Pendeta Presbiterian Thomas Bayes tidak menyangka bahwa dia akan memberikan kontribusi yang langgeng bagi sejarah umat manusia. Lahir di Inggris pada awal abad ke-18, Bayes adalah pria pendiam dengan pikiran ingin tahu. Selama hidupnya, ia hanya menerbitkan dua karya: "The Goodness of the Lord" pada tahun 1731 untuk membela Tuhan dan monarki Inggris, serta sebuah artikel anonim yang mendukung perhitungan Isaac Newton pada tahun 1736. Namun, satu argumen yang dibuat Bayes sebelum kematiannya pada 1761 menentukan jalannya sejarah. Dia membantu Alan Turing memecahkan sandi Enigma Jerman, Angkatan Laut AS melacak kapal selam Soviet, dan ahli statistik mengidentifikasi Catatan Federal. Dan hari ini, dengan bantuannya, mereka memecahkan rahasia pikiran.
Semuanya dimulai pada 1748, ketika filsuf David Hume menerbitkan The Inquiry into Human Cognition dan, antara lain, mempertanyakan keberadaan keajaiban. Menurut Hume, kemungkinan kesalahan oleh orang-orang yang mengaku telah melihat kebangkitan Kristus lebih besar daripada kemungkinan peristiwa ini benar-benar terjadi. Tetapi Pendeta Bayes tidak menyukai teori ini.
Alat enkripsi "Enigma"
Foto: AFP 2016, Timothy A. Clary
Bertekad untuk membuktikan bahwa Hume salah, Bayes berusaha menghitung kemungkinan suatu peristiwa. Pertama-tama, dia datang dengan skenario sederhana: Bayangkan sebuah bola dilempar ke meja datar di belakang punggung Anda. Anda dapat menebak di mana dia mendarat, tetapi tidak mungkin untuk mengetahui tanpa melihat seberapa akurat Anda. Kemudian mintalah rekan kerja untuk melempar bola lain dan memberi tahu Anda apakah bola itu ada di kanan atau kiri bola pertama. Jika bola kedua berada di sebelah kanan, kemungkinan besar bola pertama telah mendarat di sisi kiri meja (dengan asumsi ini, ada lebih banyak ruang di sebelah kanan bola untuk bola kedua). Dengan setiap bola baru, tebakan Anda tentang lokasi bola pertama akan diperbarui dan diperbaiki. Menurut Bayes, berbagai bukti kebangkitan Kristus juga menunjukkan reliabilitas acara ini.dan mereka tidak bisa didiskon, seperti yang dilakukan Hume.
Pada 1767, teman Bayes, Richard Price, menerbitkan On the Significance of Christianity, its Evidence, and Possible Objections, di mana dia menggunakan ide Bayesian untuk menantang argumen Hume. Menurut sejarawan dan ahli statistik Stephen Stigler, dalam artikel Price, gagasan probabilistik dasar adalah bahwa Hume meremehkan jumlah saksi independen untuk sebuah keajaiban, dan hasil Bayes menunjukkan bagaimana peningkatan jumlah bukti, betapapun tidak dapat diandalkannya, bisa lebih kuat daripada yang kecil. tingkat kemungkinan suatu peristiwa dan dengan demikian mengubahnya menjadi fakta”.
Statistik yang berkembang dari karya Price dan Bayes menjadi cukup kuat untuk menangani berbagai ketidakpastian. Dalam pengobatan, teorema Bayes membantu untuk mempertimbangkan hubungan antara penyakit dan kemungkinan penyebabnya. Dalam pertempuran, itu mempersempit ruang untuk melokalisasi posisi musuh. Dalam teori informasi, ini dapat digunakan untuk mendekripsi pesan. Dan dalam ilmu kognitif, memungkinkan untuk memahami makna proses sensorik.
Video promosi:
Teorema Bayes diterapkan ke otak pada akhir abad ke-19. Fisikawan Jerman Hermann von Helmholtz menggunakan gagasan Bayesian untuk menyajikan gagasan mengubah data sensorik, seperti kesadaran akan ruang, menjadi informasi melalui proses yang disebutnya inferensi tak sadar. Statistik Bayesian menjadi populer, dan gagasan bahwa perhitungan mental yang tidak disadari secara inheren mungkin tidak lagi tampak dibuat-buat. Menurut Hipotesis Otak Bayesian, otak terus-menerus membuat kesimpulan Bayesian untuk mengimbangi kurangnya informasi sensorik, sama seperti setiap bola berikutnya yang dilemparkan ke meja Bayesian mengisi celah di lokasi bola pertama. Otak Bayesian membentuk model internal dunia: ekspektasi (atau asumsi) tentangbagaimana berbagai objek terlihat, terasa, bersuara, berperilaku, dan berinteraksi. Sistem ini menerima sinyal sensorik dan secara kasar mensimulasikan apa yang terjadi di sekitar.
Misalnya, visi. Cahaya memantulkan benda-benda di sekitar kita dan mengenai permukaan retina, dan otak entah bagaimana harus membuat gambar tiga dimensi dari data dua dimensi. Banyak gambar tiga dimensi dapat diperoleh darinya, jadi bagaimana otak memutuskan apa yang akan ditampilkan kepada kita? Mungkin menerapkan model Bayesian. Tampaknya hampir tidak dapat dipercaya bahwa otak telah berevolusi sedemikian rupa sehingga mampu membuat kalkulasi statistik yang mendekati ideal. Komputer kita tidak dapat menangani probabilitas statistik yang begitu besar, dan sepertinya kita melakukannya sepanjang waktu. Tapi mungkin otak masih belum mampu melakukan ini. Menurut teori pengambilan sampel, metode kesadaran dapat mendekati inferensi Bayesian: alih-alih secara bersamaan mengeluarkan semua asumsi yang dapat menjelaskan sinyal sensorik apa pun,otak hanya memperhitungkan beberapa di antaranya, dipilih secara acak (berapa kali masing-masing asumsi dipilih berdasarkan frekuensi kasus terkait di masa lalu).
Ini bisa menjelaskan asal mula ilusi visual: otak memilih "tebakan terbaik" menurut aturan inferensi Bayesian, dan ternyata itu salah, karena sistem visualisasi mengisi celah informasi dengan pilihan dari model internal yang tidak sesuai. Misalnya, dua kotak pada papan catur tampak memiliki corak warna yang berbeda, atau sebuah lingkaran terlihat cekung pada awalnya dan menjadi cembung setelah rotasi 180 derajat. Dalam kasus seperti itu, otak awalnya membuat asumsi yang salah tentang sesuatu yang sederhana seperti pencahayaan.
Ini juga membantu menjelaskan mengapa informasi sebelumnya diterima, semakin kuat pengaruhnya pada orang dengan ingatan, kesan, keputusannya, jelas Alan Sanborn (Adam Sanborn), yang mempelajari masalah perilaku di University of Warwick. Secara potensial, orang lebih suka membeli dari penjual pertama yang mereka temui. Slot lebih mungkin untuk melanjutkan permainan jika dimulai dengan kemenangan. Kesan pertama seringkali sulit untuk dibantah, meskipun secara fundamental salah. “Setelah Anda mendapatkan informasi awal, Anda akan membuat asumsi yang sesuai dengan itu,” Sanborn menjelaskan.
Variabilitas ini terus berlanjut di tingkat neutron. "Idenya adalah bahwa aktivitas neutron adalah variabel acak yang Anda coba dapatkan," kata Máté Lengyel, seorang ahli saraf yang berbasis di Cambridge. Dengan kata lain, variabilitas aktivitas saraf merupakan indikator kemungkinan suatu peristiwa. Mari kita pertimbangkan contoh yang disederhanakan - neuron yang bertanggung jawab atas konsep "harimau". Neuron akan terombang-ambing di antara dua tingkat aktivitas, tinggi ketika ada sinyal keberadaan harimau dan rendah, yang berarti tidak ada harimau. Frekuensi neuron sangat aktif meningkatkan kemungkinan keberadaan harimau. “Intinya, dalam hal ini, kita dapat mengatakan bahwa aktivitas neuron adalah sampel dari distribusi probabilitas,” kata ilmuwan tersebut. - Ternyata jika Anda mengembangkan ide ini dengan cara yang lebih realistis dan tidak disederhanakan,kemudian mencakup banyak hal yang kita ketahui tentang neuron dan variabilitas responsnya."
Salah satu kolega Sanborn, Thomas Hills, menjelaskan bahwa cara kita memilih di antara gambaran mental agak mirip dengan cara kita mencari objek fisik di luar angkasa. Jika biasanya Anda mengambil susu dari bagian belakang supermarket, hal pertama yang Anda lakukan adalah pergi ke sana saat Anda pergi ke toko susu baru. Ini tidak berbeda dengan mencari gambaran internal di otak. “Orang dapat membayangkan ingatan sebagai semacam rekaman frekuensi rasional dari peristiwa di dunia. Kenangan dikodekan menjadi gambaran mental secara proporsional dengan pengalaman masa lalu. Jadi jika saya bertanya tentang hubungan Anda dengan ibu Anda, Anda dapat mulai berpikir: ini adalah memori dari interaksi positif, ini adalah memori lain dari interaksi positif, dan ini adalah yang negatif. Tapi rata-rata, kenangan hubunganmu dengan ibumu bagus, jadi kamu bilang "bagus," "- kata Thomas Hills. Otak adalah sejenis mesin pencari yang memilih ingatan, menciptakan apa yang disebut Hills sebagai "struktur kepercayaan" - gagasan tentang hubungan dengan orang tua, definisi "anjing", "teman", "cinta", dan lainnya.
Jika proses pencarian berjalan salah, yaitu otak membuat pilihan dari informasi yang tidak mewakili pengalaman manusia, jika ada ketidaksesuaian antara ekspektasi dan sinyal sensorik yang sebenarnya, maka depresi, sindrom obsesif-kompulsif, gangguan pasca trauma dan sejumlah penyakit lainnya muncul.
Ini bukan untuk mengatakan bahwa hipotesis otak Bayesian tidak memiliki lawan. “Saya pikir kerangka Bayesian, sebagai sejenis bahasa matematika, adalah cara yang kuat dan berguna untuk mengungkapkan teori psikologis. Namun penting untuk menganalisis bagian mana dari teori yang benar-benar memberikan penjelasan, "kata Matt Jones dari University of Colorado di Boulder. Menurutnya, pendukung "otak bayesian" terlalu mengandalkan bagian dari teori yang berbicara tentang analisis statistik. “Dengan sendirinya, itu tidak menjelaskan keberagaman perilaku. Masuk akal hanya jika dikombinasikan dengan apa yang ternyata merupakan asumsi bebas tentang sifat representasi pengetahuan: bagaimana kita mengatur konsep, mencari informasi dalam memori, menggunakan pengetahuan untuk bernalar dan memecahkan masalah."
Dengan kata lain, klaim kami tentang pemrosesan informasi psikologis yang secara tradisional dilakukan oleh ilmu kognitif menunjukkan bagaimana statistik Bayesian diterapkan pada fungsi otak. Model menerjemahkan teori-teori ini ke dalam bahasa matematika, tetapi interpretasi ini didasarkan pada psikologi konservatif. Pada akhirnya, mungkin saja model Bayesian atau non-Bayesian lainnya lebih cocok dengan berbagai proses mental yang mendasari persepsi sensorik dan pemikiran yang lebih tinggi.
Sanborn mungkin tidak setuju dengan pandangan Jones tentang hipotesis otak Bayesian, tetapi dia memahami bahwa langkah selanjutnya adalah mempersempit berbagai model yang sedang bekerja. “Kami dapat mengatakan bahwa pengambilan sampel itu sendiri berguna untuk memahami aktivitas otak. Tapi ada banyak pilihan. Seberapa setuju mereka dengan teori Bayesian masih harus dilihat. Namun, kita sudah dapat mengatakan bahwa pembelaan agama Kristen di abad ke-18 membantu para ilmuwan mencapai sukses besar di abad ke-21.
