Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

我们都是「贝叶斯观察者」

我们需要保持这种见解:假如信息是出乎意料和令人惊奇的,那么它们是富含信息的。但是,现在我们还必须增加新的见解:信息可能对于一个人比对于另一个人来说更令人惊奇。一条客观上令人意外和出乎意料的信息或许可以界定为这样一种信息:它可以改变我们对世界的看法,进而改变我们的行为。


我们也可以说一条信息所含信息量可以达到改变接受者对世界的信念的程度。要知道信息传载了多少信息量给接受者,我们就得在信息到达之前了解接收者的信念,然后才能知道接受者在收到讯息后的信念改变了多少。但是,能否测量出接收者先前信念和信念的变化呢?


贝叶斯定理或许可以担当重任,P(A\X)=p(X\A)∗p(A)/p(X)


贝叶斯定理可以精确的说明在已知新证据X的情况下,我应该改变多少关于A的信念。在这个等式中,p(A)是新证据X出现之前我对A的先验信念。p(X\A)是在A确定的前提下,将会得到证据X的可能性。P(A\X)是在考虑新证据后我对于A的后验信念。


贝叶斯定理的重要性在于,它能准确的测量出一条新证据将会使我们对我们关于世界的观念改变多少,它为我们提供了一把标尺,帮助我们判断是否恰当使用新证据。这由此引出「理想的贝叶斯观察者」概念:一个总是以最可能的方式使用证据的神话人物。


当我们在思考罕见事件和庞大数目时,我们是非常不善于利用证据的。心理学家得益于设计这样的问题并且对此乐此不疲,这些问题是学生们经常会无可奈何犯错的问题。虽然我们思考这些问题时,不是一个「理想的贝叶斯观察者」,但是现在有许多证据表明,我们的脑不会贝那些罕有事件和庞大数目所误导。当利用来自于我们感官的证据时,我们的脑就是一个理想的观察者。


例如,我们的脑必须解决的一个问题是,如何整合来自我们不同感官的证据。当我们在听别人说话时,我们的脑要整合来自于眼睛的证据(看到他们嘴唇的运动)和来自耳朵的证据(听到他们发出的声音)。当我们拾起东西时,我们的脑要整合来自于眼睛的证据(物体的外形怎样)和来自于触觉的证据(物体的感觉怎样)。


当整合这些证据时,我们的脑就像一个理想的贝叶斯观察者一样:忽视无关紧要的证据,强调有力的证据。当我在喧噪的聚会上与其他人交流时,我发现自己紧盯着他的嘴唇,因为在这种情形下,通过眼睛得来的证据比通过耳朵得来的证据更有效。


但是,贝叶斯定理还有一点对于我们理解脑如何运作甚至更为重要。它有两个关键构件:p(A\X)和p(X\A)。p(A\X)告诉我们,给定新证据(X),我们需要改变多少我们关于这个世界的信念(A)。p(X\A)告诉我们,给定我们关于这个世界的信息(A),我们期望得到什么样的证据(X)。我们把这两个构件看作是作出预测和察觉预测误差的手段。


现在,我们的脑可以根据它对世界的信念来预测活动的模式,这些活动模式是通过我的眼睛、耳朵和其他感官来察觉的:p(X\A)。如果在预测时出现误差,会发生什么呢?这些误差十分重要,因为我的脑能利用它们来更新脑对世界的信念,并产生出一个更好的信念:p(A\X)。一旦这种更新发生,我们的脑对世界就产生了一个新的信念,并对通过我的感官察觉的活动模式进行新的预测


我的脑会重复这个过程,每循环一次,预测误差就变小一次。当预测误差变得足够小时,我的脑就可以「知道」外在世界那边的东西是何物了。这一切发生的如此之快,以至于我根本意识不到这个复杂过程。知晓外在世界那边的东西是何物对于我来说好像是件轻而易举的事情,但我的脑陷入这无止境的预测和更新的循环中,一刻不得停歇。


本文节选于《心智的构建》,作者Chris Frith

 

入门理论贝叶斯脑科学
1
暂无评论
暂无评论~