Presbyterianska prästen Thomas Bayes hade ingen aning om att han skulle ge ett varaktigt bidrag till mänsklighetens historia. Bayes föddes i England i början av 1700-talet och var en tyst man med ett nyfiket sinne. Under sitt liv publicerade han bara två verk: "Herrens godhet" 1731 till försvar för Gud och den brittiska monarkin, samt en anonym artikel till stöd för Isaac Newtons beräkningar 1736. Men ett argument som Bayes framförde före sin död 1761 bestämde historiens gång. Han hjälpte Alan Turing att bryta den tyska Enigma-krypteraren, US Navy spåra sovjetiska ubåtar och statistiker identifiera Federalist Papers. Och idag, med hjälp av det, löser de sinnets hemligheter.
Allt började 1748, då filosofen David Hume publicerade The Enquiry in Human Knowledge och bland annat ifrågasatte existensen av mirakel. Enligt Hume överväger sannolikheten för misstag av människor som påstår sig ha sett Kristi uppståndelse sannolikheten för att denna händelse faktiskt hände. Men pastor Bayes tyckte inte om denna teori.
Krypteringsapparat "Enigma"
Foto: AFP 2016, Timothy A. Clary
Fast besluten att bevisa att Hume hade fel, försökte Bayes att kvantifiera sannolikheten för en händelse. Till att börja med kom han med ett enkelt scenario: Tänk dig en boll som kastas på ett platt bord bakom dig. Du kan gissa var han landade, men det är omöjligt att säga utan att titta på hur exakt du var. Be sedan en kollega att kasta en annan boll och berätta om den är till höger eller vänster om den första. Om den andra bollen är till höger är det mer troligt att den första har landat på vänster sida av bordet (enligt detta antagande finns det mer utrymme till höger om bollen för den andra bollen). För varje ny boll kommer din gissning om platsen för den första bollen att uppdateras och förfinas. Enligt Bayes visar olika bevis för Kristi uppståndelse på liknande sätt tillförlitligheten hos denna händelse,och de kan inte diskonteras, som Hume gjorde.
År 1767 publicerade Bayes vän Richard Price om betydelsen av kristendomen, dess bevis och möjliga invändningar, där han använde Bayesianska idéer för att utmana Humes argument. Enligt historikern och statistikern Stephen Stigler, i Price: s artikel,”var den grundläggande probabilistiska idén att Hume underskattade vikten av antalet oberoende vittnen till ett mirakel, och Bayes resultat visade hur en ökning av mängden bevis, hur opålitlig som helst, kunde vara starkare än en liten graden av sannolikhet för händelsen och därmed förvandlar den till ett faktum."
Statistiken som växte fram ur Price och Bayes arbete var tillräckligt kraftfull för att hantera ett brett spektrum av osäkerheter. Inom medicinen hjälper Bayes sats att överväga kopplingarna mellan sjukdomar och möjliga orsaker. I strid minskar det utrymmet för lokalisering av fiendens positioner. I informationsteorin kan den användas för att dekryptera meddelanden. Och inom kognitiv vetenskap gör det det möjligt att förstå innebörden av sensoriska processer.
Kampanjvideo:
Bayes sats tillämpades på hjärnan i slutet av 1800-talet. Den tyska fysikern Hermann von Helmholtz använde Bayes idéer för att presentera idén att omvandla sensoriska data, såsom medvetenhet om rymden, till information genom en process som han kallade omedveten slutledning. Bayesisk statistik blev populär, och tanken att omedvetna mentala beräkningar i sig var sannolika verkade inte långsökt. Enligt Bayesian Brain Hypothesis gör hjärnan kontinuerligt Bayesian slutsatser för att kompensera för bristen på sensorisk information, precis som varje efterföljande boll som kastas på Bayesian-bordet fyller i information om placeringen av den första bollen. Den Bayesiska hjärnan utgör en intern modell av världen: förväntningar (eller antaganden) omhur olika objekt ser ut, känner, ljud, beter sig och interagerar. Detta system tar emot sensoriska signaler och simulerar ungefär vad som händer runt.
Till exempel vision. Ljus studsar av föremål runt oss och träffar ytan på näthinnan, och hjärnan måste på något sätt skapa en tredimensionell bild från tvådimensionell data. Många tredimensionella bilder kan erhållas från dem, så hur bestämmer hjärnan vad den ska visa oss? Tillämpar antagligen Bayesian-modellen. Det verkar nästan otroligt att hjärnan har utvecklats så mycket att den har blivit kapabel att göra statistiska beräkningar nära idealet. Våra datorer kan inte hantera ett så stort antal statistiska sannolikheter, och vi verkar göra det hela tiden. Men kanske är hjärnan fortfarande inte kapabel till detta. Enligt provtagningsteorin kan medvetenhetsmetoderna närma sig Bayesian slutsats: istället för att samtidigt utfärda alla antaganden som kan förklara vilken sensorisk signal som helst,hjärnan tar endast hänsyn till ett fåtal av dem, slumpmässigt utvalda (antalet gånger var och en av antagandena väljs baseras på frekvensen i motsvarande fall tidigare).
Detta kan förklara ursprunget till visuella illusioner: hjärnan väljer den "bästa gissningen" enligt reglerna för Bayesians slutsats, och det visar sig vara falskt, eftersom visualiseringssystemet fyller informationsbrister med ett urval från en olämplig intern modell. Till exempel verkar det som om två rutor på schackrutan har olika färgnyanser, eller att cirkeln först ser konkav ut och blir konvex efter 180 graders rotation. I sådana fall antar hjärnan initialt fel antagande om något så enkelt som belysning.
Det hjälper också till att förklara varför ju tidigare information tas emot, desto starkare blir dess inverkan på personen med hans minnen, intryck, beslut, förklarar Alan Sanborn (Adam Sanborn), som studerar beteendeproblem vid University of Warwick. Potentiellt föredrar folk att köpa från den första säljaren de träffar. Slots spelare är mer benägna att fortsätta spelet om det började med en vinst. Det första intrycket är ofta svårt att motbevisa, även om det i grunden är fel. "När du har fått den första informationen kommer du att göra antaganden som överensstämmer med den", klargör Sanborn.
Denna variabilitet går hela vägen på neutronnivå. "Tanken är att neutronaktivitet är en slumpmässig variabel som du försöker härleda", säger Máté Lengyel, en neurovetenskaplig baserad i Cambridge. Med andra ord är variationen i neural aktivitet en indikator på sannolikheten för en händelse. Låt oss överväga ett förenklat exempel - en neuron som är ansvarig för begreppet "tiger". Neuronen kommer att svänga mellan två aktivitetsnivåer, höga när det finns en signal för närvaron av en tiger och låg, vilket innebär att det inte finns någon tiger. Antalet gånger neuronen är aktiv ökar sannolikheten för att en tiger är närvarande. "I det här fallet kan vi säga att aktiviteten hos en neuron är ett urval från en sannolikhetsfördelning", säger forskaren. - Det visar sig om du utvecklar denna idé på ett mer realistiskt och mindre förenklat sätt,då innehåller det många saker vi vet om nervceller och variationen i deras svar."
En av Sanborns kollegor, Thomas Hills, förklarar att sättet vi väljer bland mentala bilder liknar hur vi söker efter fysiska föremål i rymden. Om du vanligtvis hämtar mjölk från stormarknadens baksida är det första du gör att åka dit när du kommer till den nya butiken för mjölk. Detta skiljer sig inte från att leta efter interna bilder i hjärnan.”Man kan föreställa sig minne som ett slags register över den rationella frekvensen av händelser i världen. Minnen kodas till mentala bilder i proportion till tidigare erfarenheter. Så om jag frågar dig om ditt förhållande med din mamma kan du börja tänka: här är ett minne om en positiv interaktion, här är ett annat minne om en positiv interaktion, och här är ett negativt. Men i genomsnitt är minnena från ditt förhållande till din mamma bra, så du säger "bra" "- säger Thomas Hills. Hjärnan är en slags sökmotor som väljer minnen och skapar det som Hills kallar "trosstrukturer" - tanken på anslutning till föräldrar, definitioner av "hund", "vän", "kärlek" och allt annat.
Om sökprocessen går fel, det vill säga, gör hjärnan ett urval från information som inte är representativ för den mänskliga upplevelsen, om det finns en skillnad mellan förväntningarna och den verkliga sensoriska signalen, då uppstår depression, tvångssyndrom, posttraumatiska störningar och ett antal andra sjukdomar.
Detta är inte att säga att den Bayesiska hjärnhypotesen inte har några motståndare.”Jag tror att den Bayesiska ramen, som ett slags matematiskt språk, är ett kraftfullt och användbart sätt att uttrycka psykologiska teorier. Men det är viktigt att analysera vilka teorier som faktiskt ger en förklaring, säger Matt Jones från University of Colorado i Boulder. Enligt hans åsikt förlitar sig anhängare av "Bayesian hjärnan" för mycket på den del av teorin som talar om statistisk analys.”I sig förklarar det inte mångfalden i beteendet. Det är vettigt bara i kombination med det som faktiskt visar sig vara ett fritt antagande om kunskapsrepresentationens natur: hur vi organiserar begrepp, letar efter information i minnet, använder kunskap för argumentation och problemlösning”.
Med andra ord visar våra påståenden om den psykologiska bearbetningen av information som kognitiv vetenskap traditionellt har gjort hur Bayesiansk statistik tillämpas på hjärnans funktion. Modellen översätter dessa teorier till matematikens språk, men denna tolkning bygger på konservativ psykologi. I slutändan kan det vara så att andra Bayesiska eller icke-Bayesiska modeller passar bättre in i de olika mentala processerna som ligger till grund för vår sensoriska uppfattning och högre tänkande.
Sanborn kanske inte håller med Jones syn på den Bayesiska hjärnhypotesen, men han förstår att nästa steg är att begränsa de olika modellerna i aktion.”Vi kan säga att provtagningen i sig är användbar för att förstå hjärnans aktivitet. Men det finns många val. Hur mycket de håller med Bayesiansk teori återstår att se. Vi kan dock redan säga att försvaret av kristendomen på 1700-talet hjälpte forskare att uppnå stor framgång under det 21: a.
