Presbyterianske prest Thomas Bayes ante ikke at han ville gi et varig bidrag til menneskets historie. Bayes ble født i England tidlig på 1700-tallet, og var en stille mann med et nysgjerrig sinn. I løpet av livet utga han bare to verk: "The Goodness of the Lord" i 1731 til forsvar for Gud og det britiske monarkiet, samt en anonym artikkel til støtte for beregninger av Isaac Newton i 1736. Imidlertid bestemte Bayes argument før hans død i 1761 historiens gang. Han hjalp Alan Turing med å bryte den tyske Enigma-krypteringen, US Navy spore sovjetiske ubåter, og statistikere identifisere Federalist Notes. Og i dag, ved hjelp av det, løser de sinnets hemmeligheter.
Det hele begynte i 1748, da filosofen David Hume ga ut The Inquiry into Human Knowledge og blant annet satte spørsmålstegn ved eksistensen av mirakler. Ifølge Hume oppveier sannsynligheten for feil av mennesker som hevder å ha sett Kristi oppstandelse sannsynligheten for at denne hendelsen faktisk skjedde. Men pastor Bayes likte ikke denne teorien.
Krypteringsapparat "Enigma"
Foto: AFP 2016, Timothy A. Clary
Bestemt for å bevise at Hume tok feil, forsøkte Bayes å kvantifisere sannsynligheten for en hendelse. Til å begynne med kom han opp med et enkelt scenario: Se for deg en ball kastet på et flatt bord bak ryggen din. Du kan gjette hvor han landet, men det er umulig å fortelle uten å se på hvor nøyaktig du var. Be deretter en kollega om å kaste en annen ball og fortelle deg om den er til høyre eller venstre for den første. Hvis den andre ballen er til høyre, er det mer sannsynlig at den første har landet på venstre side av bordet (av denne antagelsen er det mer plass til høyre for ballen for den andre ballen). For hver nye ball blir gjetningen din om plasseringen av den første ballen oppdatert og finpusset. Ifølge Bayes indikerer forskjellige bevis for Kristi oppstandelse påliteligheten av denne hendelsen,og de kan ikke diskonteres, slik Hume gjorde.
I 1767 publiserte Bayes 'venn Richard Price On The Significance of Christianity, its Evidence, and Possible Objections, der han brukte Bayesianske ideer til å utfordre Humes argumenter. Ifølge historikeren og statistikeren Stephen Stigler, i Prices artikkel, “var den grunnleggende sannsynlighetstanken at Hume undervurderte antallet uavhengige vitner til et mirakel, og Bayes resultater viste hvordan en økning i mengden bevis, uansett hvor upålitelig, kunne være sterkere enn en liten graden av sannsynlighet for en hendelse og gjør den dermed til et faktum”.
Statistikken som vokste ut av arbeidet til Price og Bayes ble kraftig nok til å håndtere et bredt spekter av usikkerheter. I medisin hjelper Bayes-setningen å vurdere sammenhenger mellom sykdommer og mulige årsaker. I kamp innsnevrer det rommet for å lokalisere fiendens posisjoner. I informasjonsteori kan den brukes til å dekryptere meldinger. Og innen kognitiv vitenskap gjør det det mulig å forstå betydningen av sensoriske prosesser.
Kampanjevideo:
Bayes teorem ble brukt på hjernen på slutten av 1800-tallet. Den tyske fysikeren Hermann von Helmholtz brukte Bayesianske ideer for å presentere ideen om å transformere sensoriske data, som bevissthet om rom, til informasjon gjennom en prosess han kalte ubevisst slutning. Bayesiansk statistikk ble populær, og ideen om at ubevisste mentale beregninger iboende var sannsynlige, virket ikke lenger langt hentet. I følge Bayesian Brain Hypothesis gjør hjernen kontinuerlig Bayesian slutninger for å kompensere for mangelen på sensorisk informasjon, akkurat som hver påfølgende ball som kastes på Bayesian-bordet, fyller hullene der den første ballen ligger. Den Bayesiske hjernen danner en intern modell av verden: forventninger (eller antagelser) omhvordan forskjellige objekter ser ut, føles, lyder, oppfører seg og samhandler. Dette systemet mottar sensoriske signaler og simulerer omtrent det som skjer rundt.
For eksempel visjon. Lys spretter av gjenstander rundt oss og treffer overflaten på netthinnen, og hjernen må på en eller annen måte skape et tredimensjonalt bilde av todimensjonale data. Mange tredimensjonale bilder kan fås fra dem, så hvordan bestemmer hjernen hva de skal vise oss? Gjelder sannsynligvis Bayesian-modellen. Det virker nesten utrolig at hjernen har utviklet seg så mye at den har blitt i stand til å gjøre statistiske beregninger nær idealet. Datamaskinene våre kan ikke håndtere et så stort antall statistiske sannsynligheter, og vi ser ut til å gjøre det hele tiden. Men kanskje hjernen fremdeles ikke er i stand til dette. I henhold til prøvetakingsteorien kan bevissthetsmetodene nærme seg Bayesiansk slutning: i stedet for å utstede alle forutsetningene som kan forklare ethvert sensorisk signal,hjernen tar bare noen få av dem i betraktning, valgt tilfeldig (antall ganger hver av forutsetningene er valgt, er basert på hyppigheten av de tilsvarende tilfellene tidligere).
Dette kan forklare opprinnelsen til visuelle illusjoner: hjernen velger det “beste gjetningen” i henhold til reglene for Bayesiansk slutning, og det viser seg å være falsk, siden visualiseringssystemet fyller informasjonshull med et utvalg fra en upassende intern modell. For eksempel ser det ut til at to firkanter på et sjakkbrett har forskjellige fargenyanser, eller at en sirkel ser ut til å være konkav først og blir konveks etter 180 graders rotasjon. I slike tilfeller antar hjernen opprinnelig feil antagelse om noe så enkelt som belysning.
Det hjelper også med å forklare hvorfor den tidligere informasjonen mottas, jo sterkere blir dens innvirkning på personen med hans minner, inntrykk, beslutninger, forklarer Alan Sanborn (Adam Sanborn), som studerer atferdsproblemer ved University of Warwick. Potensielt foretrekker folk å kjøpe fra den første selgeren de møter. Spilleautomater er mer sannsynlig å fortsette spillet hvis det startet med en seier. Førsteinntrykket er ofte vanskelig å tilbakevise, selv om det er fundamentalt feil. "Når du har fått den første informasjonen, vil du legge til grunn antagelser som stemmer overens med den," presiserer Sanborn.
Denne variasjonen går helt på nøytronnivå. "Tanken er at nøytronaktivitet er en tilfeldig variabel som du prøver å utlede," sier Máté Lengyel, en nevroforsker basert i Cambridge. Med andre ord, variasjonen av nevral aktivitet er en indikator på sannsynligheten for en hendelse. La oss vurdere et forenklet eksempel - et nevron som er ansvarlig for begrepet "tiger". Nevronen vil svinge mellom to aktivitetsnivåer, høyt når det er signal om tilstedeværelse av en tiger og lav, noe som betyr at det ikke er noen tiger. Antall ganger nevronen er veldig aktiv, øker sannsynligheten for at en tiger er til stede. "I det vesentlige kan vi si at aktiviteten til et nevron er et utvalg fra en sannsynlighetsfordeling," sier forskeren. - Det viser seg at du utvikler denne ideen på en mer realistisk og mindre forenklet måte,da inkluderer det mange ting vi vet om nevroner og variasjonen i responsene deres."
En av Sanborns kolleger, Thomas Hills, forklarer at måten vi velger blant mentale bilder, ligner noe på hvordan vi søker etter fysiske gjenstander i rommet. Hvis du vanligvis henter melk fra baksiden av supermarkedet, er det første du gjør å gå dit når du kommer til den nye butikken for melk. Dette er ikke forskjellig fra å lete etter indre bilder i hjernen. “Man kan forestille seg hukommelsen som en slags registrering av den rasjonelle hyppigheten av hendelser i verden. Minner blir kodet inn i mentale bilder i forhold til tidligere erfaringer. Så hvis jeg spør deg om forholdet ditt til moren din, kan du begynne å tenke: her er et minne om et positivt samspill, her er et nytt minne om et positivt samspill, og her er et negativt. Men i gjennomsnitt er minnene fra forholdet til moren din gode, så du sier "bra", "- sier Thomas Hills. Hjernen er en slags søkemotor som velger minner, og skaper det Hills kaller "trosstrukturer" - ideen om forbindelse med foreldre, definisjoner av "hund", "venn", "kjærlighet" og alt annet.
Hvis søkeprosessen går galt, det vil si at hjernen tar et utvalg fra informasjon som ikke er representativ for den menneskelige opplevelsen, hvis det er et misforhold mellom forventningene og det virkelige sensoriske signalet, oppstår depresjon, tvangssyndrom, posttraumatiske lidelser og en rekke andre sykdommer.
Dette er ikke å si at den Bayesiske hjernehypotesen ikke har noen motstandere. “Jeg tror det Bayesiske rammeverket, som et slags matematisk språk, er et kraftig og nyttig middel for å uttrykke psykologiske teorier. Men det er viktig å analysere hvilke teorier som faktisk gir en forklaring,”sa Matt Jones fra University of Colorado i Boulder. Etter hans mening stoler tilhengere av "Bayesian brain" for mye på den delen av teorien som snakker om statistisk analyse.”I seg selv forklarer det ikke mangfoldet i atferd. Det er fornuftig bare i kombinasjon med det som faktisk viser seg å være en fri antagelse om arten av kunnskapsrepresentasjon: hvordan vi organiserer begreper, ser etter informasjon i minnet, bruker kunnskap til argumentasjon og problemløsning”.
Med andre ord viser våre påstander om den psykologiske behandlingen av informasjon som kognitiv vitenskap tradisjonelt har gjort, hvordan Bayesiansk statistikk blir brukt på hjernens funksjon. Modellen oversetter disse teoriene til matematikkens språk, men denne tolkningen er basert på konservativ psykologi. Til syvende og sist kan det være at andre bayesiske eller ikke-bayesiske modeller passer bedre inn i de forskjellige mentale prosessene som ligger til grunn for vår sanseoppfatning og høyere tenkning.
Sanborn kan være uenig i Jones syn på den bayesiske hjernehypotesen, men han forstår at neste trinn er å begrense mangfoldet av modeller i aksjon. “Vi kan si at prøvetaking i seg selv er nyttig for å forstå hjernens aktivitet. Men det er mange valg. Hvor mye de er enige med Bayesiansk teori gjenstår å se. Vi kan imidlertid allerede si at forsvaret av kristendommen på 1700-tallet hjalp forskere med å oppnå stor suksess på det 21..
