозг просто должен быть в состоянии почувствовать шаблон, тогда у нас возникает интерес к изображению, цель которого – извлечение шаблона.

Дизайн пониженной сложности

В качестве практических примеров своей теории Шмидхубер создал то,что он называет «эквивалентом минимализма в компьютерную эру»^{20 21}. Дизайн с низкой степенью сложности (и искусство с низкой степенью сложности) – это дизайн-проекты, которые на первый взгляд могут казаться сложными, a потому придерживаются основного правильного шаблона, который и делает изображение «сжимаемым». Такой прием привносит интригу, поскольку мы ощущаем содержащуюся в изображении информацию. Шаблон имеет регулярную структуру, является сжимаемым и провоцирует узнавать новое, a «конструкция» структуры дизайна упрощается (см. рис. 3.6).

Рисунок 3.6. Изображение лица, подходящего под шаблон точных  геометрических форм

ИСТОЧНИК: Воспроизводится с разрешения Schmidhuber, J (2009) (Simple algorithmic theory of subjective beauty, novelty, surprise, interestingness, attention, curiosity, creativity, art, science, music, jokes, Journal of SICE, 48 (1)) – (Простая алгоритмическая теория субъективной красоты,  новизны, удивления, интереса, внимания, любопытства, творчества, искусства, науки,  музыки, анекдотов, журнал SICE, 48 (1))

Даже бессознательно мы чувствуем некую геометрическую структуру изображения. Об этом говорят исследования, основанные на отслеживании движения глаз.²² Казалось бы, зритель не должен искать в рисунке скрытую геометрию, изображение должно быть воспринято «как есть». Тем не менее бессознательный ум в своем собственном темпе может начать исследовать скрытую картину. Это похоже на анимационные фильмы студии Pixar: в простой очевидный сюжет мультфильма, предназначенного для детей, включаются более сложные шутки и культурные ссылки, предназначенные уже для родителей.

Хотя художники и дизайнеры эпохи классики и Ренессанса могли в своей работе воплощать и геометрические узоры, компьютеры обладают потенциально более широким набором геометрических шаблонов, они могут генерировать и детализировать их на основе простых правил. В настоящее время трудно создать дизайн с низкой степенью сложности, который был бы основан на этих шаблонах. Но в будущем, возможно, компьютеры смогут помочь и здесь, предлагая варианты дизайна или изображений, которые могут быть созданы из шаблона, или модифицируя конкретный дизайн в соответствии с базовым геометрическим шаблоном с целью повышения интереса конечного пользователя.

Аналогичным образом некоторые дизайнеры уже используют базовые геометрические шаблоны для создания проектов. Например, логотипы для Twitter и системы Apple iCloud основаны на серии перекрывающихся кругов. Это не сразу заметно, но если посмотреть повнимательнее, можно их увидеть. В равной степени веб-дизайнеры часто используют шаблоны-«сетки» для размещения элементов на странице или создания упорядоченности и согласованности между отдельными страницами. Однако дизайн с низкой степенью сложности идет дальше. Базовые шаблоны в таком дизайне основаны на сложных интригующих геометрических шаблонах, которые увлекают пользователя сильнее, чем простая «сетка».

Закон конструкции

Минималистичный дизайн – это поиск самых простых, наименее энергоемких (с точки зрения мышления) решений для передачи информации или объяснения задачи. Это то, что мы можем встретить в живой природе.

Разработанный Адрианом Бежаном, профессором технических наук, закон конструкции²³ утверждает, что любая движущаяся или живая система – от деревьев и рек до наших легких – развивается таким способом, чтобы движение энергии проходило с наименьшим сопротивлением. Этим объясняется способ, согласно которому природа создает геометрические и структурированные шаблоны.

Отправной точкой теории является способ развития дизайна системы: системам приходится сталкиваться с напором внешней энергии, что и подталкивает дизайн к совершенствованию. Например, поток воды, прорезающий ландшафт (река), или плывущие бревна и айсберги, которые располагаются перпендикулярно ветру (поскольку это более эффективно передает воде энергию, полученную от ветра).

Теория важна тем, что связывает дизайн живой природы и физику, показывая, что в их основе лежат схожие процессы. Вот почему мы наблюдаем похожие шаблоны в разных типах систем. Например, молния, деревья, реки и легкие имеют сходные ветвящиеся узоры.

Закон конструкции также указывает на еще одну особенность минималистичного дизайна: наиболее эффективным способом передачи информации или выполнения задачи может быть нечто естественное и неизбежное. Часто такое решение кажется скорее открытием фундаментального закона природы, чем изобретением (см. рис. 3.7). Как говорит Джони Айв из Apple, «мы стараемся дойти до точки, где решение кажется очевидным… и вы думаете: “Конечно, все должно быть именно так, с чего вдруг должно быть иначе? ”»²⁴

Рисунок 3.7. Сходные базовые формы живой природы помогают  эффективно передавать и распределять энергию