Il sacerdote presbiteriano Thomas Bayes non aveva idea che avrebbe dato un contributo duraturo alla storia umana. Nato in Inghilterra all'inizio del XVIII secolo, Bayes era un uomo tranquillo con una mente curiosa. Durante la sua vita pubblicò solo due opere: "La bontà del Signore" nel 1731 in difesa di Dio e della monarchia britannica, oltre a un articolo anonimo a sostegno dei calcoli di Isaac Newton nel 1736. Tuttavia, un argomento fatto da Bayes prima della sua morte nel 1761 ha determinato il corso della storia. Aiutò Alan Turing a rompere il cifrario tedesco Enigma, la marina americana a rintracciare i sottomarini sovietici e gli statistici a identificare le note federaliste. E oggi, con l'aiuto di esso, risolvono i segreti della mente.
Tutto iniziò nel 1748, quando il filosofo David Hume pubblicò The Inquiry into Human Knowledge e, tra le altre cose, mise in dubbio l'esistenza dei miracoli. Secondo Hume, la probabilità di errore da parte di persone che affermano di aver visto la risurrezione di Cristo supera la probabilità che questo evento sia realmente accaduto. Ma al reverendo Bayes questa teoria non piaceva.
Apparato di crittografia "Enigma"
Foto: AFP 2016, Timothy A. Clary
Determinato a dimostrare che Hume aveva torto, Bayes tentò di quantificare la probabilità di un evento. Per cominciare, ha escogitato uno scenario semplice: immagina una palla lanciata su un tavolo piatto dietro la schiena. Puoi fare ipotesi su dove è atterrato, ma è impossibile dirlo senza guardare quanto sei stato preciso. Quindi chiedi a un collega di lanciare un'altra palla e di dirti se è a destra oa sinistra del primo. Se la seconda palla è a destra, è più probabile che la prima sia caduta sul lato sinistro del tavolo (da questo presupposto, c'è più spazio a destra della palla per la seconda palla). Con ogni nuova palla, la tua ipotesi sulla posizione della prima palla verrà aggiornata e perfezionata. Secondo Bayes, varie prove della risurrezione di Cristo indicano in modo simile l'attendibilità di questo evento,e non possono essere scontati, come ha fatto Hume.
Nel 1767, l'amico di Bayes, Richard Price, pubblicò On the Significance of Christianity, its Evidence, and Possible Objections, che utilizzava le idee di Bayes per contestare gli argomenti di Hume. Secondo lo storico e statistico Stephen Stigler, nell'articolo di Price, "l'idea probabilistica di base era che Hume sottovalutasse il numero di testimoni indipendenti di un miracolo, ei risultati di Bayes hanno mostrato come un aumento della quantità di prove, per quanto inaffidabile, potrebbe essere più forte di un piccolo il grado di probabilità dell'evento e quindi lo trasforma in un fatto."
Le statistiche che sono nate dal lavoro di Price e Bayes erano abbastanza potenti da gestire un'ampia gamma di incertezze. In medicina, il teorema di Bayes aiuta a considerare i legami tra malattie e possibili cause. In battaglia, restringe lo spazio per localizzare le posizioni nemiche. Nella teoria dell'informazione, può essere utilizzato per decrittografare i messaggi. E nella scienza cognitiva consente di comprendere il significato dei processi sensoriali.
Video promozionale:
Il teorema di Bayes è stato applicato al cervello alla fine del XIX secolo. Il fisico tedesco Hermann von Helmholtz ha utilizzato le idee bayesiane per presentare l'idea di trasformare i dati sensoriali, come la consapevolezza dello spazio, in informazioni attraverso un processo che ha chiamato inferenza inconscia. La statistica bayesiana divenne popolare e l'idea che i calcoli mentali inconsci fossero intrinsecamente probabili non sembrava più inverosimile. Secondo l'ipotesi del cervello bayesiano, il cervello fa continuamente inferenze bayesiane per compensare la mancanza di informazioni sensoriali, proprio come ogni palla successiva lanciata sul tavolo bayesiano riempie le informazioni sulla posizione della prima palla. Il cervello bayesiano forma un modello interno del mondo: aspettative (o ipotesi) sucome i diversi oggetti appaiono, si sentono, suonano, si comportano e interagiscono. Questo sistema riceve segnali sensoriali e simula approssimativamente ciò che sta accadendo intorno.
Ad esempio, visione. La luce rimbalza sugli oggetti intorno a noi e colpisce la superficie della retina, e il cervello deve in qualche modo creare un'immagine tridimensionale da dati bidimensionali. Molte immagini tridimensionali possono essere ottenute da loro, quindi come fa il cervello a decidere cosa mostrarci? Probabilmente applica il modello bayesiano. Sembra quasi incredibile che il cervello si sia evoluto così tanto da essere diventato capace di effettuare calcoli statistici vicini all'ideale. I nostri computer non sono in grado di gestire un numero così elevato di probabilità statistiche e sembra che lo facciamo sempre. Ma forse il cervello non è ancora in grado di farlo. Secondo la teoria del campionamento, i metodi della coscienza possono avvicinarsi all'inferenza bayesiana: invece di emettere simultaneamente tutti i presupposti che possono spiegare qualsiasi segnale sensoriale,il cervello ne prende in considerazione solo alcuni, selezionati a caso (il numero di volte in cui ciascuna delle ipotesi viene selezionata si basa sulla frequenza dei casi corrispondenti nel passato).
Questo potrebbe spiegare l'origine delle illusioni visive: il cervello sceglie la “migliore ipotesi” secondo le regole dell'inferenza bayesiana, e risulta essere falsa, poiché il sistema di visualizzazione colma le lacune informative con una selezione da un modello interno inappropriato. Ad esempio, sembra che due quadrati su una scacchiera abbiano diverse sfumature di colore, oppure il cerchio sembra inizialmente concavo e diventa convesso dopo una rotazione di 180 gradi. In questi casi, il cervello inizialmente fa l'ipotesi sbagliata su qualcosa di semplice come l'illuminazione.
Aiuta anche a spiegare perché le prime informazioni vengono ricevute, più forte è il loro impatto sulla persona con i suoi ricordi, impressioni, decisioni, spiega Alan Sanborn (Adam Sanborn), che studia i problemi di comportamento all'Università di Warwick. Potenzialmente, le persone preferiscono acquistare dal primo venditore che incontrano. È più probabile che le slot continuino il gioco se è iniziato con una vittoria. La prima impressione è spesso difficile da confutare, anche se fondamentalmente sbagliata. "Una volta ottenute le informazioni iniziali, farai supposizioni che concordano con esse", chiarisce Sanborn.
Questa variabilità arriva fino al livello dei neutroni. "L'idea è che l'attività dei neutroni sia una variabile casuale che stai cercando di derivare", dice Máté Lengyel, un neuroscienziato con sede a Cambridge. In altre parole, la variabilità dell'attività neurale è un indicatore della probabilità di un evento. Consideriamo un esempio semplificato: un neurone responsabile del concetto di "tigre". Il neurone oscillerà tra due livelli di attività, alto quando c'è un segnale per la presenza di una tigre e basso, il che significa che non c'è tigre. Il numero di volte in cui il neurone è molto attivo aumenta la probabilità che sia presente una tigre. "In sostanza, in questo caso, possiamo dire che l'attività di un neurone è un campione da una distribuzione di probabilità", dice lo scienziato. - Si scopre se sviluppi questa idea in un modo più realistico e meno semplificato,poi include molte cose che sappiamo sui neuroni e sulla variabilità delle loro risposte ".
Uno dei colleghi di Sanborn, Thomas Hills, spiega che il modo in cui scegliamo tra le immagini mentali è in qualche modo simile a come cerchiamo oggetti fisici nello spazio. Se di solito prendi il latte dal retro del supermercato, la prima cosa che fai è andarci quando vieni nel nuovo negozio di latte. Questo non è diverso dalla ricerca di immagini interne nel cervello. “Si può immaginare la memoria come una sorta di registrazione della frequenza razionale degli eventi nel mondo. I ricordi sono codificati in immagini mentali in proporzione alle esperienze passate. Quindi, se ti chiedo del tuo rapporto con tua madre, puoi iniziare a pensare: qui c'è un ricordo di un'interazione positiva, qui c'è un altro ricordo di un'interazione positiva, ed ecco uno negativo. Ma in media, i ricordi della tua relazione con tua madre sono buoni, quindi dici "buono" "- dice Thomas Hills. Il cervello è una specie di motore di ricerca che seleziona i ricordi, creando ciò che Hills chiama "strutture di credenza": l'idea di connessione con i genitori, le definizioni di "cane", "amico", "amore" e tutto il resto.
Se il processo di ricerca va storto, ovvero il cervello effettua una selezione da informazioni che non sono rappresentative dell'esperienza umana, se c'è una discrepanza tra le aspettative e il segnale sensoriale reale, allora sorgono depressione, sindrome ossessivo-compulsiva, disturbi post-traumatici e una serie di altre malattie.
Questo non vuol dire che l'ipotesi del cervello bayesiano non abbia oppositori. “Penso che la struttura bayesiana, come una sorta di linguaggio matematico, sia un mezzo potente e utile per esprimere teorie psicologiche. Ma è importante analizzare quali pezzi di teoria forniscono effettivamente una spiegazione ", afferma Matt Jones dell'Università del Colorado a Boulder. Secondo lui, i sostenitori del "cervello bayesiano" si affidano troppo alla parte della teoria che parla di analisi statistica. “Di per sé, non spiega la diversità del comportamento. Ha senso solo in combinazione con ciò che in realtà risulta essere un assunto libero sulla natura della rappresentazione della conoscenza: come organizziamo i concetti, cerchiamo informazioni nella memoria, usiamo la conoscenza per ragionare e risolvere i problemi ".
In altre parole, le nostre affermazioni sull'elaborazione psicologica delle informazioni che la scienza cognitiva ha tradizionalmente fatto mostrano come le statistiche bayesiane vengono applicate alla funzione cerebrale. Il modello traduce queste teorie nel linguaggio della matematica, ma questa interpretazione si basa sulla psicologia conservatrice. In definitiva, potrebbe essere che altri modelli bayesiani o non bayesiani si adattino meglio alla varietà di processi mentali che sono alla base della nostra percezione sensoriale e del pensiero superiore.
Sanborn potrebbe non essere d'accordo con le opinioni di Jones sull'ipotesi del cervello bayesiano, ma capisce che il passo successivo è restringere la varietà di modelli in azione. “Potremmo dire che il campionamento stesso è utile per comprendere l'attività cerebrale. Ma ci sono molte scelte. Resta da vedere quanto siano d'accordo con la teoria bayesiana. Tuttavia, possiamo già dire che la difesa del cristianesimo nel XVIII secolo ha aiutato gli scienziati a raggiungere un grande successo nel XXI secolo.
