Поисковые алгоритмы мозга
Пресвитерианский священник Томас Байес (Thomas Bayes) даже не подозревал, что сделает долгосрочный вклад в историю человечества. Родившийся в Англии в начале XVIII века Байес был тихим человеком с пытливым умом. За свою жизнь он издал всего два труда: «Благость Господня» 1731 года в защиту Бога и британской монархии, а также анонимную статью в поддержку расчетов Исаака Ньютона 1736 года. Тем не менее, один аргумент, который Байес огласил перед смертью в 1761 году, определил ход истории. Он помог Алану Тьюрингу (Alan Turing) взломать немецкий шифратор «Энигма», военно-морским силам США - обнаруживать советские подводные лодки, а статистикам - установить авторство «Записок Федералиста». А сегодня с помощью него разгадывают тайны разума.
© AFP 2016, Timothy A. Clary Шифровальный аппарат "Энигма"
Все началось в 1748 году, когда философ Дэвид Юм (David Hume) опубликовал «Изыскание о человеческом познании» и, помимо прочего, усомнился в существовании чудес. По мнению Юма, вероятность ошибки людей, утверждающих, что видели воскрешение Христа, перевешивает вероятность того, что это событие действительно произошло. Но преподобному Байесу такая теория была не по душе.
Твердо намеренный доказать, что Юм не прав, Байес попытался количественно измерить вероятность того или иного события. Для начала он придумал простой сценарий: представьте себе мяч, брошенный на плоский стол за вашей спиной. Вы можете делать предположения о том, где он приземлился, но сказать, не глядя, насколько вы были точны, невозможно. Тогда попросите коллегу бросить еще один мяч и сказать вам, лег ли он справа или слева от первого. Если второй мяч справа, то более вероятно, что первый приземлился в левой части стола (по такому предположению, справа от мяча остается больше места, где мог бы оказаться второй мяч). С каждым новым мячом ваша догадка по поводу расположения первого мяча будет обновляться и уточняться. По идее Байеса, различные доказательства воскрешения Христа аналогичным образом указывают на достоверность этого события, и их нельзя сбрасывать со счетов, как сделал Юм.
В 1767 году друг Байеса Ричард Прайс (Richard Price) выпустил работу «О значении христианства, его доказательствах и вероятных возражениях», в которой воспользовался идеями Байеса, бросая вызов аргументам Юма. Как говорит историк и статистик Стивен Стиглер (Stephen Stigler), в статье Прайса «основная вероятностная идея заключалась в том, что Юм недооценивал значение количества независимых свидетелей чуда, а результаты Байеса показали, как увеличение числа доказательств, пусть даже ненадежных, может оказаться сильнее малой степени вероятности события и таким образом превращает его в факт».
Статистика, выросшая из работ Прайса и Байеса, стала достаточно сильным средством, чтобы учитывать широкий диапазон неопределенностей. В медицине теорема Байеса помогает рассматривать связи заболеваний с возможными причинами. В бою она сужает пространство локализации позиций врага. В теории информации ее можно применять для расшифровки сообщений. А в когнитивной науке она дает возможность понять смысл сенсорных процессов.
Применять теорему Байеса к работе мозга начали в конце XIX века. Немецкий физик Герман фон Гельмгольц (Hermann von Helmholtz) использовал идеи Байеса, чтобы представить идею преобразования сенсорных данных, таких как, например, осознание пространства, в информацию через процесс, который он назвал бессознательным умозаключением. Байесовская статистика стала популярной, и мысль о том, что бессознательные умственные расчеты вероятны по своей природе, уже не казалась надуманной. В соответствии с «гипотезой байесовского мозга», мозг постоянно делает байесовские умозаключения, чтобы компенсировать недостаток сенсорной информации, подобно тому, как каждый последующий мяч, брошенный на стол Байеса, заполняет пробелы в информации о местоположении первого мяча. «Байесовский мозг» формирует внутреннюю модель мира: ожидания (или предположения) о том, как различные объекты выглядят, ощущаются, звучат, ведут себя и взаимодействуют. Эта система принимает сенсорные сигналы и приблизительно моделирует происходящее вокруг.
Например, зрение. Свет отражается от окружающих нас объектов и попадает на поверхность сетчатки глаза, а мозг каким-то образом должен создавать трехмерное изображение из двумерных данных. Из них можно получить множество трехмерных образов, так как же мозг решает, что нам показать? Вероятно, применяет байесовскую модель. Практически невероятным кажется тот факт, что мозг эволюционировал настолько, что стал способен делать близкие к идеалу статистические выкладки. Наши компьютеры не могут обработать такое огромное число статистических вероятностей, а мы, похоже, делаем это постоянно. Но, может быть, мозг все же не способен на это. Согласно теории выборки, методы сознания могут приближаться к байесовским умозаключениям: вместо того, чтобы одновременно выдавать все предположения, которые могут объяснить какой-либо сенсорный сигнал, мозг принимает во внимание всего несколько из них, отобранные случайным образом (число раз, когда выбирается каждое из предположений, основано на частотности соответствующих случаев в прошлом).
Это могло бы объяснить происхождение зрительных иллюзий: мозг выбирает «наилучшую догадку» согласно правилам байесовского умозаключения, и она оказывается ложной, поскольку система создания зрительных образов заполняет информационные пустоты выборкой из неподходящей внутренней модели. Например, кажется, что два квадрата на шахматной доске имеют разные оттенки цвета или круг сначала выглядит вогнутым, а после поворота на 180 градусов становится выпуклым. В таких случаях мозг изначально делает неправильное предположение о такой простой вещи, как освещение.
Это также помогает объяснить, почему чем раньше получена информация, тем сильнее ее влияние на человека с его воспоминаниями, впечатлениями, решениями, объясняет Алан Сэнборн (Adam Sanborn), изучающий проблемы поведения в Уорвикском университете. Потенциально люди предпочитают покупать товар у первого же встреченного ими продавца. Играющие на автоматах более склонны продолжить игру, если она началась с выигрыша. Первое впечатление нередко бывает трудно опровергнуть, даже если оно в корне неправильное. «Получив изначальную информацию, вы будете создавать предположения, которые с ней согласуются», - уточняет Сэнборн.
Эта изменчивость проходит весь путь на нейтронном уровне. «Идея заключается в том, что активность нейтронов представляет собой случайную переменную, которую вы пытаетесь вывести», - говорит Мате Ленгиел (Máté Lengyel), нейробиолог из Кембриджа. Другими словами, изменчивость нейронной активности - показатель вероятности события. Рассмотрим упрощенный пример - нейрон, отвечающий за понятие «тигр». Нейрон будет колебаться между двумя уровнями активности, высокой при наличии сигнала присутствия тигра и низкой, которая означает, что тигра нет. Число отрезков времени высокой активности нейрона увеличивает вероятность присутствия тигра. «В сущности, в этом случае можно сказать, что активность нейрона - это выборка из распределения вероятностей, - говорит ученый. - Получается, если развивать эту идею в более реалистичном и менее упрощенном ключе, то она включает в себя множество вещей, известных нам о нейронах и изменчивости их ответов».
Один из коллег Сэнборна Томас Хиллс (Thomas Hills) объясняет, что методы нашего выбора среди ментальных образов в некотором роде напоминают то, как мы ищем физические объекты в пространстве. Если вы обычно берете молоко в дальней части супермаркета, то вы первым делом отправитесь туда, придя за молоком в новый магазин. Это ничем не отличается от поиска внутренних образов в мозгу. «Можно представить себе память как своеобразную запись рациональной частоты событий в мире. Воспоминания закодированы в умственные образы пропорционально прошлому опыту. Так что если я спрошу вас об отношениях с мамой, вы можете начать рассуждать: вот воспоминание о позитивном взаимодействии, вот еще одно воспоминание о позитивном взаимодействии, а вот - о негативном. Но в среднем воспоминания об отношениях с мамой хорошие, так что вы отвечаете „хорошие“», - говорит Томас Хиллс. Мозг - это своего рода поисковая система, которая выбирает воспоминания, создавая то, что Хиллс называет «структурами веры», - представление о связи с родителями, определения «собаки», «друга», «любви» и всего остального.
Если процесс поиска идет неправильно, то есть мозг делает выборку из информации, которая не является репрезентативной для опыта человека, если возникает несоответствие ожиданий и реального сенсорного сигнала, то возникают депрессии, обсессивно-компульсивный синдром, посттравматические расстройства и ряд других заболеваний.
Нельзя сказать, что у гипотезы «байесовского мозга» нет противников. «Думаю, байесовские рамки как своеобразный математический язык - это мощное и полезное средство выражения психологических теорий. Но важно анализировать, какие фрагменты теории действительно дают объяснение», - говорит Мэтт Джонс (Matt Jones) из Университета Колорадо в Боулдере. По его мнению, сторонники «байесовского мозга» слишком полагаются на ту часть теории, которая говорит о статистическом анализе. «Сама по себе она не объясняет разнообразие поведения. Она имеет смысл только в сочетании с тем, что в действительности оказывается вольным допущением на тему природы представления знаний: как мы организуем понятия, ищем информацию в памяти, используем знания для аргументации и решения проблем».
Другими словами, наши утверждения о психологической обработке информации, чем традиционно занимается когнитивистика, показывают, как байесовская статистика применяется к функциям мозга. Модель переводит эти теории на язык математики, но данная интерпретация основывается на консервативной психологии. В конечном итоге, может быть и так, что другие байесовские или небайесовские модели лучше впишутся в разнообразие ментальных процессов, лежащих в основе нашего сенсорного восприятия и высшей мыслительной деятельности.
Сэнборн может не соглашаться с мнением Джонса о гипотезе «байесовского мозга», однако он понимает, что следующий шаг - это сузить разнообразие действующих моделей. «Можно сказать, что выборка сама по себе является полезной для понимания деятельности мозга. Но существует множество вариантов выбора». Насколько они согласуются с теорией Байеса, еще предстоит узнать. Однако уже сейчас можно сказать, что защита христианства в XVIII веке, помогла ученым добиться больших успехов в XXI.
источник
© AFP 2016, Timothy A. Clary Шифровальный аппарат "Энигма"
Все началось в 1748 году, когда философ Дэвид Юм (David Hume) опубликовал «Изыскание о человеческом познании» и, помимо прочего, усомнился в существовании чудес. По мнению Юма, вероятность ошибки людей, утверждающих, что видели воскрешение Христа, перевешивает вероятность того, что это событие действительно произошло. Но преподобному Байесу такая теория была не по душе.
Твердо намеренный доказать, что Юм не прав, Байес попытался количественно измерить вероятность того или иного события. Для начала он придумал простой сценарий: представьте себе мяч, брошенный на плоский стол за вашей спиной. Вы можете делать предположения о том, где он приземлился, но сказать, не глядя, насколько вы были точны, невозможно. Тогда попросите коллегу бросить еще один мяч и сказать вам, лег ли он справа или слева от первого. Если второй мяч справа, то более вероятно, что первый приземлился в левой части стола (по такому предположению, справа от мяча остается больше места, где мог бы оказаться второй мяч). С каждым новым мячом ваша догадка по поводу расположения первого мяча будет обновляться и уточняться. По идее Байеса, различные доказательства воскрешения Христа аналогичным образом указывают на достоверность этого события, и их нельзя сбрасывать со счетов, как сделал Юм.
В 1767 году друг Байеса Ричард Прайс (Richard Price) выпустил работу «О значении христианства, его доказательствах и вероятных возражениях», в которой воспользовался идеями Байеса, бросая вызов аргументам Юма. Как говорит историк и статистик Стивен Стиглер (Stephen Stigler), в статье Прайса «основная вероятностная идея заключалась в том, что Юм недооценивал значение количества независимых свидетелей чуда, а результаты Байеса показали, как увеличение числа доказательств, пусть даже ненадежных, может оказаться сильнее малой степени вероятности события и таким образом превращает его в факт».
Статистика, выросшая из работ Прайса и Байеса, стала достаточно сильным средством, чтобы учитывать широкий диапазон неопределенностей. В медицине теорема Байеса помогает рассматривать связи заболеваний с возможными причинами. В бою она сужает пространство локализации позиций врага. В теории информации ее можно применять для расшифровки сообщений. А в когнитивной науке она дает возможность понять смысл сенсорных процессов.
Применять теорему Байеса к работе мозга начали в конце XIX века. Немецкий физик Герман фон Гельмгольц (Hermann von Helmholtz) использовал идеи Байеса, чтобы представить идею преобразования сенсорных данных, таких как, например, осознание пространства, в информацию через процесс, который он назвал бессознательным умозаключением. Байесовская статистика стала популярной, и мысль о том, что бессознательные умственные расчеты вероятны по своей природе, уже не казалась надуманной. В соответствии с «гипотезой байесовского мозга», мозг постоянно делает байесовские умозаключения, чтобы компенсировать недостаток сенсорной информации, подобно тому, как каждый последующий мяч, брошенный на стол Байеса, заполняет пробелы в информации о местоположении первого мяча. «Байесовский мозг» формирует внутреннюю модель мира: ожидания (или предположения) о том, как различные объекты выглядят, ощущаются, звучат, ведут себя и взаимодействуют. Эта система принимает сенсорные сигналы и приблизительно моделирует происходящее вокруг.
Например, зрение. Свет отражается от окружающих нас объектов и попадает на поверхность сетчатки глаза, а мозг каким-то образом должен создавать трехмерное изображение из двумерных данных. Из них можно получить множество трехмерных образов, так как же мозг решает, что нам показать? Вероятно, применяет байесовскую модель. Практически невероятным кажется тот факт, что мозг эволюционировал настолько, что стал способен делать близкие к идеалу статистические выкладки. Наши компьютеры не могут обработать такое огромное число статистических вероятностей, а мы, похоже, делаем это постоянно. Но, может быть, мозг все же не способен на это. Согласно теории выборки, методы сознания могут приближаться к байесовским умозаключениям: вместо того, чтобы одновременно выдавать все предположения, которые могут объяснить какой-либо сенсорный сигнал, мозг принимает во внимание всего несколько из них, отобранные случайным образом (число раз, когда выбирается каждое из предположений, основано на частотности соответствующих случаев в прошлом).
Это могло бы объяснить происхождение зрительных иллюзий: мозг выбирает «наилучшую догадку» согласно правилам байесовского умозаключения, и она оказывается ложной, поскольку система создания зрительных образов заполняет информационные пустоты выборкой из неподходящей внутренней модели. Например, кажется, что два квадрата на шахматной доске имеют разные оттенки цвета или круг сначала выглядит вогнутым, а после поворота на 180 градусов становится выпуклым. В таких случаях мозг изначально делает неправильное предположение о такой простой вещи, как освещение.
Это также помогает объяснить, почему чем раньше получена информация, тем сильнее ее влияние на человека с его воспоминаниями, впечатлениями, решениями, объясняет Алан Сэнборн (Adam Sanborn), изучающий проблемы поведения в Уорвикском университете. Потенциально люди предпочитают покупать товар у первого же встреченного ими продавца. Играющие на автоматах более склонны продолжить игру, если она началась с выигрыша. Первое впечатление нередко бывает трудно опровергнуть, даже если оно в корне неправильное. «Получив изначальную информацию, вы будете создавать предположения, которые с ней согласуются», - уточняет Сэнборн.
Эта изменчивость проходит весь путь на нейтронном уровне. «Идея заключается в том, что активность нейтронов представляет собой случайную переменную, которую вы пытаетесь вывести», - говорит Мате Ленгиел (Máté Lengyel), нейробиолог из Кембриджа. Другими словами, изменчивость нейронной активности - показатель вероятности события. Рассмотрим упрощенный пример - нейрон, отвечающий за понятие «тигр». Нейрон будет колебаться между двумя уровнями активности, высокой при наличии сигнала присутствия тигра и низкой, которая означает, что тигра нет. Число отрезков времени высокой активности нейрона увеличивает вероятность присутствия тигра. «В сущности, в этом случае можно сказать, что активность нейрона - это выборка из распределения вероятностей, - говорит ученый. - Получается, если развивать эту идею в более реалистичном и менее упрощенном ключе, то она включает в себя множество вещей, известных нам о нейронах и изменчивости их ответов».
Один из коллег Сэнборна Томас Хиллс (Thomas Hills) объясняет, что методы нашего выбора среди ментальных образов в некотором роде напоминают то, как мы ищем физические объекты в пространстве. Если вы обычно берете молоко в дальней части супермаркета, то вы первым делом отправитесь туда, придя за молоком в новый магазин. Это ничем не отличается от поиска внутренних образов в мозгу. «Можно представить себе память как своеобразную запись рациональной частоты событий в мире. Воспоминания закодированы в умственные образы пропорционально прошлому опыту. Так что если я спрошу вас об отношениях с мамой, вы можете начать рассуждать: вот воспоминание о позитивном взаимодействии, вот еще одно воспоминание о позитивном взаимодействии, а вот - о негативном. Но в среднем воспоминания об отношениях с мамой хорошие, так что вы отвечаете „хорошие“», - говорит Томас Хиллс. Мозг - это своего рода поисковая система, которая выбирает воспоминания, создавая то, что Хиллс называет «структурами веры», - представление о связи с родителями, определения «собаки», «друга», «любви» и всего остального.
Если процесс поиска идет неправильно, то есть мозг делает выборку из информации, которая не является репрезентативной для опыта человека, если возникает несоответствие ожиданий и реального сенсорного сигнала, то возникают депрессии, обсессивно-компульсивный синдром, посттравматические расстройства и ряд других заболеваний.
Нельзя сказать, что у гипотезы «байесовского мозга» нет противников. «Думаю, байесовские рамки как своеобразный математический язык - это мощное и полезное средство выражения психологических теорий. Но важно анализировать, какие фрагменты теории действительно дают объяснение», - говорит Мэтт Джонс (Matt Jones) из Университета Колорадо в Боулдере. По его мнению, сторонники «байесовского мозга» слишком полагаются на ту часть теории, которая говорит о статистическом анализе. «Сама по себе она не объясняет разнообразие поведения. Она имеет смысл только в сочетании с тем, что в действительности оказывается вольным допущением на тему природы представления знаний: как мы организуем понятия, ищем информацию в памяти, используем знания для аргументации и решения проблем».
Другими словами, наши утверждения о психологической обработке информации, чем традиционно занимается когнитивистика, показывают, как байесовская статистика применяется к функциям мозга. Модель переводит эти теории на язык математики, но данная интерпретация основывается на консервативной психологии. В конечном итоге, может быть и так, что другие байесовские или небайесовские модели лучше впишутся в разнообразие ментальных процессов, лежащих в основе нашего сенсорного восприятия и высшей мыслительной деятельности.
Сэнборн может не соглашаться с мнением Джонса о гипотезе «байесовского мозга», однако он понимает, что следующий шаг - это сузить разнообразие действующих моделей. «Можно сказать, что выборка сама по себе является полезной для понимания деятельности мозга. Но существует множество вариантов выбора». Насколько они согласуются с теорией Байеса, еще предстоит узнать. Однако уже сейчас можно сказать, что защита христианства в XVIII веке, помогла ученым добиться больших успехов в XXI.
источник