假估计则立 - 模型描述了信息如何影响我们的感知

当我们估计某些东西时，我们会下意识地利用最近的经验。 慕尼黑路德维希马克西米利安大学（LMU）和慕尼黑伯恩斯坦中心的研究人员要求测试对象估算虚拟环境中的距离。 他们的结果倾向于达到该点的所有路线的平均值。 科学家们第一次使用数学模型能够很好地预测实验结果。 它借助概率论的命题，结合了两个著名的心理物理学定律。 因此，该研究对于感知研究可能具有根本的重要性。 （Journal of Neuroscience，23年2011月XNUMX日）

为什么我们在其他时间估计相同的距离长和短？ 决定性因素是我们之前直接覆盖了哪些路线。 听起来微不足道的事情提供了有关大脑如何处理不同强度的刺激甚至数字等抽象元素的重要信息。 这是由博士检查的。 慕尼黑伯恩斯坦中心的项目经理 Stefan Glasauer (LMU) 和他的博士生 Frederike Petzschner 进行了实验和理论研究。 他们让受试者在虚拟空间中覆盖距离，然后在那里尽可能准确地复制它们。 与之前的研究一样，结果总是从正确值转向之前运行距离的平均值。

研究人员现在首次为这种现象提供了一般性解释。 在数学模型的帮助下，他们可以计算先前的刺激如何影响当前的估计。 “以前经验的这种影响很可能遵循一般原则，并且可能也适用于数量或体积的估计，”Glasauer 解释说。 在估计距离时受先前经验强烈影响的受试者在估计角度时也更加重视他们先前的经验。 在这两种情况下，他们也是在不知道自己的表现成败的情况下学习的。 另一方面，许多学习方法需要这样的反馈。

到目前为止，是否有一个基本原则决定了对刺激强度（如音量、亮度或距离）的感知，一直存在争议。 两条重要的心理物理学定律似乎相互矛盾：150年前发表的韦伯-费希纳定律和50年前的史蒂文斯幂函数。 然而，慕尼黑的科学家们现在已经表明，至少在某些情况下，这两条定律可以很好地协调一致。

为此，Weber-Fechner 定律与 Bayes (1763) 的概率定理相结合，该定理允许对结果进行加权，从而转换为 Stevens 的幂函数。 “我们能够帮助解决一个困扰感知研究人员 50 多年的问题，”Glasauer 坚定地说。 接下来，研究人员想要分析历史数据，并阐明模型是否通过不同的刺激方式（如音量和亮度）得到确认。

慕尼黑伯恩斯坦中心是国家伯恩斯坦计算神经科学网络 (NNCN) 的一部分。 NNCN 由 BMBF 创立，旨在捆绑、联网和进一步发展计算神经科学这一新研究学科的能力。 该网络以德国生理学家 Julius Bernstein (1835-1917) 的名字命名。

原创作品：

Petzschner F, Glasauer S (2011)：迭代贝叶斯估计作为范围和回归效应的解释 - 关于人类路径整合的研究。 神经科学杂志 2011, 31(47): 17220-17229

资料来源：慕尼黑[LMU]