编辑推荐：
为探究长期熟悉面孔的心理表征如何随时间更新，研究者以英国长寿肥皂剧《加冕街》角色为对象，通过四项预注册实验，结合相似度评分与快速姓名验证任务，发现观察者对熟悉面孔的表征并非简单平均所有相遇，而是显著偏向个体最年长（近期）外貌。这一结果表明面孔识别系统整合了自然时序等现实约束，更新机制比既往认知更复杂，对理解人脸识别的学习与记忆过程具有重要意义。
我们每天都会遇见许多熟悉的面孔——家人、朋友、同事，他们的容貌在岁月中悄然改变，皱纹爬上眼角，发色逐渐灰白，但我们依然能毫不费力地认出他们。这看似简单的日常能力，背后却隐藏着认知科学的一个核心谜题：我们的大脑是如何为那些认识了十几年甚至几十年的人构建并更新其面孔的心理表征的？是像相册一样，储存下每一次相遇的“快照”，还是如同计算一个平均数，将所有印象融合成一个“标准像”？抑或，我们的大脑会更“聪明”地处理时间信息，比如赋予最近的相遇更多权重？
传统理论倾向于认为，熟悉面孔的表征是一种基于所有相遇的统计抽象，形成一种“中心趋势”或“平均脸”。然而，这种观点未能充分考虑一个关键现实：人的面孔会随时间自然老化。来自英国开放大学心理学与咨询学院的研究团队，在Sarah Laurence和A. Mike Burton等人的带领下，决心深入探索这一问题。他们想知道，对于长期熟悉的面孔，我们的心理表征是更接近其最近的样貌（近期效应），还是更接近其所有样貌的简单平均？为了回答这个问题，他们巧妙地选取了英国一部长寿肥皂剧《加冕街》中的角色作为研究对象，设计并开展了四项严谨的预注册实验，相关成果发表在《Cognition》杂志上。
研究者采用了多项关键技术方法来完成这项研究。首先，他们从《加冕街》剧集中收集了15位连续出演超过20年（2003-2023年）的角色面孔图像，每人21张，覆盖早、中、近三个时期。利用InterFace软件和标志点对齐技术，他们为每个角色合成了三种类型的“平均脸”：赋予早期图像更高权重的“2000年代加权平均”、赋予近期图像更高权重的“2020年代加权平均”以及所有图像等权重的“穷举平均”。研究通过在线平台（如Gorilla Experiment Builder）招募参与者，核心行为学任务包括：（1）相似度评分任务：参与者评估特定图像（包括不同时期的单张实例和三种平均脸）在多大程度上像目标角色；（2）快速姓名验证任务：测量参与者在姓名提示后，判断随后呈现的面孔是否匹配的反应时和准确率。此外，研究还运用了主成分分析来量化刺激图像集本身的物理相似性，以排除技术 artefacts 的影响。在实验2中，研究者还设计了跨越数天的视频学习范式，让原本不熟悉角色的参与者在不同时序条件下（顺向或逆向）学习角色面孔，以区分“近期效应”和“年龄效应”。
实验1：长期剧迷的表征偏好
研究者招募了连续观看《加冕街》超过20年的剧迷。结果发现，无论是相似度评分还是姓名验证反应时，展现角色近期（2020年代）外貌的单张实例和“2020年代加权平均”都被认为更具代表性、识别更快。这初步提示，长期熟悉面孔的表征似乎偏向于最近的相遇。
实验2：时序学习的检验——近期还是年长？
为了厘清上述效应是源于“近期相遇”还是“年长外貌”，研究者让不熟悉剧集的新参与者通过视频学习五个角色。关键操作是学习顺序：一半参与者按时间顺序（从年轻到年长）观看，另一半则按逆向顺序（从年长到年轻）观看。令人惊讶的是，无论学习顺序如何，所有参与者在测试阶段都一致认为展现角色年长外貌的“2020年代加权平均”更具代表性、识别更快。这表明，表征的权重并非给予“最近一次”相遇，而是倾向于“最年长”的样貌，推翻了简单的近期效应假设。
实验3：排除刺激本身偏好的可能
为了确保实验1和2的结果不是由于2020年代图像本身（如画质更清晰）更受偏爱，研究者让新参与者只学习角色早期的（2000年代）视频。结果显示，这些参与者随后认为“2000年代加权平均”更具代表性、识别更快。这证明，当学习经验被限制在特定时期时，表征会基于该时期形成，从而排除了2020年代刺激存在固有优势的解释。
实验4：探索独特性感知的作用
有理论认为，面孔随年龄增长会变得更独特，从而更容易被记住。研究者让不熟悉的参与者对所有刺激图像进行独特性评分。结果显示，2020年代的单张实例确实被认为更独特，但三种平均脸之间的独特性评分没有显著差异。因此，感知独特性可能部分解释实例数据，但无法完全解释平均脸数据中观察到的对年长样貌的偏好。
综合四项实验，研究得出了明确结论：我们对长期熟悉面孔的心理表征，其形成和更新机制远比简单的统计平均模型更为复杂和智能。它并非机械地赋予最近一次相遇最高权重，也非均等地融合所有印象。相反，人脑的面孔识别系统似乎能够整合关于现实世界的知识，特别是“自然时序”——即面孔会从年轻向年老单向变化的规律。当观察者接触到一个人跨越多年的不同样貌时，其心理表征会系统地偏向于该个体最年长（通常也是最当前）的样貌，无论这些样貌是以何种时间顺序被体验到的。这一发现挑战了基于简单暴露统计的面孔学习理论，揭示了高级认知约束（如对老化方向的理解）在塑造我们“脸空间”中的重要作用。它表明，我们的大脑在构建对熟悉他人的记忆时，不仅记录视觉信息，更在主动构建一个符合现实世界运行规律的、动态更新的“身份模型”。这项研究不仅深化了我们对人脸识别这一基本认知过程的理解，也为发展更贴近人类认知机理的计算模型（如PCA + LDA模型或深度卷积神经网络）提供了新的思路和约束条件。
