研究人员发现，人类大脑天生能够像高性能计算机一样通过贝叶斯推理进行计算，从而快速、精确地解读环境。这种统计方法将先验知识与新证据相结合，使我们能够快速准确地理解周围环境。

这项研究表明，我们大脑的视觉系统结构天生具备执行贝叶斯推理的能力，以处理其收集的感觉数据。这一发现有望在人工智能的机器学习领域以及临床神经学的新治疗策略中带来突破。

关键事实

• 人类大脑利用贝叶斯推理（一种统计方法）有效地将先验知识与新数据结合，从而高效解读环境。

• 研究表明，大脑的视觉系统天生具备执行贝叶斯计算所需的结构和连接。

• 这一发现对人工智能领域至关重要，模仿这些大脑功能可以革新机器学习；同时，它也为神经学提供了新的治疗途径。

来源：悉尼大学

科学家证实，人类大脑天生具备执行高级计算的能力，就像高性能计算机一样，通过贝叶斯推理来理解世界。

在《自然通讯》杂志上发表的一项研究中，来自悉尼大学、昆士兰大学和剑桥大学的研究人员开发了一种特定的数学模型，该模型与人类大脑在处理视觉信息时的工作方式高度吻合。该模型包含了执行贝叶斯推理所需的所有要素。

贝叶斯推理是一种统计方法，它将先验知识与新证据结合，从而进行智能推测。例如，如果你知道狗的样子，并且看到一只毛茸茸的四条腿动物，你可能会利用先验知识推测它是一只狗。

这种内在能力使人们能够以极高的精度和速度解读环境，而机器在面对简单的CAPTCHA安全措施时，可能无法准确识别图像中的消防栓。

该研究的资深研究员、悉尼大学心理学学院的Reuben Rideaux博士表示：“尽管贝叶斯方法在概念上具有吸引力和解释力，但大脑如何计算概率仍然是一个谜。”

“我们的新研究揭示了这一谜团。我们发现，大脑视觉系统的基本结构和连接方式使其能够对接收到的感觉数据执行贝叶斯推理。这一发现的意义在于，它证实了我们大脑具有一种内在设计，能够进行这种高级处理，从而使我们更有效地解读周围环境。”

研究意义
这项研究的发现不仅证实了关于大脑使用贝叶斯推理的现有理论，还为新的研究和创新打开了大门。大脑天生具备的贝叶斯推理能力可以被用于造福社会的实际应用。

Rideaux博士表示：“我们的研究虽然主要关注视觉感知，但对神经科学和心理学领域具有广泛的意义。通过理解大脑处理和解读感觉数据的基本机制，我们可以为从人工智能到临床神经学等多个领域的进步铺平道路。在人工智能领域，模仿这些大脑功能可以彻底改变机器学习；而在临床神经学领域，这可能为未来的治疗干预提供新策略。”

研究方法
研究团队由William Harrison博士领导，他们通过记录志愿者在被动观看显示内容时的大脑活动来发现这一现象。这些显示内容经过设计，能够引发与视觉处理相关的特定神经信号。然后，研究人员设计了数学模型，比较了关于人类大脑如何感知视觉的多种竞争性假设。

原始研究
Rideaux, R., et al. "Neural tuning instantiates prior expectations in the human visual system." Nature Communications (2023).

摘要
感知通常被建模为主动推理的过程，其中先验知识与噪声感觉测量相结合，以估计世界的结构。这一数学框架对于理解感知、认知、运动控制和社会互动至关重要。

虽然理论工作已经展示了如何从环境统计数据中计算先验，但其神经实现可以通过多种竞争性编码方案来实现。

在这里，我们使用数据驱动的方法提取大脑对视觉方向的表示，并将其与不同感觉编码方案的模拟进行比较。我们发现，人类视觉系统的调谐高度依赖于刺激特定的变化，这是以往提议未能预测的。

我们进一步表明，所采用的编码方案有效地将自然图像统计的环境先验嵌入到感觉测量中，为皮质处理的最早阶段提供了最优推理所需的功能架构。