在 VR 雙眼分視訓練（Dichoptic Training）中， Blob Scale遮罩規模大小可以讓遮罩選擇大小，越小會越分散，越分散則干擾越高，許多訓練者會陷入干擾越強、效果越好的線性迷思。
從神經科學的角度來看，視覺雜訊的複雜度直接決定了大腦初級視覺皮層（V1）的「認知負載（Cognitive Load）」。遮罩的分散程度，本質上就是在調控輸入大腦的訊雜比（Signal-to-Noise Ratio, SNR）。若參數設定錯誤，不僅無法促進神經突觸生長，更會直接觸發大腦的防禦機制，導致訓練完全無效。
本文將拆解遮罩複雜度對大腦算力的影響，並定義出視覺重塑的「最佳抗阻甜蜜點（Goldilocks Zone）」。
神經算力的三階反應：為何「越複雜」反而越容易被抑制？
根據發表於《Vision Research》的知覺學習（Perceptual Learning）與弱視研究，弱視大腦本身過濾內部神經雜訊的能力就極度低落。當我們在 VR 中人為加入外部雜訊（Blob 遮罩）時，大腦的反應會因雜訊密度呈現三種截然不同的運算狀態：
1. 低複雜度（太單調）：次閾值刺激的無效重訓
當遮罩過於集中或單一時，無法對大腦產生足夠的空間干擾。
• 神經機制： 這屬於「次閾值刺激（Sub-threshold Stimulation）」。大腦的視覺中樞可以輕易地繞過或忽略這個單調的遮罩，不需要額外徵召休眠的神經元來參與解碼。
• 訓練結果： 由於缺乏足夠的神經阻力（沒有破壞），視覺網路就不會觸發代償性的突觸生長（沒有建設），這段訓練時間對提升視力毫無實質貢獻。
3. 高複雜度（太分散）：認知超載與「防禦性抑制」
這是進階訓練者最常踩中的陷阱：將遮罩調到極度分散、漫天飛舞。
• 神經機制： 高密度的空間雜訊會強制啟動大腦的「全域空間運算（Global Spatial Processing）」。視覺皮層必須同時處理散落在視網膜各處的多個干擾錨點。《Journal of Vision》的臨床文獻指出，面對這種極端複雜的視覺擁擠效應，雙眼視覺頻寬尚未完全打通的大腦會瞬間面臨「算力超載（Cognitive Overload）」。
• 訓練結果： 大腦發現無法在短時間內解碼這股龐大的混亂訊號。為了維持視覺穩定並節省代謝能量，最直接的底層防禦機制就是重新切斷弱側眼的訊號輸入。這就是為何在極高複雜度下，弱視眼會覺得畫面「直接消失」或「無法在 0.5 秒內看見目標」。大腦根本沒有在鍛鍊，而是直接當機並重啟了空間抑制。
2. 中複雜度（剛好）：壓榨算力極限的「黃金破局點」
這是極大化神經可塑性的唯一正確參數設定。
• 神經機制： 遮罩的分散度提供了強烈的視覺干擾，逼迫大腦必須「極度專注」才能看穿雜訊；但同時，這個雜訊量又精準地卡在 V1 皮層當前的運算天花板之下，沒有越過觸發防禦性抑制的紅線。
• 訓練結果： 大腦在極限施壓下，被迫全功率運轉，且剛好能在 0.5 秒內完成訊號的降噪與雙眼疊合（秒融合）。在這種狀態下達成的每一次成功融合，都是一次最高品質的神經突觸強化。
結語：將雜訊視為「重訓槓片」的量化紀律
在神經視覺重塑中，干擾變數從來不是開得越大越好。Blob 遮罩的分散度，等同於重量訓練時的槓片配重。
評估遮罩設定是否正確的唯一客觀標準，就是**「時間維度的延遲反應」**。能讓大腦感受到極大解碼阻力，但依然能維持在「0.5 秒內完成秒融合」的那個雜訊複雜度，就是你當下的最佳訓練強度。一旦延遲超過這個時間甚至引發畫面消失，請立刻降階。精準控制認知負載，才是確保每一次視覺刺激都能轉化為真實視力的科學路徑。我個人Amblyobye設定是Blob Scale遮罩複雜度1太單調，2剛好可以達成弱視眼0.5秒內看見畫面，3以上太複雜，需要延長時間，更分散至5分以上就會完全抑制。
