錯誤判斷是半贏 - 模型描述了經驗如何影響我們的感知

當我們評估某些東西時，我們會下意識地利用最近的經驗。 慕尼黑路德維希·馬克西米利安大學（LMU）和慕尼黑伯恩斯坦中心的研究人員要求測試對象估算虛擬環境中的距離。 他們的結果傾向於達到該點的所有路線的平均值。 科學家們首次使用數學模型能夠很好地預測實驗結果。 它藉助概率論的命題，結合了兩個著名的心理物理學定律。 因此，該研究對於感知研究可能具有根本的重要性。 （Journal of Neuroscience，23年2011月XNUMX日）

為什麼我們估計一次長而另一次短相同的距離？ 決定性因素是我們之前直接覆蓋了哪些距離。 聽起來微不足道的內容提供了有關大腦如何處理不同強度甚至抽像元素（例如數字）的刺激的重要信息。 這就是博士慕尼黑伯恩斯坦中心的項目經理Stefan Glasauer（LMU）和他的博士生Frederike Petzschner在實驗和理論上都做了。 他們讓測試對象掩蓋了虛擬房間中的距離，然後儘可能精確地複制它們。 與以前的研究一樣，結果總是從正確的值轉換為以前的行駛距離的平均值。

研究人員首次對此現象提供了一般性解釋。 借助數學模型，他們可以計算先前的刺激如何影響當前的估計。 Glasauer解釋說：“以前經驗的影響很可能遵循一般原則，並且可能也適用於估計數量或體積。” 在估計距離時，受以前的經驗影響很大的測試對像在估計角度時也更加重視他們以前的經驗。 在這兩種情況下，他們都是在不了解其績效成敗的情況下學習的。 相反，許多學習方法需要這種反饋。

迄今為止，是否有基本原理確定對刺激強度（例如音量，亮度甚至距離）的感知一直存在爭議。 心理物理學的兩個重要定律似乎相互矛盾：150年前出版的韋伯-費希納定律和50歲的史蒂文斯冪函數。 慕尼黑科學家現在表明，至少在某些情況下，這兩個定律可以很好地調和。

為此，Weber-Fechner定律與貝葉斯概率定理（1763）結合在一起，可以對結果進行加權，從而轉換為史蒂文斯冪函數。 格拉索爾堅信說：“我們能夠為解決感知研究人員超過50年的問題做出貢獻。” 接下來，研究人員希望分析歷史數據，並澄清是否通過不同的刺激方式（例如音量和亮度）確認模型。

慕尼黑伯恩斯坦中心是國家伯恩斯坦網絡計算神經科學（NNCN）的一部分。 NNCN由BMBF創建，旨在捆綁，聯網並進一步發展新的研究學科計算神經科學領域的能力。 該網絡以德國生理學家Julius Bernstein（1835-1917）的名字命名。

原創作品：

Petzschner F，Glasauer S（2011）：迭代貝葉斯估計作為範圍和回歸效應的解釋-關於人類路徑整合的研究。 神經科學雜誌2011，31（47）：17220-17229

來源：慕尼黑[LMU]