在生命中的每一刻,大脑都会收集、统计新的数据来更新这个模型,而这个模型的唯一职责就是「生成对于当下与未来的预测」。
而当我们的“预测”与“实际感知到的世界”不相符的时候,就制造出了「预测误差」。
然后大脑会依据「预测误差」来更新内部的模型,从而在未来减少“期望”与“现实”之间的偏差,使之趋于完善。
因此,大脑的「贝叶斯推理方式」与当下炙手可热的「人工智能」的工作原理有着高度的相似性——你投喂给它什么数据,它就会依据这些数据来更新内部的模型,进而对外部做出反应和预测。
如果上面的说法让你感觉过于复杂,不好理解,那我们就来举一个例子。
在下面这张黑白的图案中,你能看到什么?
但是,当你再看到下面这张照片时,你的判断就会发生改变。
此后,你再看到第一幅图片时,你就会自然觉得这是一条蛇。
因为大脑输入了全新的「事前经验」,所以我们就会对同一个事物产生不同的感知和判断。
这正是德国物理学家、生物学家赫姆霍兹在19世界60年代提出的「无意识推理」概念:
我们的感知并不单纯是一个“自下而上”的过程,即视网膜接收到视觉信号,然后把信号原封不动地传送给大脑,而是一个“自下而上”,即经过事前经验的推理而得出结果的过程。
简答来说,因为我们每个人大脑所储存经验的不同,所以面对同一个事物会产生截然不同的判断和反应。
这就类似于认知行为疗法中的「情绪abc原则」:面对同样的现实,因为不同的人会又不同的信念与评判,所以会产生不同的情绪反应。
基于「无意识推理」,神经科学家们进一步发现:
大脑在获得实际的感官数据之前,会依据过往的经验生成对外部世界的“预测”,并与世界通过感官接收到的信息来进行比较。
当「预测」与「实际感受」不一致时,便产生了「预测误差」,然后大脑会据此调整内部的模型,以减少这种误差。
如上图,以我们的胃部感受为例,大脑中存在着一个对于“胃部感受”进行预测的内部模型。