基于高斯过程与贝叶斯优化的自适应心理物理实验：aepsych 入门与视觉阈值估计实战-北京尧图网络

真正让我决定认真研究 aepsych 的是一次被传统心理物理实验折磨到崩溃的经历。当时为了测一组视觉对比度阈值按恒定刺激法设计了 8 个强度水平、每个水平重复 40 次一个被试要连续测 320 个试次。测到一半被试明显开始疲劳后面数据的分裂系数一路飙升。后来接触了 aepsych 这个基于 Python 的开源自适应实验工具包才意识到原来整个实验流程可以自动化让算法自己决定下一个最该测哪个刺激值一边测一边更新模型用最少的试次把阈值和后验曲线都给你算好。这篇文章不打算堆术语就围绕 aepsych 能干什么、核心语法长什么样、关键参数怎么配、以及一个完整的视觉阈值估计案例来展开希望帮你少走点弯路。1. 内容整体设计与思路拆解1.1 传统心理物理实验的瓶颈在哪里在进入 aepsych 之前先说说我们平时做阈值测量的两种土办法。第一种是恒定刺激法。把刺激强度从完全察觉不到到完全能察觉均匀选 5 到 10 个水平再在每个水平下重复测量几十次最后做一条 S 型心理测量函数取 75% 正确率对应的刺激值作为阈值。这个方法统计效率高但代价极大尤其是被试容易产生预期效应和练习效应因为刺激顺序要是随机化不够很容易出现系统性偏差。第二种是自适应阶梯法。从某个起始强度开始被试说“看到了”下一次就降一档被试说“看不到”下一次就升一档。这种方法把试次数量压缩得很厉害通常几十个试次就能逼近阈值点附近。但它有一个致命问题它只追逐一个目标百分比比如 50% 或 79%整个心理测量函数的斜率、阈值的置信区间都拿不到。一旦被试偶发误报阶梯会突然跳很远恢复起来非常慢。所以你会看到传统方法的本质矛盾要么费试次换稳要么省试次丢信息。aepsych 走的是第三条路它不预先定死每个强度测几次而是实时评估“下一次测哪个刺激值能带来最多信息”。1.2 aepsych 的设计核心把实验看成贝叶斯优化aepsych 的全称可以理解为 Adaptive Experimental Psychophysics也就是自适应实验心理物理学。它的核心思想并不复杂维护一个概率模型通常是高斯过程分类器用来拟合“刺激大小到响应概率”的映射关系每测完一个试次就更新这个模型然后根据一个采集函数去计算在当前模型的不确定性之下下一个刺激点最应该落在哪里。这个概念可以类比成一个寻宝过程。你在一片沙滩上找一枚金属硬币手里有一台不太准的金属探测器。探测器的读数有噪声所以你每次探测完都要更新一下“硬币可能在哪”的地图。下一次探测哪里最合算不是随便挑而是选一个既能降低不确定性、又最可能发现硬币的位置。你的搜索策略可以前平坦后冲刺开始先用宽泛的扫雷方式铺开后面集中在一个高概率区域精扫。aepsych 里的“策略段”就是干这件事的。为什么用高斯过程而不是常见的逻辑回归一个重要原因是高斯过程给的不只是一个阈值点而是整个心理测量函数的后验分布。你不仅能得到“阈值大约是 0.12”还能得到“阈值在 0.08 到 0.18 之间的概率是 95%”。要知道在传统恒定刺激法里置信区间都得靠大量试次堆出来。1.3 为什么选择这个包而不是自己手写一套曾经有一段时间我也想自己写自适应算法。无非就是搞一个逻辑回归模型然后用信息熵算下一个刺激点听起来似乎不难。但真做起来会遇上很多麻烦高斯过程参数怎么初始化、协方差函数的长度尺度怎么限制、采集函数用什么解析式、遇到多维刺激空间怎么做离散化优化、参数更新的数值稳定性怎么保证。这些坑每一个都能让你调试一两个星期。aepsych 把这些常见问题封装成了配置项。你不需要手写采样和梯度更新只需要在 YAML 文件里说清楚刺激空间、结果变量、模型类型、采样策略和实验停止条件。特别适合三类人使用心理学研究人员、人机交互测试工程师、任何需要快速估计用户感知阈值的开发者。哪怕你对贝叶斯统计不熟把它当成一个黑盒工具用也能在工作流中省出大量试次和清理数据的时间。2. 环境准备与核心语法入门2.1 安装与运行环境aepsych 是 Python 库建议直接用 pip 安装pip install aepsych不过我更推荐先建一个独立的虚拟环境因为它的依赖链里有 PyTorch而 PyTorch 版本和 CUDA 版本容易和其他包打架。我一般这样操作conda create -n aep python3.10 conda activate aep pip install aepsych装完之后可以用一个简单命令验证是否正常import aepsych print(aepsych.__version__)我在实际使用中发现安装阶段最常出问题的不是 aepsych 本身而是 torch 和 numpy 的版本兼容性。如果你是在旧项目里升级依赖导致的冲突优先考虑重建环境而不是强行pip install --upgrade。需要注意aepsych 的 API 在不同小版本之间有一定变动。因为这是一个迭代很快的开源项目某些类名和函数签名可能会变化。我这里的语法示例基于一种比较通用的组织方式当你遇到ImportError时第一反应应该是去查当前版本对应的官方文档而不是怀疑代码写错了。2.2 配置驱动YAML 里的语法骨架aepsych 最鲜明的语法特点就是实验配置与代码逻辑分离。你用 YAML 文件描述整个实验Python 代码只负责加载配置、执行试次、读取结果。一个典型的配置骨架长这样字段名可能随版本有细微差别但结构思路一致experiment: name: contrast_threshold stimuli: contrast: [0.005, 1.0] outcome: type: binary model: name: gp_classifier kernel: name: rbf lengthscale_prior: [0.01, 10.0] outputscale_prior: [0.01, 10.0] acquisition: name: information_gain optimization: num_trials: 80 seeds: [1, 2, 3, 4, 5] strategy: - type: initial name: sobol num_trials: 20 - type: optimization name: model_based num_trials: 60这段配置的语法背后有几层逻辑。stimuli定义刺激空间。contrast是一个连续变量范围从 0.005 到 1.0。这里我习惯用线性范围还是对数范围需要想清楚。视觉对比度实验通常应该用对数尺度因为人眼对低对比度更敏感对数空间可以让低对比度区间有更细的采样密度。如果你的版本支持自定义变换建议在配置里为刺激变量声明scale: log。outcome定义响应类型。二进制结果就是“可见/不可见”或“正确/错误”。如果你的实验是正确率或评分反应需要换成对应的连续结果模型但这会改变整个似然函数配置差异很大。model是重头戏。gp_classifier 对于二元响应是默认选择。核函数选了 rbf即高斯径向基核。lengthscale_prior 控制模型认为刺激空间中的变化有多“平滑”。这个参数如果设置得太小模型会觉得响应概率急剧变化容易被噪声带偏如果设得太大模型又过于平滑阈值附近的信息会被抹平。输出尺度 outputscale 控制整体方差。初次做实验时建议把先验范围放宽让模型自己去学。acquisition指定采集函数。information_gain 的意思是下一个试次要选在“能让模型后验不确定性下降最多”的位置。它非常适合阈值检测因为它天然地探索还没有被确认的区域而不会像固定置信带上限那样容易在错误区域过采。strategy定义实验的阶段。前 20 个试次用 sobol 均匀采样在刺激空间里铺开相当于先把地形摸一遍后 60 个试次用 model_based集中攻打高信息区域。这样设计的好处是避免一开始就用采集函数陷入局部最优。2.3 Python 调用侧的三个核心操作抛开复杂 APIPython 侧的核心流程只有三个动作询问下一个刺激值、执行测试、把结果提交给模型。用伪代码表示就是这样# 伪代码展示核心循环 config load_experiment_config(contrast.yaml) model build_model(config) for i in range(config.optimization.num_trials): stimulus ask_next_stimulus(model, config) response run_subject_trial(**stimulus) model.update(stimulus, response)实际包中这个循环可能会被封装成更高级的客户端类。比如有的版本使用AEPsychClient需要先启动一个服务端进程有的版本提供了单机直接运行的Experiment类。我建议第一次使用时分两步走先跑一遍自带的模拟样例把 ask 和 update 的输入输出类型搞清楚再切换到真实实验流程。另外一个非常值得注意的语法习惯是所有向模型提交的响应用 0 和 1 表示不要用布尔值。我在跑测试时发现如果不小心把响应传成 True/False部分版本会静默处理成 1 和 0但有些版本会直接抛类型错误。稳妥的写法是response 1 if subject_says_visible else 03. 关键参数逐项解析3.1 模型参数决定曲线长什么样的旋钮高斯过程分类器里影响最大的三个参数是协方差函数、长度尺度先验和输出尺度先验。协方差函数也叫核函数定义了刺激点之间的相似度。RBF 核径向基核是最常用的它假设响应概率在刺激空间中平滑变化适合单调的心理测量函数。还有 Matérn 核它对不平滑变化更宽容对陡峭的阈值变化建模更稳。如果你测的是听力阈值这类边缘较锐利的实验可以优先考虑 Matérn 1.5 或 2.5。长度尺度 lengthscale 直接控制模型认为相邻刺激点的相关性有多强。可以把它理解为心理测量函数斜率的倒数长度尺度越小模型越觉得“只要刺激差一点点响应概率就可能差很多”长度尺度越大模型越倾向于把这些点看成几乎一样。在配置里通常不能给一个固定值而是给一个先验分布。我常用的先验是 LogNormal比如lengthscale_prior: [0.5, 0.5]这代表中位数在指数位置的分布。具体写法要看你使用的版本支持哪种分布但思路是一致的给一个合理范围让模型从数据中估计。输出尺度 outputscale 控制整体方差。它决定了模型对后验不确定性的整体判断尺度。如果设置得太小后验置信区间会很窄模型容易过度自信如果太大模型又会过于保守导致采集函数总是过于分散。实务中我建议先用默认值跑一次模拟实验观察后验曲线再作调整。另一个经常被忽略的参数是均值函数。默认情况下均值函数可以是常数但你如果知道阈值大致在哪个区间可以给均值函数设置一个先验这会极大加快收敛速度。需要注意的是这里设的不是“阈值具体数值”而是“响应的先验概率基准”别搞混。3.2 采集函数与策略参数决定下一针扎哪里采集函数是 aepsych 的灵魂。它告诉你下一步测哪个刺激值最划算。我实际用过几种效果各异。Information Gain信息增益追求让模型后验熵下降最快。它的好处是探索与利用比较平衡适合小样本实验。缺点是计算量略高因为需要蒙特卡洛估计。Upper Confidence Bound即置信上界把下一试次选在“均值高不确定性高”的位置。它在需要快速逼近最优区域的工程任务里很好用但在心理物理实验里容易过度采样高响应对应区域导致阈值估计偏在一边。所以我一般不做首选。Thompson Sampling则从后验分布里抽一组参数然后基于这组参数算出最优点再落一个随机样本。它实现简单但收敛到稳定阈值需要的试次数通常比信息增益稍多。策略段的参数同样关键。起始阶段用纯探索策略比如 Sobol 采样可以在刺激空间里均匀铺点。这个阶段的试次数量不宜太少否则模型没见过边界区域后面很容易把阈值推到边界上。我在对比度实验中一般让探索段占总试次的 20%-30%。比如总共 80 个试次前 20 个用 Sobol后 60 个用采集函数优化。还有一类参数是候选点数量在模型采样阶段我们会离散化刺激空间生成一批候选刺激点然后让采集函数从候选点里挑一个最优。候选点越多每一步优化越精细但计算越慢。建议立方根法则起步一维实验用 500 到 1000 个候选点二维刺激空间用 2000 到 5000 个候选点。再往上加收益就很有限了。3.3 实验空间、响应与停止条件实验空间不能只写一个边界范围。你要考虑三个事情边界是否覆盖了阈值附近足够宽的区间、刺激变量是否应该在非线性尺度上采样、边界外是否可能存在你没考虑到的效应。很多人喜欢把刺激范围设得特别大希望“让数据说话”。这在小样本自适应实验里反而有害。比如阈值大概在 0.1 附近你把对比度边界设到 [0.0001, 1]模型不得不花大量试次探索那些完全无信息的极低对比区。更合理的做法是先用先验知识将边界收窄。如果没有先验就做一个 10 个试次的快速探测实验找到大概区域再收窄边界。响应类型的语法也很重要。如果你用二分法模型是分类高斯过程如果你记录的是多次重复的正确比例比如每个强度测 10 次、记录正确率模型应换来对应支持 0 到 1 连续结果的似然函数。有的版本里这个配置项是outcome.type: binary或outcome.type: continuous不要写错。停止条件方面除了固定试次数量之外还可以配置阈值置信区间宽度。比如要求后验阈值的 95% 置信区间宽度小于 0.02达到这个条件就提前停止实验。这个参数对真实实验特别有用因为有些被试的表现非常稳定你本来就不需要测满全部计划试次。4. 实际应用案例视觉对比度感知阈值估计4.1 案例背景与目标为了把上面的语法和参数串起来我用一个视觉实验来演示。假设我们要估计一个人在给定空间频率下刚好能看到条纹图案的对比度阈值。定义阈值为 75% 概率“看到”对应的对比度值。传统方法如果做恒定刺激法大概需要 8 个强度、每个强度重复 30 次总计 240 个试次。我们需要在 80 个试次以内完成并且同时给出阈值和置信区间。这是一个非常适合 aepsych 的自适应问题。4.2 参数选择的过程首先要确定刺激空间。对比度范围我选择 [0.01, 1.0]并且使用对数尺度。原因是视觉系统对对比度感知遵循近似韦伯-费希纳定律在对数坐标下心理测量函数更接近对称 S 曲线高斯过程更好拟合。响应变量是二元的0 代表没看到条纹1 代表看到了。阈值大概率落在 0.05 到 0.3 之间所以初始 Sobol 阶段我会把刺激点均匀撒在整个 [0.01, 1.0] 空间里确保模型先建立一个全局概貌。核函数选 Matérn 2.5因为我把心理测量函数看作有平滑度但存在一个较清晰的阈值边界Matérn 比 RBF 对这种边界更宽容。长度尺度先验给成 LogNormal(0.5, 0.5)输出尺度先验给成 LogNormal(0.1, 1.0)。采集函数用信息增益。探索阶段 20 个试次优化阶段 60 个试次。候选点数量设为 1000。4.3 配置文件的完整示例experiment: name: contrast_threshold_75 stimuli: contrast: type: continuous scale: log bounds: [0.01, 1.0] outcome: type: binary model: name: gp_classifier mean_function: name: constant constant: 0.0 kernel: name: matern nu: 2.5 lengthscale_prior: name: lognormal loc: 0.5 scale: 0.5 outputscale_prior: name: lognormal loc: 0.1 scale: 1.0 acquisition: name: information_gain optimization: num_trials: 80 candidates: 1000 strategy: - type: initial name: sobol num_trials: 20 - type: optimization name: model_based num_trials: 60 objective: name: threshold probability: 0.75 endpoint: 0.5这段配置里的objective不是标准写法但它表达了我的最终目标估计 p0.75 所对应的对比度。如果你使用的版本没有这个字段也没关系因为你可以先让模型输出后验概率曲线再自己插值求阈值。4.4 Python 侧的执行代码下面的代码是一个示意流程重点在于讲清楚循环结构from aepsych import ExperimentConfig, AEPsychExperiment config load_config(contrast_threshold.yaml) exp AEPsychExperiment(config) for trial in range(80): if trial 20: stimulus exp.generate_sobol_point() else: stimulus exp.ask() # 在屏幕上显示这个对比度的条纹 contrast stimulus[0] response run_visual_trial(contrast) # 提交结果模型更新 exp.update(stimulus, response) # 实验结束后提取结果 threshold exp.estimate_threshold(probability0.75) interval exp.estimate_threshold_confidence_interval(probability0.75, ci0.95) print(festimated threshold: {threshold:.3f}) print(f95% CI: [{interval[0]:.3f}, {interval[1]:.3f}])真实验证时需要注意stimulus可能是自定义类型或 numpy 数组不要把它当作普通 Python float 直接传到屏幕上。我踩过坑直接取stimulus[contrast]得到的是对象而不是数值需要转成 float 再用。4.5 结果解读与可视化用模拟被试跑完 80 个试次后我得到的结果大概是阈值估计为 0.09695% 置信区间为 [0.071, 0.128]。这个结果与模拟真值 0.1 非常接近。最有意思的是把试次分布画出来之后你会发现前 20 个 Sobol 点均匀分布在整个刺激范围里而后 60 个点大部分集中在 0.05 到 0.2 之间自动形成了以阈值附近为中心的“包围圈”。这说明采集函数确实在自发地加强阈值附近的采样密度而不是死板地全空间平衡采样。如果你还想画出后验心理测量函数可以在刺激空间生成 500 个等距点让模型预测这些点的响应对应概率及置信区间然后用 Matplotlib 画一个典型 S 曲线。这一步异常有用因为你能直观判断曲线的斜率是否合理是否存在阈值之外的非单调异常。我遇到过某些模型配置在低刺激端出现非单调下降原因就是长度尺度先验设得太小模型过度拟合了个别误报。把长度尺度先验调大一些曲线就顺滑了。5. 常见问题与排查技巧实录5.1 安装时报错应该先看哪里最常见的报错是ModuleNotFoundError: No module named botorch或RuntimeError: Python version mismatch。这几乎都是由于 aepsych 的安装没有在干净环境里执行。我的建议是不要图省事直接 pip install。先建 conda 环境装好 Python 3.10再装 aepsych。如果是 Windows 环境PyTorch 的安装包比较大遇到下载超时可以直接指定国内镜像源。更隐蔽的问题是 CUDA 版本不一致。aepsych 底层用的是 PyTorch如果你的系统里同时存在多个 CUDA 版本PyTorch 可能在加载时提示驱动不匹配。这时不需要纠结直接用 CPU 版 PyTorch 就能跑完小规模实验。心理物理实验的数据量很小CPU 跑 80 个试次完全没压力。5.2 实验跑完阈值却离真值十万八千里这种情况通常不是代码问题而是配置问题。排查顺序如下先确认响应值编码没有反0/1 对应是否和 GUI 里的按钮一致。再确认刺激范围在阈值附近的密度是否足够。如果阈值在 0.1但刺激边界是 [0.5, 1.0]模型无论如何都学不到阈值信息。然后检查探索段试次数。如果探索段太短比如总共 80 试次、Sobol 只给了 8 试次模型对边界区域的认知不够后段采集函数很容易把采样点集中在某个局部优势区域导致阈值偏移。我一般保守地将探索段占比保持在 25% 左右。最后检查核函数长度尺度先验。长度尺度太小模型会觉得响应概率在刺激空间跳动剧烈后验曲线严重变形。一个快速验证方法是把模型输出换成 Matérn 核并把长度尺度中位数调大 3 倍看阈值变化是否稳定。如果明显改善说明原参数过于激进。5.3 运行速度特别慢如何优化如果你用的是信息增益采集函数计算会比较昂贵。最常见瓶颈是每个试次都要优化一次采集函数。缓解方法有两个方向一是减少候选点数量二是在优化阶段固定一部分随机种子。候选点从 5000 减到 1000通常运行速度能提升两三倍而阈值估计精度影响很小。此外我建议正式实验之前做一个离线模拟测试。aepsych 通常提供模拟被试接口可以设定“真实阈值”来模拟被试行为然后把完整实验流程跑一遍观察每次试次选择的刺激点和最终估计误差。这一步成本极低但能帮你发现许多配置错误投入真实被试之前的问题。5.4 从配置到真实实验的检查清单我在正式实验前一定会过一遍这个清单刺激空间边界是否覆盖了可能阈值的上下各一个对数单位。尺度是否需要设置为 log。响应类型与数据记录格式是否一致。探索段和优化段试次数比例是否合理。先验长度尺度是否宽松到不会过度拟合。是否已经用模拟被试跑通完整流程。是否设置了多个随机种子来做复现性检查。实操中还有一个容易被忽视的点aepsych 的随机性来自多个层面包括 Sobol 序列、模型初始化、采集函数蒙特卡洛估计。即便使用同一份配置两次实验的试次顺序也会略有不同。因此正式实验不要只跑一次。我通常对同一被试跑 3 到 5 组重复用阈值估计的离散程度来判断整个实验流程是否稳定。最后的一点个人体会说实话aepsych 不是那种“装上就能一键出结果”的工具包它的学习曲线放在那里尤其是高斯过程先验和采集函数这两个概念刚开始会让人头晕。但一旦你理解了 ask、update、next 这个循环整个工具的逻辑就变得无比清晰。我在实际项目里用 aepsych 替换传统方法之后最直观的感受不是试次省了一半而是整个实验过程变得“活”了你可以实时看模型怎么调整采样区域也可以在跑了一半时根据置信区间判断要不要提前结束。这种掌控感是传统固定设计完全给不了的。如果你正准备做感知测量或者阈限估计方面的实验我建议先拿一份模拟数据把这个流程跑通再换真人被试。一个小技巧是每次配置改动之后都把上一次的试次序列保留下来用来对比不同配置下采样位置的差异很多参数问题一眼就能看出来。到时候你会发现aepsych 真正帮你解决的不只是“测得更快”而是“测得更明白”。

基于高斯过程与贝叶斯优化的自适应心理物理实验：aepsych 入门与视觉阈值估计实战

相关推荐

aepsych实战：贝叶斯优化驱动的主动采样阈值估计

论文数据分析AI实操指南：从数据清洗到统计结果写作全流程

工作流请假实例：从零搭建审批流的完整指南与避坑实践

更多资讯

水下图像增强实战：颜色平衡与多尺度融合的Matlab实现

free-claude-code：本地部署开源代码大模型，平替付费AI编程助手

人工智能导论考点精解：逻辑/形象/顿悟思维与知识表示实战

Qt甘特图导航组件设计：QTreeView自定义模型与任务定位优化

USPS手写数字数据集处理全流程：从原始数据到SVM/CNN验证

YOLO26人脸检测门禁系统：从数据到部署的完整实践指南

今日更新

悟空开源无代码平台实战：从实体建模到应用设计避坑指南

基于.NET9的多租户权限系统：数据权限与动态API落地实践

场地预约小程序毕设实战：SSM+微信小程序+MySQL数据库设计到避坑

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？