人类生活在一个充满不确定性的世界。前方人行道上的黑影可能是朋友，也可能是强盗。踩下油门，你可能会赶在火车之前到达十字路口，也可能不会。上周剩下的宫保鸡丁可能会给你带来又一个味觉的愉悦或痛苦的夜晚。
人类的感官微不足道，无法总是捕捉到真实的东西。不过幸运的是，人类的大脑非常善于利用概率。由于大脑对概率的直觉把握，它可以从容地处理不完美的信息。
纽约罗切斯特大学和瑞士日内瓦大学的亚历山大·普盖特 (Alexandre Pouget) 表示：“大脑不会试图想出问题的答案，而是试图想出某个特定答案正确的概率。”然后，一系列可能的结果会指导身体的行动。
在不确定的世界中，基于概率的大脑具有巨大的优势。只需几秒钟，大脑就能解决（或至少能给出一个很好的猜测）计算机需要花很长时间才能解决的问题——例如，是否用胡椒喷雾或拥抱来迎接走近的陌生人。
越来越多的研究正在阐明这种回避确定性的方法是如何运作的，以及它有多强大。研究人员发现，概率原理可能指导基本的视觉能力，例如估计线的倾斜度或在干扰中找到隐藏的目标。一些科学家认为，其他行为，甚至简单的数学，可能都依赖于类似的数字运算。
而且这种高级统计推理并不需要上数学课时专心听讲。新研究表明，1 岁的孩子已经是微型概率机器，在许多情况下，他们能够评估统计输入并轻松实现最佳表现。
研究大脑的猜测能力是一项相当新的尝试，至今没人知道人类是如何发展出这种计算能力的。科学家也不知道数学背后确切的大脑机制。
“我们将继续努力理解这些过程，”纽约大学计算神经学家埃罗·西蒙切利说，“这是一条漫长的道路。要解决所有这些问题还需要几十年的时间。但进展是稳定的。”
眼见为实
普盖特说，当 20 年前开始研究大脑的计算时，没有人认为人类会处理概率问题。当时，研究人员认为，如果你想接住棒球，你的大脑会计算出轨迹并给出一个确切的答案，告诉你的身体将手套移到哪里。“今天，我们说，‘不，如果有棒球向你飞来，你会计算出它可能在哪里的概率，然后把手放在最大位置，以最大限度地提高你接住它的概率。’”
这种从研究确定性到研究概率的转变主要基于 18 世纪英国牧师托马斯·贝叶斯 (Thomas Bayes) 的研究。贝叶斯提出，如果在评估中也包括初始信念，则断言会更可靠。这些初始信念（今天称为“先验”）可以随着更多信息的输入而更新，从而缩小良好解决方案的范围。从本质上讲，这个概念很简单：从经验中学习可以做出更好的预测。
以一位面临医学谜团的医生为例。一位小男孩来到办公室，有轻微发烧、头痛和关节痛，这些症状可能是普通感冒或更严重的莱姆病引起的。如果没有其他信息，医生可能只能抛硬币。但是，如果掌握了关键信息（例如医学院的花絮和男孩是否在蜱虫出没的树林里玩耍的知识），医生就可以做出可靠的诊断。
尽管考虑先验的价值在统计学界仍然存在争议（SN：3/27/10，第 26 页)，大脑中充满了这些先验知识。人类不断地调解这些先验知识和当前证据之间的拉锯战。
一项新研究展示了假设如何误导人们，凸显了大脑对先验知识的依赖程度。加州大学伯克利分校的心理学家兼计算机科学家 Ahna Girshick 与 Simoncelli 和另一位同事最近要求人们评估计算机屏幕上一组模糊线条的相对倾斜度。这项任务就像试图说出一把掉落的牙签平均指向哪个方向。
研究小组在 7 月份的报告中报告称，志愿者的表现表明他们认为线条与水平轴或垂直轴的对齐程度比实际情况更高。自然神经科学科学。Girshick 说，这种假设可能存在的原因很简单。“在自然界中，由于树木的存在，你可以看到这些非常强烈的垂直线，你还可以看到地平线和可供行走的平坦表面，”她说。“我们都是在地球上长大的，我们周围的世界具有可以测量的数学结构。”
此外，研究人员还可以通过改变条件来强化这种误解：当线条排列变化越大时，人们对水平或垂直方向的偏向就越大。怀疑越大，人们就越依赖先入为主的观念。
科学家还不知道大脑中的哪些物理硬件可以执行这种贝叶斯推理，但模拟表明神经细胞行为的变化可能是这些看似复杂的计算的原因。“这看起来像是复杂的数学，”Girshick 说。“但它可能相当简单。”
一些神经细胞对水平线或垂直线反应强烈，而其他神经细胞则不会特别关注这些方向。“你之所以会有这种类似贝叶斯的行为，只是因为你的大脑中存在这种不均匀性，”吉尔希克说。
电池中的炸弹
任何机场安检人员都知道，在电脑电池、闹钟和吹风机的不断涌入中发现炸弹是出了名的困难。但在这种视觉挑战（称为视觉搜索）中，贝叶斯大脑似乎表现得出奇的好。
普盖特说，考虑到人类从视网膜获得的信息不完整，人们的视觉搜索技能是卓越的。
“视觉搜索无时无刻不在发生，”他说，“我们认为这种任务正是概率方法大有裨益的。”在最近的一项研究中，他和他的团队让参与者观看计算机屏幕，寻找快速闪现的目标——一条之前看到的以特定角度倾斜的线。在屏幕上，这条线周围环绕着分散注意力的物体。参与者报告目标是否存在，以及他们对答案的信心程度。
当目标与背景融为一体，干扰物又亮又好时，人们识别目标的能力就会下降，以为目标根本不存在。但他们的劣化方式非常特殊。研究小组在 6 月的《科学》杂志上报告说，人们的行为与贝叶斯数学的预测非常相似。自然神经科学。
Pouget 说：“视觉搜索一开始就涉及相当复杂的数学运算。”然而在这项研究中，人类受试者的表现“已经达到了他们所能达到的最好水平。”
现在，该团队想知道人类的贝叶斯思维到底能有多好。“实验室正在探索‘好吧，我们在哪里崩溃？我们必须在任务中投入多少复杂性才能得出最佳解决方案？’”Pouget 说。“到目前为止，我们还没有找到这个界限在哪里。”
德克萨斯大学奥斯汀分校的心理学家威尔逊·盖斯勒更倾向于从外部世界入手。他的团队使用经过精心校准的相机捕捉场景，并使用测距仪测量从相机到场景中每个点的距离以及来自每个像素的光的亮度。这些工具使研究人员能够构建自然世界的精确数学描述。
盖斯勒说：“我们尝试测量实际的三维世界，然后尝试了解人们如何估计物体的形状或距离。”盖斯勒利用这种对世界的精确数学描述，构建了一个理论工具，以模仿居住在这个世界中的完美贝叶斯思维人类的行为——一个“理想的贝叶斯观察者”。
通过将有血有肉的人类与这个“理想观察者”进行比较，盖斯勒和他的同事们开始了解人类的优劣。盖斯勒说，人类“几乎完美”。但在他自大之前，盖斯勒指出，在这些研究中，完美并不意味着总是正确的。例如，当人们判断蘑菇后面的两片绿色是属于同一片叶子还是不同的叶子时，随着蘑菇变大并遮挡更多的场景，他们在这方面的表现会越来越差。不可靠的信息会以贝叶斯数学预测的方式让人们误入歧途。
在去年发表的一项研究中视觉杂志盖斯勒和同事向参与者展示了在附近植物园拍摄的树叶特写照片。人们从二维图像中区分两片重叠树叶的表现反映了理想观察者的表现。参与者似乎在运用现有的知识，即如何直观地理清一堆树叶。
从某种程度上来说，人类依赖现有知识是不言而喻的。不依赖经验的大脑将是一个相当可悲的大脑。“你可能会说，如果我们在这方面做得不好，那会有点奇怪，”盖斯勒说。“从进化的角度来看，我们在这方面拥有丰富的经验。同样的问题已经存在了十亿年。但尽管如此，统计数据还是很复杂。”
分析这些统计数据不仅仅是视觉系统的任务。到目前为止，一些科学家已经发现一些迹象，表明运动、嗅觉、听觉、认知和解决简单加法问题的能力可能基于贝叶斯技术。这些能力可能在孩子学习 2 + 2 之前就已经存在了。
A、贝叶斯、C
通过研究婴儿和幼儿，科学家可以测试在生活经历开始塑造心智之前是否存在概率推理。婴儿的寿命还不够长，无法形成关于世界如何运作的坚定信念。如果婴儿表现出贝叶斯倾向，那么他们可能生来就是这样的。
麻省理工学院认知科学家 Laura Schulz 和 Hyowon Gweon 于 6 月 24 日报告称，16 个月大的婴儿在面对复杂数据时可以做出正确的假设科学（SN 在线：6/28/11）。在研究中，婴儿们看着实验者按下玩具上的按钮，从而播放音乐。在某些情况下，每个实验者第一次按下按钮时，玩具运行良好，但下一次按下按钮时，玩具就坏了。这造成了玩具故障的假象。在其他情况下，玩具对一个实验者来说运行良好，但对另一个实验者来说却永远无法使用，这表明玩具没问题，但第二个实验者操作不当。
当婴儿拿到看似有问题的玩具时，他们很快拿起了另一个玩具。但当婴儿认为自己应该受到指责时（当他们目睹第二位实验者玩玩具失败，然后自己也失败了），他们会把玩具递给旁边的父母，以求帮助。
舒尔茨说，通过评估他人的玩具经验，并将这些知识应用到他们当前的问题中，婴儿表现出非常复杂的推理能力。“我们最早测试发现，婴儿正在使用与概率模型一致的东西，”她说。“婴儿对环境的统计数据很敏感。”
一些科学家没有在年轻人身上寻找概率推理的迹象，而是在其他物种身上寻找迹象。最近对猫头鹰的一项研究表明，它们的大脑某些方面也遵循贝叶斯规则。
尽管猫头鹰是出色的猎手，但它们通常听不到来自周围区域的声音以及来自前方的声音。为了解释这一缺陷，巴黎高等师范学院的 Brian Fischer 和纽约布朗克斯区阿尔伯特·爱因斯坦医学院的 José Luis Pe±a 求助于贝叶斯数学。
该团队设计了一个听觉过程的统计模型，假设猫头鹰可能已经进化到不太重视来自外围的信号，因为捕猎它们背后的东西可能代价太大。例如，转身动作可能会吓跑猎物。研究人员在 8 月份的报告中报告称，在测试中，贝叶斯模型准确地预测了猫头鹰的这种实际行为自然神经科学。
在猫头鹰的听觉系统中，这种倾向于听取前方物体的偏好可能是预先设定好的。同样，婴儿可能天生就能快速推断出玩具坏了是否是他们的错。
这些先验知识在何时何地以及如何被储存在大脑中仍是一个谜。一些科学家认为先验知识以及使用它们的能力是在进化过程中逐渐形成于大脑中的。
“生物系统并非偶然形成，”西蒙切利说道，“我们相信进化塑造了它们，并让它们能够更好地完成它们所做的事情。我们有大量证据证明这是真的。”
先前工程
无论进化是否设计了贝叶斯大脑，其中一些大脑现在正致力于将其贝叶斯能力传承下去。受过工程师培训的西蒙切利说，大脑中相同的工作原理可能在其他地方非常有用。“我相信，当我们最终弄清楚这些回路如何在大脑中运作以实现这些壮举时，我们将改变工程学，”他说。“我们将彻底改变我们思考系统设计的方式。”
例如，如今许多机器人擅长执行精确的任务，但却完全缺乏灵活性。为新车安装挡风玻璃的机器人每次都能完美地完成任务。“我们可以让机器人非常擅长安装挡风玻璃，”西蒙切利说。“它们是设计精美的系统。”但是，如果给这些挡风玻璃安装的典范拿到一块尺寸不合适的玻璃，它们就会完全崩溃。然而，基于人脑的类似机器人可能会轻松适应不断变化的环境，甚至会保存一些自己的先验知识。
神经细胞表现出极大的灵活性。西蒙切利说，神经细胞不断地根据输入进行调整、与邻近细胞互动以及改变放电频率可以产生令人难以置信的适应性，这是贝叶斯学习的先决条件。他说，科学家对神经细胞功能的了解越多，“我们就越发现它们并不是固定的、专用的装置，它们在你的一生中都以同样的方式运作。”
破解大脑的贝叶斯操作系统可能会产生一套新的工程原理。“我们不知道如何设计更灵活的系统，我们也不知道大脑是如何工作的。而我们将要弄清楚这两件事，”西蒙切利说。“我相信我们会同时做到这一点。”
