Plausibilidad biológica de los modelos bayesianos de cognición

Al realizar ciertas tareas, las inferencias de las personas se aproximan a la inferencia bayesiana en un grado notable. Por ejemplo, cuando las personas reciben información táctil y visual sobre el tamaño de un objeto, combinan esta información de una manera que se parece mucho a la inferencia bayesiana, teniendo en cuenta las incertidumbres asociadas con la información visual y táctil (p. ej., Ernst & Banks , 2002). Esta optimización se puede observar en muchas tareas perceptuales (Knill y Pouget, 2004) y sensoriomotoras (Kording y Wolpert, 2004, 2006) y en una variedad de fuentes de información (p. ej., incluidas creencias previas y entradas sensoriales múltiples). Estos hallazgos sugieren que debe haber mecanismos biológicos que implementen la inferencia bayesiana o implementen algo que se parezca mucho a ella.

Al mismo tiempo, no hay consenso sobre cómo se hace esto. Si bien existen propuestas sobre cómo las poblaciones neuronales podrían realizar la inferencia bayesiana (p. ej., Ma, Beck, Latham y Pouget, 2006; Knill y Pouget, 2004; Kover y Bao, 2010), es difícil evaluar estas propuestas en la actualidad: la la evidencia neurocientífica disponible es bastante limitada. Además, debido a que la evidencia más convincente de la inferencia bayesiana se limita a los procesos de percepción de bajo nivel, es posible que las inferencias de alto nivel sean implementadas por mecanismos biológicos que no realizan la inferencia bayesiana. De hecho, dada la dificultad computacional de la inferencia bayesiana en general, parece casi inevitable que muchos mecanismos biológicos no implementen exactamente la inferencia bayesiana.

En resumen, algunos mecanismos biológicos deben realizar algo parecido a la inferencia bayesiana, pero los investigadores apenas han comenzado a explorar cómo sucede esto, y aún no está claro hasta qué punto la percepción y la cognición de alto nivel dependen de los cálculos bayesianos.

Referencias

Knill, DC y Pouget, A. (2004). El cerebro bayesiano: el papel de la incertidumbre en la codificación y el cálculo neuronal. Tendencias en Neurociencias, 27 (12), 712-719. [pdf ]

Kording, KP y Wolpert, DM (2004). Integración bayesiana en el aprendizaje sensoriomotor. Naturaleza, 427, 244-247. [pdf ]

Kording, K. P y Wolpert, DM (2006). Teoría de la decisión bayesiana en el control sensoriomotor. Tendencias en Ciencias Cognitivas, 10 (7), 319-326. [pdf ]

Ma, WJ, Beck, JM, Latham, PE y Pouget, A. (2006). Inferencia bayesiana con códigos de población probabilísticos. Nature Neuroscience, 9 (11), 1432-1438. [pdf ]

Ernst, MO y Banks, MS (2002). Los seres humanos integran la información visual y háptica de una manera estadísticamente óptima. Naturaleza, 415, 429-433. [enlace ]