ORDER BEYOND CHAOS: HOW THE VISUAL SYSTEM EXPLOITS STATISTICAL REGULARITIES TO OPTIMIZE WORKING MEMORY, ATTENTION, AND DRIVING PERFORMANCE

Although the world around us may appear dynamic, entropic, and often chaotic, there is far more structure and inherent order than is immediately apparent. From photons entering the eyes to retinal transduction and coordinated neuronal activity across the cortex, the visual system possesses a remarkable capacity to extract spatial and temporal statistical regularities from the environment, learn from them, and use these patterns to guide and optimize future actions and behavior. This dissertation examines this ability through nine experiments designed to elucidate both its potential and its limits, particularly under conditions of uncertainty. The structure follows the visual search framework: Chapter 1 provides a general introduction and presents the key concepts; Chapter 2 focuses on visual working memory, examining across five experiments (Experiments 1–5) the upper limits under which temporal regularities can protect memory from external interruptions. Chapter 3 (Experiments 6–8) investigates how spatial statistical regularities bias center-surround inhibition of attentional focus during visual search tasks with varying target uncertainty. Chapter 4 (Experiment 9) explores how proactive control mechanisms related to distractor expectations influence more ecologically valid behavior, namely, driving performance. Chapter 5 offers a general discussion and a conclusion of the experiments. Overall, this dissertation demonstrates that the visual system can flexibly exploit statistical regularities to reduce uncertainty and optimize performance across a range of contexts, from controlled laboratory settings to real-world scenarios. It also identifies the boundaries beyond which this capacity begins to fail. These insights have potential implications for applied domains, where statistical regularities can be harnessed to enhance behavior, for instance, in driving, by informing the development of technologies that support the visual system in going beyond its intrinsic limitations.

Sebbene il mondo che ci circonda possa apparire dinamico, entropico e spesso caotico, esistono molta più struttura e ordine intrinsecchi di quanto sembri immediatamente. Dai fotoni di luce che entrano negli occhi alla trasduzione retinica e all’attività neuronale coordinata nella corteccia, il sistema visivo possiede una capacità straordinaria di estrarre le regolarità statistiche spaziali e temporali dall’ambiente, imparare da esse e utilizzare questi schemi per guidare e ottimizzare azioni e comportamenti futuri. Questa tesi di dottorato esamina questa abilità attraverso nove esperimenti progettati per chiarirne sia il potenziale sia i limiti, in particolare in condizioni di incertezza. La struttura segue il quadro della ricerca visiva: il Capitolo 1 fornisce un’introduzione generale e presenta i concetti chiave; il Capitolo 2 si concentra sulla memoria di lavoro visiva, esaminando attraverso cinque esperimenti (Esperimenti 1–5) i limiti entro i quali le regolarità temporali possono proteggere la memoria dalle interruzioni esterne; il Capitolo 3 (Esperimenti 6–8) indaga come le regolarità statistiche spaziali influenzino l’inibizione centro-periferia del focus attentivo durante compiti di ricerca visiva con diversa incertezza dello stimolo target; il Capitolo 4 (Esperimento 9) esplora come i meccanismi di controllo proattivo legati alle aspettative sui distrattori influenzino comportamenti più ecologicamente validi, in particolare la guida; il Capitolo 5 offre infine una discussione generale e una conclusione degli esperimenti. Nel complesso, questa tesi dimostra che il sistema visivo può sfruttare in modo flessibile le regolarità statistiche per ridurre l’incertezza e ottimizzare le prestazioni in una gamma di contesti, dai laboratori controllati a scenari più vicini al mondo reale. Identifica anche i limiti oltre i quali questa capacità inizia a fallire. Questi risultati hanno potenziali implicazioni per ambiti applicativi, dove le regolarità statistiche possono essere utilizzate per migliorare il comportamento, ad esempio nella guida, informando lo sviluppo di tecnologie che supportino il sistema visivo nell’andare oltre i suoi limiti intrinseci.