我们评估设计的水平，有一个标准就是好设计让恰当的内容、信息或动作（直接或间接）吸引用户注意力，坏设计让不恰当的或无用的元素吸引了注意力。这种时候我一般会说“这里太强了”，“那里弱一点”，“再简化”。反之，画面中没有任何东西吸引用户注意力，用户眼球到处跳跃寻找目光落地点。这种时候我们一般会说“视觉太平了”。

那么如何设计一个比较能吸引注意力的模块呢？好像常用的办法就是让它与背景中其他物品相比更大更粗、颜色对比更强……等，总之让它成为视觉焦点。

人类大脑很神奇，不知道为什么会被一些图形吸引注意力。想象一下画面从人眼视网膜进入后，在理性和逻辑介入之前，就马上有一个叫做“注意力”的东西，吸引我们的大脑关注其中一个值得注意的小区域，而忽略边缘区域（用余光去查看边缘区域）。

那么是否只有突出视觉强弱对比，设计分组和距离等方法呢？最近朋友推荐读了一篇浙大心理和行为学教授的论文《对注意的再思考:一个注意的强化学习模型》，感觉有了新的理解。

首先回顾一下学术界传统认为的注意模型。

一、自下而上的注意模型

自下而上注意的计算模型中，显著性地图占据了主流地位。该模型认为，那些与背景差异显著的区域会自动吸引注意。受到特征整合理论的启发，这类方法从图像的低层信息，例如亮度、颜色、朝向中提取特征，并将其整合到显著性地图上，从中寻找高对比的区域作为注意的焦点。简言之，该方法旨在寻找图像背景(context)中含有不寻常特征的位置。显著性算法主要借鉴了人类视觉感受神经元的反应原理。此类神经元仅在其感受野中心与周围信号有明显差异时开始放电，即当输入图像上该点突显于背景时神经元激活。

简单说就是“视觉上很吸引注意”，它会引起神经元级别的反应，不受控制。

二、自上而下的注意模型

除了视觉刺激本身的特征外，注意还会受到人们不同的 先验知识、任务需求、动机等内部心理状态的影响。……任一时刻对场景中客体的注意影响当前时刻的行为，并且该时刻的注意会影响下一时刻的注意;此外，注意还会受到个体当前时刻的心理状态以及场景特征的影响。

简单说就是“经验和预期让人注意某些部分”，如果用户带有经验、任务、动机等心理状态，他的注意力模型跟其他没有这种心理状态的人不一样。

这两个模型都单独能解释一些注意行为的发生，也是有很多实验结论支撑的很棒的理论。但它不能完备解释所有的注意现象。因此作者提出了一个新的模型：“强化学习框架下注意的计算模型”。

三、强化学习框架下注意的计算模型

在一个强化学习的环境中，人(或智能体)当前的状态，由感知觉信息和先验知识共同构成。在该状态下，人们做出行为，获得相应的价值反馈。此后，根据获得的反馈，改变自身心理状态，从而调节行为策略(π)，不断循环往复。在一系列的状态—行为转换过程中，由于个体行为发生改变，环境给个体的输入信息也会随之发生改变。为了得到更多的累积价值，行为策略将逐渐收敛至那些能带来较多期望价值的“最优化”策略，输入的信息中具有较高价值的部分也会逐渐获得优先加工。该过程中表现出的过滤信息、选择性反应的现象，便是注意。

醍醐灌顶！

《设计心理学》系列讲了很多Do和Don’t，讲了如何利用人已有的行为习惯，以及偏好，再次设计行为，而这个注意力模型对很多设计原则做了底层架构。

并且，这个模型把“智能体”也就是机器学习也纳入到注意力范畴。当AI逐渐学会如何识别一只小猫，他也能更快“注意到”画面中有一只小猫。

教授认为注意是一种现象而不是行为，包括寻找信息是怎么一回事：

“以视觉搜索为例，当首注视点视野范围内不存在目标时，环境给予了负反馈，个体根据所获得的场景信息以及当前搜索目标信息，猜测目标最有可能出现的位置，决定下一次眼跳落点，不断尝试直到找到目标获得正反馈。行为现象上，该过程就表现为眼跳落点逐渐逼近目标，并受到各种显著视觉信息的影响。这就是传统意义上的注意现象，而该现象是可以由一个并不包含外显信息选择装置的“强化学习机”产生。”

不得不感叹教授用科学的方法解释人的行为真的让人能明白，又觉得很厉害，又很有意思。

论文还包含有更深入的细节，包括强化学习是怎么回事，无模型的强化学习（婴儿辨别人脸）和有模型的强化学习（人工智能）具体是什么，推荐阅读（自行搜索“对注意的再思考:一个注意的强化学习模型”即可）。