Den presbyterianske præst Thomas Bayes havde ingen idé om, at han ville yde et varigt bidrag til menneskets historie. Bayes blev født i England i det tidlige 18. århundrede og var en stille mand med et nysgerrig sind. I løbet af sit liv udgav han kun to værker: "Herrens godhed" i 1731 til forsvar for Gud og det britiske monarki samt en anonym artikel til støtte for beregningerne af Isaac Newton i 1736. Imidlertid bestemte et argument Bayes før sin død i 1761 historiens gang. Han hjalp Alan Turing med at bryde den tyske Enigma-kryptering, den amerikanske flåde spore sovjetiske ubåde, og statistikere identificere føderalistiske papirer. Og i dag løser de sindets hemmeligheder ved hjælp af det.
Det hele begyndte i 1748, da filosofen David Hume offentliggjorde The Enquiry in Human Cognition og blandt andet satte spørgsmålstegn ved eksistensen af mirakler. Ifølge Hume opvejer sandsynligheden for fejl fra mennesker, der hævder at have set Kristi opstandelse, sandsynligheden for, at denne begivenhed faktisk skete. Men pastor Bayes kunne ikke lide denne teori.
Krypteringsapparat "Enigma"
Foto: AFP 2016, Timothy A. Clary
Bestemt for at bevise, at Hume tog fejl, forsøgte Bayes at kvantificere sandsynligheden for en begivenhed. Til at begynde med kom han op med et simpelt scenarie: Forestil dig en kugle kastet på et fladt bord bag din ryg. Du kan gætte, hvor han landede, men det er umuligt at fortælle uden at se på, hvor præcis du var. Bed derefter en kollega om at kaste en anden bold og fortælle dig, om den er til højre eller venstre for den første. Hvis den anden bold er til højre, er det mere sandsynligt, at den første er landet på venstre side af bordet (ved denne antagelse er der mere plads til højre for bolden til den anden bold). For hver ny bold opdateres og forbedres dit gæt om placeringen af den første bold. Ifølge Bayes indikerer forskellige beviser for Kristi opstandelse på samme måde pålideligheden af denne begivenhed,og de kan ikke diskonteres, som Hume gjorde.
I 1767 offentliggjorde Bayes 'ven Richard Price Om kristendommens betydning, dens beviser og mulige indvendinger, der brugte Bayes' ideer til at udfordre Humes argumenter. Ifølge historikeren og statistikeren Stephen Stigler, i Prices artikel, “var den grundlæggende sandsynlige idé, at Hume undervurderede antallet af uafhængige vidner til et mirakel, og Bayes 'resultater viste, hvordan en stigning i mængden af beviser, uanset hvor upålidelig, kunne være stærkere end lille graden af sandsynligheden for begivenheden og gør den således til en kendsgerning."
De statistikker, der voksede ud af Price og Bayes 'arbejde, var stærke nok til at håndtere en lang række usikkerheder. I medicin hjælper Bayes 'sætning med at overveje sammenhængen mellem sygdomme og mulige årsager. I kamp indsnævrer det pladsen til lokalisering af fjendens positioner. I informationsteori kan den bruges til at dekryptere beskeder. Og inden for kognitiv videnskab gør det det muligt at forstå betydningen af sensoriske processer.
Salgsfremmende video:
Bayes 'sætning blev anvendt på hjernen i slutningen af det 19. århundrede. Den tyske fysiker Hermann von Helmholtz brugte Bayes 'ideer til at præsentere ideen om at transformere sensoriske data, såsom bevidsthed om plads, til information gennem en proces, han kaldte ubevidst slutning. Bayesiansk statistik blev populær, og tanken om, at ubevidste mentale beregninger i sagens natur var sandsynlige, virkede ikke længere langtfra. Ifølge Bayesian Brain Hypothesis laver hjernen løbende Bayesian slutninger for at kompensere for manglen på sensorisk information, ligesom hver efterfølgende bold, der kastes på Bayesian-bordet, udfylder information om placeringen af den første bold. Den Bayesiske hjerne danner en intern model af verden: forventninger (eller antagelser) omhvordan forskellige objekter ser ud, føles, lyder, opfører sig og interagerer. Dette system modtager sensoriske signaler og simulerer groft, hvad der sker omkring.
For eksempel vision. Lys hopper af objekter omkring os og rammer overfladen af nethinden, og hjernen skal på en eller anden måde skabe et tredimensionelt billede ud fra to-dimensionelle data. Mange tredimensionelle billeder kan fås fra dem, så hvordan beslutter hjernen, hvad de skal vise os? Anvendes sandsynligvis Bayesian model. Det virker næsten utroligt, at hjernen har udviklet sig så meget, at den er blevet i stand til at foretage statistiske beregninger tæt på idealet. Vores computere kan ikke håndtere et så stort antal statistiske sandsynligheder, og vi ser ud til at gøre det hele tiden. Men måske er hjernen stadig ikke i stand til dette. Ifølge prøveudtagningsteorien kan bevidsthedsmetoderne nærme sig Bayesisk slutning: i stedet for samtidig at udstede alle de antagelser, der kan forklare ethvert sensorisk signal,hjernen tager kun nogle få af dem i betragtning, valgt tilfældigt (antallet af gange, hvor hver af antagelserne er valgt, er baseret på hyppigheden af de tilsvarende tilfælde i fortiden).
Dette kunne forklare oprindelsen til visuelle illusioner: hjernen vælger det “bedste gæt” i henhold til reglerne for Bayesiansk slutning, og det viser sig at være falsk, da visualiseringssystemet udfylder informationshuller med et valg fra en upassende intern model. For eksempel ser det ud til, at to firkanter på et skakbræt har forskellige farvenuancer, eller at cirklen først ser konkav ud og bliver konveks efter 180 graders rotation. I sådanne tilfælde antager hjernen oprindeligt den forkerte antagelse om noget så simpelt som belysning.
Det hjælper også med at forklare, hvorfor jo tidligere information modtages, jo stærkere er dens indvirkning på personen med hans minder, indtryk, beslutninger, forklarer Alan Sanborn (Adam Sanborn), der studerer adfærdsproblemer ved University of Warwick. Potentielt foretrækker folk at købe fra den første sælger, de møder. Slots er mere tilbøjelige til at fortsætte spillet, hvis det startede med en gevinst. Det første indtryk er ofte vanskeligt at tilbagevise, selvom det er fundamentalt forkert. "Når du først har fået de første oplysninger, kommer du med antagelser, der stemmer overens med det," præciserer Sanborn.
Denne variabilitet går hele vejen på neutronniveau. "Ideen er, at neutronaktivitet er en tilfældig variabel, som du prøver at udlede," siger Máté Lengyel, en neurovidenskabsmand med base i Cambridge. Med andre ord er variationen i neurale aktiviteter en indikator for sandsynligheden for en begivenhed. Lad os overveje et forenklet eksempel - en neuron, der er ansvarlig for begrebet "tiger". Neuronen vil svinge mellem to niveauer af aktivitet, højt når der er signal om tilstedeværelse af en tiger og lav, hvilket betyder at der ikke er nogen tiger. Antallet af gange, hvor neuronen er meget aktiv, øger sandsynligheden for, at en tiger er til stede.”I det væsentlige kan vi i dette tilfælde sige, at en neurons aktivitet er en prøve fra en sandsynlighedsfordeling,” siger videnskabsmanden. - Det viser sig, at hvis du udvikler denne idé på en mere realistisk og mindre forenklet måde,så inkluderer det mange ting, vi ved om neuroner og variationen i deres svar."
En af Sanborns kolleger, Thomas Hills, forklarer, at den måde, vi vælger blandt mentale billeder, ligner noget, hvordan vi søger efter fysiske objekter i rummet. Hvis du normalt henter mælk bag fra supermarkedet, er det første du gør derhen, når du kommer til den nye butik for mælk. Dette er ikke anderledes end at kigge efter interne billeder i hjernen.”Man kan forestille sig hukommelse som en slags registrering af den rationelle hyppighed af begivenheder i verden. Minder kodes til mentale billeder i forhold til tidligere oplevelser. Så hvis jeg spørger dig om dit forhold til din mor, kan du begynde at tænke: her er en hukommelse om en positiv interaktion, her er en anden hukommelse om en positiv interaktion, og her er en negativ. Men i gennemsnit er minderne om dit forhold til din mor gode, så du siger "godt", "- siger Thomas Hills. Hjernen er en slags søgemaskine, der vælger minder, skaber det, Hills kalder "trostrukturer" - ideen om forbindelse med forældre, definitioner af "hund", "ven", "kærlighed" og alt andet.
Hvis søgeprocessen går galt, dvs. hjernen foretager et valg fra information, der ikke er repræsentativ for den menneskelige oplevelse, hvis der er en uoverensstemmelse mellem forventningerne og det virkelige sensoriske signal, så opstår depression, tvangssyndrom, posttraumatiske lidelser og en række andre sygdomme.
Dette betyder ikke, at den Bayesiske hjernehypotese ikke har nogen modstandere.”Jeg synes, at den bayesiske ramme, som en slags matematisk sprog, er et stærkt og nyttigt middel til at udtrykke psykologiske teorier. Men det er vigtigt at analysere, hvilke teorier der faktisk giver en forklaring,”siger Matt Jones fra University of Colorado i Boulder. Efter hans mening stoler tilhængere af den "Bayesiske hjerne" for meget på den del af teorien, der taler om statistisk analyse.”I sig selv forklarer det ikke mangfoldigheden af adfærd. Det giver kun mening i kombination med det, der faktisk viser sig at være en fri antagelse om videnrepræsentationens art: hvordan vi organiserer begreber, søger information i hukommelsen, bruger viden til at begrunde og løse problemer."
Med andre ord viser vores påstande om den psykologiske behandling af information, som kognitiv videnskab traditionelt har gjort, hvordan Bayesianske statistikker anvendes til hjernefunktion. Modellen oversætter disse teorier til matematikens sprog, men denne fortolkning er baseret på konservativ psykologi. I sidste ende kan det være, at andre bayesiske eller ikke-bayesiske modeller passer bedre ind i de forskellige mentale processer, der ligger til grund for vores sensoriske opfattelse og højere tænkning.
Sanborn kan være uenig med Jones 'synspunkter om den Bayesiske hjernehypotese, men han forstår, at det næste skridt er at indsnævre antallet af modeller i aktion.”Vi kunne sige, at selve prøvetagningen er nyttig til forståelse af hjerneaktivitet. Men der er mange valg. Hvor meget de er enige med Bayesiansk teori, skal stadig ses. Vi kan dog allerede sige, at forsvaret af kristendommen i det 18. århundrede hjalp forskere med at opnå stor succes i det 21..