大脑是贝叶斯吗?


 通过贝叶斯算法了解我们的大脑认知过程,实际上反过来也可以通过对自己的认识机制反思去真正理解贝叶斯定理。
 贝叶斯推理是一种根据新证据经验更新信念的方法,利用概率捕获这些信念的强度。因此,它与频率论推断不同,后者侧重于我们在特定条件下观察一组指定事件的频率。(贝叶斯推理需要预设条件)。
 贝叶斯推理被视为在现实世界中评估证据和判断概率的最佳方式; “最佳”在某种意义上说,它在整合不同信息来源以达到产出的方式上是理想的理性。在人工智能领域,贝叶斯推理已经被发现可以有效地帮助机器逼近某些人类的能力,例如图像识别。但有理由相信这是人类思维过程更普遍的运作方式吗?我们的信念,判断和决定是否遵循贝叶斯推理规则?

贝叶斯定理
贝叶斯定理为我们提供了计算某些事件发生概率的方法,这些事件可能发生在其他事件的条件下 - 表示为0到1之间的概率。考虑以下公式:

 这告诉我们在事件E发生的情况下发生事件B的概率。这被称为条件概率,并且它是通过将指定BE的条件概率乘以事件B的概率除以事件E的概率而得到的。
 同样的基本思想可以应用于信仰或信念(人的相信机制,怎么会相信某些事情的?)。在这种情况下,PB | E)被解释为指定证据E的信念B的强度,而PB)是我们在遇到证据E之前的先前信念水平,(先前信念也称先验信念,先于经验的信念,这里证据就是代表经验)。
 使用贝叶斯定理,我们可以将“先验信念”转变为“后验信念”。当出现新的证据时,我们可以重复计算,我们的最后一个后验信念成为我们的下一个先验信念。我们评估的证据越多(经历的经验越多),我们的判断就越清晰。

大脑表面之下
 对于大脑中贝叶斯推理的最明确证据,我们必须审视管理我们如何思考和评估证据的高级认知过程,并考虑控制感知和运动的无意识过程。
 剑桥大学神经科学研究中心的Daniel Wolpert教授认为,我们拥有贝叶斯大脑,感谢我们能够优雅高效地移动我们的身体 - 通过对我们所做的每一个动作的结果进行可靠,快速的预测。
 想象一下,对篮球圈进行投球。在贝叶斯公式的背景下,“信念”将是我们的大脑已经知道的关于世界的本质(重力如何工作,球如何表现,我们曾经拍摄过的每一个镜头),而“证据(经验)”是我们的感官关于现在正在发生什么的输入(是否有微风,到篮筐的距离,我们有多累,对方球员的防守能力)。Wolpert教授对人们如何控制他们的运动进行了大量研究,他们认为,当我们经历生活时,我们的大脑会收集不同运动任务的统计数据,并将这些以贝叶斯方式与感官数据相结合,同时估计其可靠性。那些数据。“我们真的是贝叶斯推理机,”他说。
当我们经历生活时,我们的大脑收集不同运动任务的统计数据,并将这些以贝叶斯方式与其他数据相结合
为了证明这一点,Wolpert教授和他的团队邀请研究对象到他们的实验室进行基于尖端神经科学技术的测试:挠痒痒。
正如每个五岁的孩子都知道的那样,其他人可以通过挠痒痒来轻松地让你发出笑声,但你不能痒痒自己。现在,Wolpert的团队使用一个机器人手臂来调解和延迟人们的自我搔痒动作,只需延迟几分之一秒 - 结果证明足以让人感觉痒痒。
 试图自己对自己挠痒痒却不会发笑的原因是,你的身体非常善于预测你的运动结果并做出反应,它会取消预期效果。但是,通过推迟人们的行动,Wolpert教授能够扼杀大脑的预测,足以带回惊喜的元素。这揭示了大脑对以某种方式移动的手指最终会发生什么结果有高度协调的预估,这与贝叶斯计算从相同数据产生的结果非常相似。
Erno等人的一项研究:发表在“ 科学”杂志上的文章中,他们研究了一岁大的婴儿以及他们如何学会预测物体的运动 - 根据物体以不同的方式移动物体时的长度来衡量。该研究发现,婴儿的“期望与贝叶斯观察者模型一致”,反映了“理性概率期望”。换句话说,婴儿学会了期待特定的移动模式,以及它们的期望与发生不同图案的概率的贝叶斯分析是一致的。
其他研究人员已经在更高层次的认知中发现了贝叶斯主义的迹象。加利福尼亚大学伯克利分校的Tom Griffiths和麻省理工学院的Josh Tenenbaum在2006年的一项研究中要求人们预测人们将活多久,电影会赚多少钱,以及政客们上任的时间。他们获得的唯一数据是到目前为止的运行总数:当前年龄,到目前为止的资金,以及迄今为止在办公室服务的年数。研究人员发现,人们的预测与贝叶斯计算得出的预测非常接近。
这表明大脑不仅掌握了贝叶斯定理,而且还基于对人类生命跨度,票房收入和政治任期的不同分布模式的理解,对这些现实生活现象进行了精细调整。这是许多研究中的一项,这些研究提供了我们学习和思考方式背后的概率模型的证据。

概率难题 
在真正接受贝叶斯大脑假设之前,必须考虑许多强有力的反驳论点。对于初学者来说,也有很多事情经常让许多人迷惑。例如,许多人会告诉你,如果你扔掉一系列硬币,那么获得所有头部或所有尾巴的可能性就会低。但实际不是,贝叶斯定理说明了原因:由于硬币投掷是独立的,没有理由期望一个序列比另一个序列更可能。
 还有众所周知的蒙蒂霍尔问题,甚至可以欺骗受过训练的人。参与者被要求在 A,B或C三个门中选择一个  - 其中一个门后面是奖品。然后游戏的主持人打开一个未获胜的门(比如说C),之后选手可以选择是:坚持原来的门(比如A)还是切换到另一个未开启的门(比如说B) 。长话短说:大多数人认为转换没有任何区别,但实际上它会提高你获胜的机会。数学家Keith Devlin已经展示了如何使用贝叶斯的公式来解决这个问题,因为当门C打开却没有奖品时,奖品在门B后面的先验概率为1比3,而此时变为2比3。详细信息在线(bit.ly/28J37bX)而且它们相当简单。当然,贝叶斯大脑可以完美地应对这些计算吗?
心理学家已经发现了大量的例子,我们的大脑无法正确地权衡概率。诺贝尔奖获得者和畅销书作家丹尼尔·卡尼曼(Daniel Kahneman)等人的工作,揭示了我们如何思考和行动的奇怪怪癖 - 产生了无数的偏见和心理捷径,产生了可疑的决定。例如,如果确认我们现有的信念,我们更有可能注意到并相信符合现有信念的信息。我们一直为我们在某个主题上遇到的第一个证据赋予过多的权重。我们高估了容易记住的事件的可能性 - 这意味着事情越不寻常,我们的大脑就越有可能认为它会发生。
这些奇怪的心理习惯远离你对贝叶斯大脑的期望。至少,他们认为我们的“先前信念”已经无可救药地崩塌。(心理因素对先验信念影响很大,先验信念是贝叶斯算法的假设前提,不变部分,也是弱项部分)。
​​​​​​“有相当多的证据表明,大多数人在进行推理时都是非贝叶斯人,”伯明翰阿​​斯顿大学的罗伯特马修斯谈论关于概率推理的挑战。“例如,在评估预测或诊断测试时,人们通常会忽略基础概率谬误效应,忽略了了解误报率和误报率的必要性。”
至于基础概率,贝叶斯定理告诉我们将这些作为“先验信念”考虑在内 - 这是我们凡人在动态判断概率时经常忽略的关键步骤。所谓基础概率,你得某病概率是百分之九十,但这种病在人群中概率是百分之一,需要考虑后面的基础概率。
总而言之,概率问题是证明“我们的大脑并不是是贝叶斯“的证据。但是不要忘记我们正在处理已知宇宙中最复杂的事物,而这些引人入胜的怪癖和瑕疵并不能完整地描述我们的思考方式。
生活充满了真正难以解决的问题,我们的大脑必须在不确定和不断变化的状态下努力解决。
在过去的十年或二十年里,行为经济学已经讲述了一个关于人类的非常特殊的故事:我们是非理性的,容易出错,这在很大程度上归功于大脑的错误,特殊的硬件。这种自嘲的故事越来越熟悉,但某些问题依然令人烦恼。例如,为什么四岁儿童在视觉,语言和因果推理等一系列认知任务中仍然优于百万美元的超级计算机?

.....(点击标题读原文)

总结
在某种程度上,无论你是否称大脑为为贝叶斯,这都会成为一种哲学讨论。贝叶斯脑理论被用作理性分析的一部分,其中涉及基于理性的起始假设开发认知模型,看它们是否有效,然后进行复习。汤姆格里菲斯说:“事实证明,使用这种方法可以使认知模型运作得很好。尽管我们有偏离贝叶斯推理的方法,但它背后的基本思想是正确的。“
 所以贝叶斯大脑的想法是给研究人员的礼物,因为它“为我们提供了理解大脑该做什么的工具”,格里菲斯说。对于大脑所做的很多事情,贝叶斯推理仍然是“城市中最好的游戏,就理想解决方案的特征而言”。