Prezbiterijanski svećenik Thomas Bayes nije ni slutio da će dati trajni doprinos ljudskoj povijesti. Bayes je rođen u Engleskoj početkom 18. stoljeća, bio je tih čovjek radoznalog uma. Tijekom svog života objavio je samo dva djela: "Dobrota Gospodnja" 1731. godine u obranu Boga i Britanske monarhije, kao i anonimni članak u prilog izračunima Isaaca Newtona 1736. godine. Međutim, jedan argument koji je Bayes dao prije svoje smrti 1761. godine odredio je tijek povijesti. Pomogao je Alanu Turingu razbiti njemački enkriptor Enigma, američka mornarica ući u trag sovjetskim podmornicama, a statističari identificirati Federalističke radove. I danas pomoću nje rješavaju tajne uma.
Sve je započelo 1748. godine kada je filozof David Hume objavio Istraživanje o ljudskoj spoznaji i, između ostalog, doveo u pitanje postojanje čuda. Prema Humeu, vjerojatnost pogreške kod ljudi koji tvrde da su vidjeli Kristovo uskrsnuće nadmašuje vjerojatnost da se taj događaj stvarno dogodio. Ali velečasni Bayes nije volio ovu teoriju.
Aparat za šifriranje "Enigma"
Foto: AFP 2016, Timothy A. Clary
Odlučan da dokaže da je Hume pogriješio, Bayes je pokušao kvantificirati vjerojatnost događaja. Za početak je smislio jednostavan scenarij: zamislite lopticu bačenu na ravni stol iza vas. Možete pretpostaviti gdje je sletio, ali to je nemoguće reći a da se ne gleda koliko ste bili točni. Zatim zamolite kolegu da baci drugu kuglu i kaže vam je li s desne ili lijeve strane prve. Ako je druga lopta s desne strane, vjerojatnije je da je prva sletjela s lijeve strane stola (po ovoj pretpostavci ima više mjesta s desne strane lopte za drugu loptu). Sa svakom novom kuglicom vaša će se pretpostavka o mjestu prve lopte ažurirati i poboljšati. Prema Bayesu, različiti dokazi za Kristovo uskrsnuće slično ukazuju na pouzdanost ovog događaja,i ne mogu se snižavati, kao što je to činio Hume.
1767. Bayesov prijatelj Richard Price objavio je knjigu „Značaj kršćanstva, njegovi dokazi i mogući prigovori“, koja je Bayesovim idejama osporila Humeove argumente. Prema povjesničaru i statističaru Stephenu Stigleru, u Priceovom članku, „osnovna vjerojatnosna ideja bila je da je Hume podcijenio broj neovisnih svjedoka do čuda, a Bayesovi rezultati pokazali su kako bi povećanje količine dokaza, čak i ako bi bilo nepouzdano, moglo biti jače od malih stupanj vjerojatnosti događaja i time ga pretvara u činjenicu."
Statistika koja je izrasla iz rada Pricea i Bayesa postala je dovoljno moćna da podnese širok spektar neizvjesnosti. U medicini Bayesov teorem pomaže razmotriti veze između bolesti i mogućih uzroka. U borbi sužava prostor za lokalizaciju neprijateljskih položaja. U teoriji informacija može se koristiti za dešifriranje poruka. A u kognitivnoj znanosti omogućuje razumijevanje značenja osjetilnih procesa.
Promotivni video:
Bayesov teorem primijenjen je na mozak krajem 19. stoljeća. Njemački fizičar Hermann von Helmholtz koristio je Bayesove ideje kako bi predstavio ideju transformiranja osjetilnih podataka, poput svijesti o prostoru, u informacije kroz proces koji je nazvao nesvjesnim zaključivanjem. Bayesova statistika postala je popularna, a ideja da su nesvjesni mentalni izračuni u osnovi vjerojatni više se nije činila pretjeranom. Prema Bayesovoj hipotezi o mozgu, mozak neprestano donosi Bayesovske zaključke kako bi nadoknadio nedostatak senzornih informacija, baš kao što svaka sljedeća kugla bačena na Bayesov stolić popunjava podatke o mjestu prve lopte. Bayesov mozak tvori unutarnji model svijeta: očekivanja (ili pretpostavke) okako različiti predmeti izgledaju, osjećaju se, zvuče, ponašaju se i komuniciraju. Ovaj sustav prima senzorne signale i grubo simulira ono što se događa okolo.
Na primjer, vizija. Svjetlost se odbija od predmeta oko nas i pogađa površinu mrežnice, a mozak mora nekako stvoriti trodimenzionalnu sliku od dvodimenzionalnih podataka. Od njih se mogu dobiti mnoge trodimenzionalne slike, pa kako mozak odlučuje što će nam pokazati? Vjerojatno primjenjuje Bayesov model. Čini se gotovo nevjerojatnim da je mozak toliko evoluirao da je postao sposoban za statističke izračune blizu ideala. Naša računala ne mogu podnijeti tako velik broj statističkih vjerojatnosti, a čini se da to radimo cijelo vrijeme. Ali možda mozak još uvijek nije sposoban za ovo. Prema teoriji uzorkovanja, metode svijesti mogu se približiti Bayesovom zaključivanju: umjesto istodobnog donošenja svih pretpostavki koje mogu objasniti bilo koji senzorni signal,mozak uzima u obzir samo nekoliko njih, odabranih nasumično (broj odabira svake pretpostavke temelji se na učestalosti odgovarajućih slučajeva u prošlosti).
To bi moglo objasniti podrijetlo vizualnih iluzija: mozak odabire "najbolju pretpostavku" prema pravilima Bayesova zaključivanja, a ispada da je lažna, jer sustav vizualizacije popunjava informacijske praznine izborom iz neprikladnog unutarnjeg modela. Na primjer, čini se da dva kvadrata na šahovskoj ploči imaju različite nijanse boje ili da krug isprva izgleda konkavno i postaje konveksan nakon rotacije od 180 stupnjeva. U takvim slučajevima mozak u početku iznosi pogrešnu pretpostavku o nečem tako jednostavnom kao što je osvjetljenje.
Također pomaže objasniti zašto su ranije informacije primljene, to je jači njihov utjecaj na osobu s njezinim sjećanjima, dojmovima, odlukama, objašnjava Alan Sanborn (Adam Sanborn), koji proučava probleme ponašanja na Sveučilištu Warwick. Potencijalno ljudi radije kupuju kod prvog prodavača kojeg sretnu. Vjerojatnije je da će igrači automata nastaviti igru ako je započela pobjedom. Prvi je dojam često teško opovrgnuti, čak i ako je u osnovi pogrešan. "Jednom kada dobijete početne informacije, napravit ćete pretpostavke koje se s tim slažu", pojašnjava Sanborn.
Ova varijabilnost ide sve do nivoa neutrona. "Ideja je da je neutronska aktivnost slučajna varijabla koju pokušavate izvesti", kaže Máté Lengyel, neuroznanstvenik sa sjedištem u Cambridgeu. Drugim riječima, varijabilnost živčane aktivnosti pokazatelj je vjerojatnosti događaja. Razmotrimo pojednostavljeni primjer - neuron odgovoran za koncept "tigra". Neuron će oscilirati između dvije razine aktivnosti, visoke kada postoji signal za prisutnost tigra i niske, što znači da tigra nema. Koliko puta je neuron vrlo aktivan, povećava vjerojatnost prisutnosti tigra. "U osnovi, u ovom slučaju možemo reći da je aktivnost neurona uzorak iz raspodjele vjerojatnosti", kaže znanstvenik. - Ispada ako ovu ideju razvijete na realniji i manje pojednostavljen način,onda uključuje mnoge stvari koje znamo o neuronima i varijabilnosti njihovih odgovora."
Jedan od Sanbornovih kolega, Thomas Hills, objašnjava da je način na koji biramo između mentalnih slika donekle sličan načinu na koji tražimo fizičke predmete u svemiru. Ako obično berete mlijeko sa stražnjeg dijela supermarketa, prvo što učinite jest otići tamo kad dođete u novu trgovinu po mlijeko. To se ne razlikuje od traženja unutarnjih slika u mozgu. “Može se zamisliti sjećanje kao svojevrsni zapis racionalne učestalosti događaja u svijetu. Sjećanja se kodiraju u mentalne slike proporcionalno prošlim iskustvima. Dakle, ako vas pitam o vašem odnosu s mamom, možete početi razmišljati: ovdje je sjećanje na pozitivnu interakciju, ovdje je još jedno sjećanje na pozitivnu interakciju, a ovdje je negativno. Ali u prosjeku su sjećanja na vaš odnos s mamom dobra, pa kažete "dobro", "- kaže Thomas Hills. Mozak je svojevrsna tražilica koja odabire uspomene, stvarajući ono što Hills naziva "strukturama vjerovanja" - ideja povezanosti s roditeljima, definicije "pas", "prijatelj", "ljubav" i sve ostalo.
Ako postupak pretraživanja krene po zlu, odnosno mozak vrši odabir između informacija koje nisu reprezentativne za ljudsko iskustvo, ako postoji neusklađenost između očekivanja i stvarnog senzornog signala, tada se javljaju depresija, opsesivno-kompulzivni sindrom, posttraumatski poremećaji i brojne druge bolesti.
To ne znači da Bayesova hipoteza o mozgu nema protivnika. „Mislim da je Bayesov okvir, kao vrsta matematičkog jezika, moćno i korisno sredstvo za izražavanje psiholoških teorija. Ali važno je analizirati koji dijelovi teorije zapravo daju objašnjenje”, kaže Matt Jones sa Sveučilišta Colorado u Boulderu. Prema njegovom mišljenju, pristaše "Bayesova mozga" previše se oslanjaju na dio teorije koji govori o statističkoj analizi. “Samo po sebi to ne objašnjava raznolikost ponašanja. Ima smisla samo u kombinaciji s onim što se zapravo pokazalo slobodnom pretpostavkom o prirodi predstavljanja znanja: kako organiziramo koncepte, tražimo informacije u memoriji, koristimo znanje za rasuđivanje i rješavanje problema."
Drugim riječima, naše tvrdnje o psihološkoj obradi informacija koje je kognitivna znanost tradicionalno činile pokazuju kako se Bayesova statistika primjenjuje na rad mozga. Model prevodi ove teorije na jezik matematike, ali ovo se tumačenje temelji na konzervativnoj psihologiji. U konačnici, može se dogoditi da se drugi Bayesovi ili ne Bayesovi modeli bolje uklapaju u raznolikost mentalnih procesa koji su temelj naše senzorne percepcije i višeg mišljenja.
Sanborn se možda neće složiti s Jonesovim stavovima o Bayesovoj hipotezi o mozgu, ali razumije da je sljedeći korak sužavanje raznolikosti modela na djelu. “Mogli bismo reći da je samo uzorkovanje korisno za razumijevanje moždane aktivnosti. Ali postoji mnogo izbora. Koliko se slažu s Bayesovom teorijom, tek ćemo vidjeti. Međutim, već sada možemo reći da je obrana kršćanstva u 18. stoljeću pomogla znanstvenicima da postignu veliki uspjeh u 21. stoljeću.
