Девід Марр: обчислювальна теорія зору та рівні аналізу
Автор: Український психологічний ХАБ · Опубліковано: 20 вересня 2026 · Редакційна політика
Девід Марр належить до тих учених, які змінили не одну окрему теорію, а сам спосіб ставити запитання про розум і мозок. Його головна методологічна ідея проста за формою й радикальна за наслідками: складну систему недостатньо описати лише через її фізичні частини. Потрібно окремо з’ясувати, яку задачу система розв’язує, якими репрезентаціями й алгоритмами вона це робить і як ці операції фізично реалізовані. У книзі Vision ця програма стала класичною трирівневою схемою — обчислювальний рівень, рівень репрезентацій та алгоритмів і рівень реалізації.
Для науки про зір Марр запропонував ще конкретнішу програму: пояснити, як із двовимірного розподілу світла на сітківці зорова система отримує структурований опис поверхонь, глибини, форми та об’єктів. Його власні моделі раннього зору, стереозору, руху й тривимірного розпізнавання сьогодні мають історичний статус і не є повним описом сучасної нейронауки. Проте питання, які він сформулював, залишаються центральними для когнітивної науки, нейронауки та computer vision.
Хто такий Девід Марр
Девід Кортні Марр (David Courtnay Marr, 1945–1980) — британський дослідник, який працював на перетині теоретичної нейронауки, психології, когнітивної науки та штучного інтелекту. Він навчався математики в Trinity College, Cambridge, а потім перейшов до фізіології та нейронного моделювання. Його ранні роботи стосувалися мозочка й пам’яті. Згодом, після знайомства з дослідженнями штучного інтелекту в MIT, Марр дедалі більше зосередився на обчислювальних принципах, які можуть пояснювати роботу нервової системи. Цю траєкторію детально відтворює ретроспективний огляд Willshaw, Dayan і Morris.
Марр став професором психології в MIT і одним із ключових творців обчислювального підходу до вивчення зору. У 1979 році він отримав IJCAI Computers and Thought Award — нагороду для молодих дослідників штучного інтелекту. Марр помер від лейкемії у 1980 році у віці 35 років. Його головна книга Vision була опублікована посмертно у 1982 році й стала одним із найвпливовіших текстів про те, як поєднати психологічну задачу, формальну модель і нейронну реалізацію.
Чому Марр змінив спосіб пояснювати зір
До Марра дослідження зору легко розпадалося на окремі мови: психологи описували перцептивні ефекти, фізіологи — активність нейронів, а інженери — алгоритми обробки зображень. Марр запропонував спільну архітектуру пояснення. Спочатку треба визначити задачу, яку система розв’язує, і логіку цієї задачі; потім — формат репрезентацій та алгоритм перетворення інформації; після цього — фізичний механізм. Саме тому його програма була ширшою за «модель комп’ютерного зору»: вона задавала спосіб будувати теорії інформаційно-обробних систем.
Важлива деталь: слово «обчислювальний» у Марра не означає «комп’ютерний» у побутовому сенсі. Обчислювальна теорія описує, що саме має бути обчислено, навіщо це потрібно системі та які обмеження роблять розв’язання можливим. Таке пояснення може застосовуватися до біологічного мозку, штучної системи або формальної моделі, але подібність на одному рівні не доводить подібності на інших.
Три рівні аналізу Марра
Найвідоміша частина спадщини Марра — три рівні аналізу. Їх часто подають як три сходинки, хоча точніше розуміти їх як три типи запитань до однієї системи. Повне пояснення має показати зв’язок між ними, а не вибрати один «правильний» рівень.
1. Обчислювальний рівень: що система робить і чому
Обчислювальний рівень визначає саму задачу. Для зору це не просто реєстрація інтенсивності світла. Зорова система має з оптичного сигналу отримати інформацію про властивості світу: межі, поверхні, глибину, рух, форму, розташування об’єктів. У статті 1980 року про структуру зорових репрезентацій Марр формулював центральне запитання саме так: які проблеми розв’язує мозок, коли ми бачимо?
На цьому рівні теорія повинна вказати вхід, бажаний вихід, обмеження та логіку перетворення. Наприклад, стереозір можна поставити як задачу: за двома трохи різними зображеннями від лівого й правого ока оцінити просторове положення поверхонь. Лише після такого формулювання має сенс питати, який алгоритм виконує зіставлення і які нейронні механізми можуть його реалізовувати.
2. Рівень репрезентацій та алгоритмів: як саме виконується задача
Другий рівень описує дві пов’язані речі: у якому форматі система представляє інформацію і якими операціями переходить від одного представлення до іншого. Одна й та сама обчислювальна задача може мати кілька алгоритмічних розв’язань, а один алгоритм — кілька можливих фізичних реалізацій. Саме тут у Марра з’являються primal sketch, 2½-D sketch, 3-D model representation, алгоритми стереовідповідності та виявлення змін інтенсивності.
Репрезентація для Марра — не декоративний опис результату. Вона визначає, яка інформація стає явною та доступною наступним операціям. Якщо система представляє межі, орієнтацію поверхонь або осі частин об’єкта, це змінює те, які обчислення можна виконати далі. Тому вибір репрезентації є частиною теорії механізму, а не просто способом записати дані.
3. Рівень реалізації: яким фізичним механізмом це здійснюється
Рівень реалізації відповідає на питання, як алгоритм і репрезентації втілені у фізичній системі. Для мозку це нейрони, синапси, типи клітин, мережі та їхня динаміка; для штучної системи — програмно-апаратна архітектура. Марр наполягав, що опис нейронів сам по собі не пояснює функцію: спочатку треба знати, що ці нейрони реалізують. Водночас сучасна когнітивна нейронаука дедалі сильніше підкреслює зворотний зв’язок: властивості біологічної реалізації можуть обмежувати допустимі алгоритмічні теорії.
Історична деталь: спочатку рівнів було чотири
Популярна формула «три рівні Марра» — результат зрілої версії його програми. У спільному меморандумі Marr і Poggio 1976 року центральну нервову систему пропонувалося описувати на чотирьох майже незалежних рівнях: природа обчислення; алгоритми; прив’язка алгоритму до конкретних механізмів; фізична реалізація механізмів. У Vision ця схема була спрощена й уточнена до трьох відомих рівнів. Ця історія важлива, бо показує: Марр розвивав методологію, а не проголосив раз і назавжди завершену догму.
Обчислювальна теорія зору: від зображення до опису світу
Марр трактував зір як побудову корисних внутрішніх описів на основі зображення. У MIT AI Memo «Representing Visual Information» він запропонував відому послідовність із трьох основних репрезентацій: primal sketch, 2½-D sketch і 3-D model representation. Цю схему варто читати як історичну обчислювальну архітектуру, а не як доведений буквальний маршрут сигналу через мозок.
Primal sketch: первинний ескіз
Primal sketch — ранній опис локальної структури зображення. Його завданням було зробити явними значущі зміни інтенсивності та локальну геометрію: краї, лінії, плями, завершення та інші елементарні структури. У роботі «Early processing of visual information» Марр описував ранню обробку як побудову багатого примітивного опису змін яскравості, а не як безпосереднє «впізнавання предметів».
Пізніше Марр разом з Еллен Гілдрет запропонував конкретну теорію виявлення меж: зміни інтенсивності аналізуються на кількох просторових масштабах, а важливу роль відіграють нульові перетини після фільтрації другою похідною гаусіана. Ця модель стала класичною в історії computational vision. Сучасні системи зору використовують значно ширший набір методів, тому модель Marr–Hildreth слід розглядати як впливову конкретизацію раннього зору, а не універсальний сучасний алгоритм.
2½-D sketch: видимі поверхні відносно спостерігача
На наступному рівні Марр прагнув описати глибину, орієнтацію та розриви видимих поверхонь у координатах, прив’язаних до точки спостереження. Позначення «2½-D» підкреслює проміжний характер: це вже не плоска карта інтенсивностей, але ще не повна, незалежна від ракурсу модель об’єкта. У такому представленні система робить явною геометрію доступних з поточної позиції поверхонь.
До побудови такого опису мали вести різні джерела інформації — стереодиспаратність, рух, текстура, контури, затінення та інші ознаки. Марр не зводив зір до одного сигналу: його програма полягала в тому, щоб формально показати, яку інформацію можна надійно відновити з кожного типу вхідних даних і як ці результати можуть поєднуватися.
3-D model representation: структурний опис об’єкта
Завершальна репрезентація у класичній схемі — об’єктно-центрований тривимірний опис форми. У роботі Marr і Nishihara 1978 року запропоновано представляти просторову організацію складних форм через ієрархічні частини та їхні осі. Мета полягала в тому, щоб підтримати впізнавання попри зміну точки огляду. Подальші дослідження показали, що людське розпізнавання предметів не зводиться до однієї універсальної ієрархічної 3-D схеми, але сама проблема інваріантного представлення форми залишається фундаментальною.
Конкретні теорії Марра: як працював його метод
Сила Марра була не лише у великих методологічних формулах. Він постійно намагався пройти весь шлях від задачі до алгоритму, а потім зіставити модель з психофізикою та нейрофізіологією. Саме ці конкретні теорії показують, що «рівні аналізу» для нього були робочим методом дослідження.
Стереозір
У обчислювальній теорії стереозору Marr і Poggio центральною була проблема відповідності: які елементи лівого зображення відповідають тим самим елементам правого? Автори запропонували багатомасштабний алгоритм зіставлення нульових перетинів. Історично ця робота стала одним із найчистіших прикладів маррівського стилю: спочатку формулюється задача, далі обмеження та алгоритм, після чого модель можна реалізувати й експериментально перевіряти.
Виявлення меж
Модель Marr–Hildreth розглядала межу не як готовий об’єкт, який «бачить» нейрон, а як результат обчислення над змінами інтенсивності на різних масштабах. Такий підхід задавав міст між математичним оператором, структурою зображення та можливими фізіологічними механізмами. Пізніші алгоритми й нейронні моделі істотно змінили технічні деталі, але сама вимога пояснювати, яку інформацію виділяє операція і навіщо вона потрібна подальшому зору, лишилася впливовою.
Рух
У спільній роботі з Шимоном Ульманом «Directional selectivity and its use in early visual processing» Марр розглядав, як локальні сигнали можуть підтримувати оцінювання напрямку руху. Ця модель також належить до раннього етапу computational vision і сьогодні не є завершеним поясненням нейронної обробки руху. Її історичне значення — у послідовному переході від інформаційної задачі до формального алгоритму та можливих нейронних операцій.
Від мозочка до зору: еволюція наукової програми Марра
Кар’єра Марра почалася не із зору. У 1969 році він опублікував «A theory of cerebellar cortex» — детальну теорію навчання мозочка. У наступні роки він також моделював архікортекс, тобто структури, які тепер пов’язують передусім із гіпокампальною формацією. Ці ранні праці показують Марра як теоретичного нейробіолога, який намагався виводити функцію з організації нейронної мережі.
Згодом він став критичнішим до спроб починати пояснення безпосередньо з нейронної схеми. Знайомство з AI та комп’ютерним моделюванням підштовхнуло його до думки, що перед питанням «які нейрони це роблять?» слід поставити питання «що саме має бути зроблено?». Саме з цього зсуву виросла зріла маррівська методологія. Сучасні автори часто бачать у цьому один із моментів формування обчислювальної нейронауки як окремого стилю мислення.
Науковий статус спадщини Марра сьогодні
У спадщині Марра важливо розрізняти методологічну рамку і конкретні моделі зору. Три рівні аналізу продовжують використовуватися в когнітивній науці та нейронауці як спосіб відокремити функціональну задачу, алгоритмічний механізм і фізичну реалізацію. Сучасний огляд van Bree прямо будує програму пошуку нейронних механізмів через поєднання маррівських рівнів із механістичною філософією науки.
Натомість конкретна послідовність primal sketch → 2½-D sketch → 3-D model representation не є загальноприйнятою картиною того, як мозок буквально організовує весь зір. Частина її елементів була переглянута, частина — замінена моделями, що краще враховують ймовірнісну інференцію, активне сприймання, контекст, навчання, рекурентну обробку та зв’язок сприймання з дією. Тому коректно говорити про фундаментальну історичну програму, а не про завершену сучасну теорію зору.
Водночас центральна вимога Марра — не змішувати різні типи пояснення — залишається напрочуд сучасною. Якщо нейронна мережа добре розпізнає об’єкти, це ще не означає, що вона використовує людський алгоритм. Якщо дві системи мають схожу поведінку, це не доводить однакових внутрішніх репрезентацій. І навпаки, подібність окремих нейронних або штучних компонентів не гарантує, що системи розв’язують ту саму обчислювальну задачу.
Критика рівнів Марра та сучасні обмеження
Найпоширеніша сучасна критика спрямована не на потребу багаторівневого пояснення, а на надто чисте розділення рівнів. У біологічній системі тіло, середовище, розвиток і фізичні обмеження можуть впливати на те, які задачі реально постають перед організмом і які алгоритми для нього доступні. Peter Marshall показує, як підходи embodied cognition і developmental systems ставлять під тиск уявлення про майже автономні рівні.
Друга проблема — напрям пояснення. Класичне читання Марра часто виглядає зверху вниз: спочатку визначити функцію, потім алгоритм, потім реалізацію. Сучасна нейронаука працює також знизу вгору й «із середини»: біологічні властивості мереж можуть підказувати, які алгоритми можливі, а алгоритмічні моделі — які нейронні вимірювання мають сенс. Тому рівні дедалі частіше трактують як взаємно обмежувальні.
Третє обмеження стосується поняття механізму. Сам факт локалізації активності в певній ділянці мозку ще не пояснює, як виконується обчислення. І навпаки, абстрактна модель, яка відтворює поведінку, ще не встановлює фактичний біологічний механізм. Сучасні механістичні підходи вимагають показати, як фізичні компоненти реалізують конкретні операції над репрезентаціями.
Четверте обмеження — спокуса перетворити маррівську рамку на універсальний закон. Це методологічна схема, а не емпіричний закон психології. Вона допомагає формулювати пояснення, але сама по собі не визначає, які саме репрезентації має мозок, якими мають бути межі когнітивної системи чи наскільки автономним є кожний рівень.
Марр, Гельмгольц і Гібсон: три різні способи поставити проблему сприймання
Щоб зрозуміти місце Марра в історії науки про сприймання, корисно зіставити його з двома іншими великими традиціями. Герман фон Гельмгольц наголошував, що сенсорний сигнал неоднозначний і сприймання потребує неусвідомлюваної інтерпретації. Сучасні байєсівські та predictive-підходи часто бачать у цій лінії історичного попередника ідеї перцептивної інференції.
Джеймс Джером Гібсон, навпаки, переніс акцент на інформацію, доступну в структурованому оптичному масиві під час дії й руху спостерігача. Його екологічний підхід менше покладався на внутрішню реконструкцію світу і сильніше підкреслював зв’язок сприймання з можливостями дії — affordances.
Марр займав іншу позицію: він прагнув формалізувати, яку інформаційну задачу розв’язує зорова система та які проміжні репрезентації роблять цей розв’язок можливим. Сучасні теорії не зводяться до вибору одного з трьох авторів. Вони часто поєднують питання про інференцію, екологічну інформацію, дію, навчання, алгоритми та нейронну реалізацію. Саме тому ці сторінки утворюють природний вузол українського knowledge graph навколо сприймання.
Марр і сучасний computer vision
Марр працював у момент, коли дослідження біологічного зору й штучного бачення були тісно переплетені. Його моделі перевірялися комп’ютерними реалізаціями, а питання про стереозір, межі, рух і тривимірну форму одночасно були психологічними, нейронауковими та інженерними. Сучасний підручник MIT Foundations of Computer Vision досі розглядає computational theory Марра як одну з основних історичних теорій, що сформували поле.
Сьогодні deep learning змінив технічну картину. Замість того щоб вручну задавати всі проміжні репрезентації, моделі можуть навчатися внутрішніх ознак із великих масивів даних. Але маррівська постановка питання не зникає. Для будь-якої системи все одно можна запитати: яку задачу оптимізують; які внутрішні представлення й операції виникають; на якому фізичному субстраті вони реалізовані.
Особливо важливе правило для порівняння людини та AI: успішне виконання тієї самої задачі не встановлює тотожності механізмів. Людський зір і штучна модель можуть збігатися на обчислювальному рівні, але відрізнятися на алгоритмічному та реалізаційному. Звідси не випливає ні тотожність досвіду, ні наявність суб’єктивності у штучної системи. Маррівські рівні якраз допомагають не переносити властивості одного рівня на інший без доказів.
Як користуватися рівнями Марра на практиці
Рамка корисна щоразу, коли пояснення стає нечітким. Якщо дослідник каже «ця ділянка мозку відповідає за X», варто спитати: яку саме функцію X означає, які операції потрібні для неї і як виміряна активність реалізує ці операції? Якщо інженер каже «модель бачить», треба уточнити: яку задачу вона виконує, які репрезентації формує і який зв’язок це має з людським зором? Якщо психолог описує ефект поведінки, наступне питання — які алгоритмічні процеси могли породити цей ефект і які дані здатні розрізнити конкуруючі моделі.
У цьому сенсі три рівні — це дисципліна пояснення. Вони змушують відокремлювати функцію від механізму, механізм від субстрату і подібність результату від подібності процесу. Саме ця інтелектуальна звичка, більше ніж будь-яка конкретна модель 1970-х років, становить найживішу частину спадщини Марра.
Типові помилки у трактуванні Марра
«Марр довів, що мозок — це цифровий комп’ютер»
Ні. Його методологія описує мозок як інформаційно-обробну систему, для якої можна ставити обчислювальні, алгоритмічні та реалізаційні питання. Це не тотожне твердженню, що біологічний мозок буквально працює як конкретний цифровий комп’ютер. Рівень реалізації у Марра якраз залишає відкритим питання фізичного механізму.
«Три рівні — це три анатомічні поверхи мозку»
Ні. Йдеться про рівні пояснення або аналізу, а не про анатомічні зони. Одна й та сама нейронна система може бути предметом опису на всіх трьох рівнях: що вона обчислює, як організовані її операції та як ці операції фізично реалізовані.
«Primal sketch, 2½-D і 3-D model — доведені стадії людського зору»
Це надмірне узагальнення. Вони були центральними репрезентаціями в обчислювальній архітектурі Марра й суттєво вплинули на подальші дослідження. Сучасна наука підтримує багато окремих ідей про багатоступеневу обробку, виділення структури, оцінку глибини та побудову репрезентацій, але не приймає всю початкову послідовність як буквальну універсальну карту зорової системи.
Що сучасна наука взяла від Марра
Перше — вимогу чітко формулювати задачу до пошуку механізму. Друге — увагу до репрезентацій: пояснення потребує не лише назви процесу, а й опису того, в якому форматі інформація стає доступною системі. Третє — принцип багаторівневого узгодження: сильна теорія має зв’язувати поведінку, алгоритм і фізичний механізм. Четверте — інженерну перевірність: обчислювальну теорію корисно формулювати настільки чітко, щоб її можна було реалізувати, симулювати й зіставити з даними.
Сучасні автори водночас розширюють цю програму. Cowell і Huber показують, що в когнітивній нейронауці механістичні пояснення часто потребують проміжного рівня біологічної організації, який пов’язує абстрактні операції з конкретними структурами. van Bree наголошує, що простого переліку активних нейронних компонентів недостатньо: треба показати, як їхня організація реалізує алгоритм, що породжує потрібне обчислення.
FAQ
Хто такий Девід Марр?
Девід Марр (1945–1980) — британський дослідник, який працював у теоретичній нейронауці, психології, когнітивній науці та штучному інтелекті. Найбільше він відомий обчислювальною теорією зору, трьома рівнями аналізу та посмертно виданою книгою Vision.
Які три рівні аналізу Марра?
Обчислювальний рівень описує, що система обчислює і чому; рівень репрезентацій та алгоритмів — як інформація представлена і якими операціями перетворюється; рівень реалізації — як ці операції фізично втілені в мозку або іншому субстраті.
Що таке обчислювальна теорія зору Марра?
Це програма пояснення зору через формальне визначення задач, які має розв’язати зорова система, репрезентацій та алгоритмів, що можуть ці задачі виконувати, і їхньої фізичної реалізації. У конкретній моделі Марра важливу роль відігравали primal sketch, 2½-D sketch і 3-D model representation.
Що таке 2½-D sketch?
Це запропоноване Марром проміжне представлення видимих поверхонь, їхньої глибини, орієнтації та розривів відносно поточної точки спостереження. Воно багатше за двовимірний опис зображення, але ще не є повною об’єктно-центрованою тривимірною моделлю.
Чи актуальні три рівні Марра сьогодні?
Так, як методологічна рамка вони залишаються дуже впливовими. Сучасні дослідження водночас підкреслюють сильніший взаємний зв’язок рівнів, роль тіла, середовища, розвитку й біологічних обмежень. Конкретні моделі зору Марра не слід ототожнювати з сучасним консенсусом.
Чим Марр відрізняється від Гібсона?
Гібсон наголошував на екологічній інформації, доступній активному спостерігачеві, та прямому зв’язку сприймання з дією. Марр більше зосереджувався на формальному описі задач, внутрішніх репрезентацій і алгоритмів, які перетворюють зображення на структурований опис світу.
Яке відношення Марр має до штучного інтелекту?
Марр працював у MIT Artificial Intelligence Laboratory, його теорії зору реалізовувалися обчислювально, а в 1979 році він отримав IJCAI Computers and Thought Award. Його три рівні й сьогодні корисні для аналізу AI-систем: окремо оцінювати задачу, внутрішні алгоритми та репрезентації, а також фізичну реалізацію.
Чи означає успіх AI у зорі, що він бачить так само, як людина?
Ні. Дві системи можуть розв’язувати подібну задачу й показувати схожу точність, але використовувати різні внутрішні репрезентації, алгоритми та фізичні механізми. Подібність на обчислювальному рівні не є доказом подібності людського досвіду або суб’єктивності.