모델은 정보가 우리의 인식에 영향을 미치는 방법에 대해 설명 - 거짓 forearmed됩니다 추정

무언가를 평가할 때 우리는 무의식적으로 최근 경험을 사용합니다. Ludwig Maximilians University (LMU) 뮌헨과 Bernstein Center Munich의 연구원들은 가상 환경에서 거리를 추정하도록 테스트 대상에게 요청했습니다. 그들의 결과는 그 지점까지 운행하는 모든 경로의 평균값을 향한 경향이 있습니다. 처음으로 과학자들은 수학적 모델을 사용하여 실험 결과를 매우 잘 예측할 수있었습니다. 그것은 확률 이론의 명제의 도움으로 잘 알려진 정신 물리학의 두 가지 법칙을 결합합니다. 따라서이 연구는 지각 연구에 근본적으로 중요 할 수 있습니다. (Journal of Neuroscience, 23 년 2011 월 XNUMX 일)

한 번은 길고 다른 하나는 짧게 같은 거리를 추정하는 이유는 무엇입니까? 결정적인 요소는 우리가 직전에 어느 거리를 다뤘는지입니다. 사소하게 들릴 수있는 것은 뇌가 다른 힘의 자극과 숫자와 같은 추상적 인 요소를 처리하는 방법에 대한 중요한 정보를 제공합니다. 이것이 Dr. Bernstein Center Munich의 프로젝트 관리자 인 Stefan Glasauer (LMU)와 박사 과정 학생 Frederike Petzschner가 실험적으로 그리고 이론적으로. 그들은 테스트 대상이 가상 공간에서 거리를 커버 한 다음 가능한 한 정확하게 재현하도록했습니다. 이전 연구에서와 같이 결과는 항상 올바른 값에서 이전 실행 거리의 평균 값으로 이동되었습니다.

과학자들은 지금이 현상에 대한 일반적인 설명을 제공 할 수 있습니다. 수학적 모델을 이용하여, 그들이 현재 추정에 미치는 영향 이전 자극 계산할 수있다. "사전 경험의 대부분의 경우 영향이 일반적인 원칙을 다음과 같은 수량 또는 볼륨의 추정에 해당 할 수 있습니다"Glasauer는 말한다. 강력 거리 추정의 이전 경험에 의해 영향을받은 주제는, 또한 이전의 경험에 각도 추정에 더 무게를 두었다. 두 경우 모두, 심지어 그들이 알고 그들의 전력의 성공 또는 실패없이 배운. 방법을 학습하지만, 이러한 피드백을 전제로.

지금까지 기본적인 원리는 볼륨, 밝기, 또는 거리 등의 자극 강도의 인식을 결정 여부를 분쟁. 이에 모순 정신 물리학의 두 가지 중요한 법칙 : 게시 된 전 150 년 베버의 법칙과 50 세 스티븐스 '전원. 뮌헨의 과학자들은이 두 법이 적어도 잘 조정 어떤 경우에 가져올 수 있음을 보여 주었다.

이를 위해 전력 확률 베이 즈 '증거가 가중 결합과 스티븐스로 변환 할 수 있습니다 정리 (1763)'와 베버의 법칙이다. "우리는 50 년 넘게 바쁜 문제의 해결에 그 인식의 연구에 기여 할 수 있었다"Glasauer 따라서 확신합니다. 다음으로, 연구자들은 분석하고 모델이 또한 볼륨과 밝기 기록 데이터와 같은 다른 자극 양식을 적용할지 여부를 명확히 할 계획이다.

슈타인 센터 뮌헨 국립 번스타인 네트워크 전산 신경 과학 (NNCN)의 일부입니다. NNCN는 네트워크 및 개발, 전산 신경 과학의 새로운 과학 분야에서 용량을 풀링의 목적으로 BMBF에 의해 설립되었다. 네트워크는 독일의 생리 학자 율리우스 번스타인 (1835-1917)의 이름을 따서 명명된다.

원작 :

페츠 슈너 F, Glasauer S (2011) : 범위 및 회귀 효과에 대한 설명에 관해서는 반복 베이지안 추정 - 인간의 경로 통합에 관한 연구. J Neurosci 2011, 31 (47) 17220-17229

출처 : 뮌헨 [LMU]