Статистика и вероятность мозга
Люди переоценивают редкие события, недооценивают большие выборки, верят в «полосы удачи» и склонны видеть закономерности там, где их нет. Эти ошибки проявляются в азартных играх, инвестициях, политике, медицине и повседневных решениях, в целом в жизни. Проблема заключается в том, что теория вероятностей опирается на строгие абстрактные принципы, тогда как мозг эволюционировал для решения совершенно других задач - быстрого выживания в условиях неопределённостию.
Что такое вероятность с точки зрения математики
В современной математике вероятность формализована в рамках аксиоматики, разработанной Андреем Колмогоровым в 1933 году.
Вероятностное пространство состоит из трёх элементов:
1. Пространство исходов. Множество всех возможных результатов эксперимента.
2. События. Это подмножества пространства исходов.
3. Вероятностная мера. Функция P, удовлетворяющая 3 основным аксиомам.
Из этих аксиом выводится весь аппарат теории вероятностей.
Одним из способов понимания вероятности является частотная интерпретация. Вероятность - это предел относительной частоты события при бесконечном числе повторений. Если событие произошло k раз при n испытаний, то при n стремящимся к бесконечности, отношение k/n стремится к P(A). Из этого выходит Закон больших чисел, доказанный Якобом Бернулли. Если было непонятно, то ничего страшного - сейчас разберёмся попроще.
Он утверждает следующее: при увеличении числа независимых испытаний частота события стремится к его вероятности.
Это крайне важно, и вот почему:
Небольшой пример. Есть монетка, обычная, орёл и решка. У нас всего 2 возможных исхода. Получается, вероятность каждого события будет 1/2 или же 0,5. Однако, если мы подбросим монету 10 раз, возможно нам выпадет всего 3 орла. На этом моменте кажется, что вероятность работает как-то странно и слишком абстрактна, но если мы подбросим монетку 100 раз, уже приблизимся к 0,5, подбросив 1000000 раз - почти точно получаем 0,5. Каков итог? Вероятность работает на дальней дистанции.
Есть сильный и слабый законы больших чисел, о них можете ознакомиться самостоятельно, мы тут проездом.
Человеческий мозг работает с очень маленькими выборками. Эволюционно наши предки редко наблюдали очень много повторений и большие выборки, однако отдельный индивид без дополнительного контекста видит их меньше. Поэтому мозг ожидает, что даже маленькая выборка должна выглядеть «типично». Но, как мы уже выяснили, случайность ведёт себя иначе.
Исследования психологов показали, что люди считают, что маленькие выборки должны отражать общую статистику. Если вероятность 50%, люди ожидают, что последовательность ОРРОРО более вероятна, чем ООООРР, хотя вероятности тут одинаковы.
Теперь давайте посмотрим на центральную предельную теорему. Она является одним из важнейших результатов математики.
Суть: сумма большого числа независимых случайных величин стремится к нормальному распределению.
Мне крайне тяжело показывать вам её в лекции, поэтому прикреплю ссылку на материал. Нормальное распределение - гауссова кривая. Она имеет форму колокола. Мозг ожидает закономерностей даже там, где их нет.
Основные когнитивные ошибки вероятности
Мозг использует эвристики - быстрые правила принятия решений. Они экономят вычислительные ресурсы, но вызывают ошибки. Мне больше всего запоминаются 3 таких ошибки:
1. Ошибка игрока. Если монета выпала орлом 10 раз подряд, то теперь должна выпасть решка. Это происходит потому, что мозг ожидает локальную компенсацию случайности. На деле-то вероятность одна и та же.
2. Иллюзия закономерностей. Мозг обладает мощной системой распознавания паттернов. Так было полезно при эволюционировании. Однако приводит к ложным корреляциям. Люди видят закономерность там, где её не существует.
3. Эвристика доступности. Вероятность оценивается не математически, а по лёгкости воспоминания. Если событие эмоционально яркое, оно кажется более вероятным. Работает как в негативную сторону, так и в положительную.
«Правильным мышлением» является Байесовская статистика, выведенная Томасом Байесом. Она позволяет обновлять вероятности при получении новой информации.
К слову, именно эта теорема лежит в основе машинного обучения.
Но мы не можем так мыслить из «коробки». Требуются условные вероятности, абстрактные вычисления и работы с распределением. Мозг не эволюционировал для таких операций.
Нейробиология вычисления
В отличие от математической теории вероятностей, мозг реализует оценку вероятности через распределённые нейронные процессы, которые связаны с обучением, памятью, эмоциями и системой мотивации. Основная особенность этих процессов заключается в том, что мозг не вычисляет вероятность напрямую как числовую величину. Вместо этого он формирует внутренние предсказательные модели, которые постоянно обновляются на основе ошибок предсказания и сенсорной информации.
Одним из главнейших механизмов является уже знакомый нам RPE. Дофаминовые нейроны, расположенные главным образом в вентральной тегментальной области и чёрной субстанции, кодируют так называемую ошибку предсказания вознаграждения. Этот принцип был подробно исследован нейробиологом Вольфрамом Шульцем. Активность этих нейронов отражает разницу между ожидаемой и фактически полученной наградой. Долго останавливаться не будем, это вызубрили уже полностью.
Но куда же дальше передаются эти сигналы? А вот куда: дофаминовые сигналы передаются главным образом в структуры базальных ганглиев, прежде всего в стриатум. Базальные ганглии играют ключевую роль в обучении через подкрепление и выборе действий. Нейроны стриатума получают входы от обширных областей коры больших полушарий, а также модулируются дофамином. Считается, что стриатум реализует алгоритм, функционально аналогичный методам обучения с подкреплением, используемым в машинном обучении. Синаптическая пластичность в этих структурах зависит от дофаминовых сигналов ошибки предсказания. Если действие приводит к неожиданной награде, синаптические связи, связанные с этим действием, усиливаются. Если результат хуже ожиданий, соответствующие связи ослабляются. Однако такая система работает эффективно лишь в условиях ограниченного числа наблюдений. Всё логично.
Существенную роль в восприятии риска занимает, естественно, миндалина - структура лимбической системы. Она получает сенсорную информацию как напрямую от таламуса, так и через корковые области. Прямой таламо-амигдальный путь является быстрым и грубым каналом передачи информации, позволяющим мозгу мгновенно реагировать на потенциальные угрозы. Этот путь активируется ещё до того, как сенсорная информация будет детально обработана в коре. Медленный путь проходит через сенсорные и ассоциативные области коры и обеспечивает более точную интерпретацию стимулов. Однако в ситуациях неопределённости быстрый эмоциональный путь часто доминирует. Миндалина обладает высокой чувствительностью к негативным и угрожающим событиям, поэтому редкие, но потенциально опасные явления вызывают непропорционально сильную реакцию. Это приводит к систематическому переоцениванию вероятности катастрофических событий.
Не менее важную роль в субъективной оценке риска играет островковая кора. Эта область мозга участвует в интеграции интероцептивных сигналов, то есть информации о внутреннем состоянии организма. Островковая кора связана с ощущениями тревоги, ожиданием боли и оценкой неопределённости. Нейровизуализационные исследования показывают, что активность островковой коры возрастает в ситуациях, связанных с финансовым риском, неопределёнными результатами и потенциальными потерями. Считается, что эта структура формирует субъективное ощущение вероятности на основе телесных сигналов и эмоциональных состояний.
Передняя поясная кора играет важную роль в мониторинге конфликтов и обнаружении ошибок. Эта область активируется, когда мозг сталкивается с ситуацией неопределённости или когда фактический результат противоречит ожиданиям. Передняя поясная кора участвует в регулировании внимания и в переключении между различными стратегиями поведения. Она получает входы как от лимбических структур, так и от префронтальной коры, что позволяет ей интегрировать эмоциональную и когнитивную информацию. Когда вероятность исхода трудно оценить, передняя поясная кора усиливает активность префронтальных областей, побуждая мозг к более аналитической обработке информации. Однако этот процесс требует значительных энергетических затрат и происходит относительно медленно, поэтому в повседневных ситуациях он часто заменяется более быстрыми эвристическими механизмами.
Префронтальная кора вам очень и очень хороша известна, скажу лишь то, что она способна удерживать несколько альтернативных сценариев и оценивать их вероятности на основе логических рассуждений. Однако её вычислительные ресурсы ограничены. Активность префронтальной коры требует значительных энергетических затрат, поскольку нейроны этой области обладают высокой метаболической активностью.
И, наконец, гиппокам. Он участвует в кодировании последовательностей событий и их пространственно-временных связей. Когда мозг пытается оценить вероятность какого-либо события, он часто опирается на воспоминания о похожих ситуациях. Однако память обладает высокой степенью селективности и подвержена искажениям. Эмоционально значимые события запоминаются лучше, чем нейтральные. В результате редкие, но яркие события оказываются непропорционально представленными в памяти, что приводит к завышенной субъективной оценке их вероятности.
Немного теории
Современные теории нейробиологии рассматривают мозг как систему предиктивного кодирования. Согласно этой концепции, активно развиваемой нейробиологом Карл Фристон, мозг постоянно генерирует прогнозы о состоянии окружающей среды и сравнивает их с поступающей сенсорной информацией. Несоответствие между прогнозом и реальным сигналом называется ошибкой предсказания. Мозг стремится минимизировать эту ошибку, обновляя свои внутренние модели мира. В рамках этой теории вероятности представлены не как фиксированные числа, а как распределения уверенности в различных гипотезах. Нейронные популяции кодируют параметры этих распределений через уровни активности и синхронизацию нейронных ансамблей.
Нейрохимические процессы также играют важную роль в формировании вероятностного мышления. Помимо дофамина, значительное влияние оказывают серотонин и норадреналин. Серотонинергическая система участвует в регуляции импульсивности и склонности к риску. Низкий уровень серотонина связан с повышенной склонностью к рискованным решениям и сниженной способностью учитывать долгосрочные последствия. Норадреналин, выделяемый нейронами голубого пятна, регулирует уровень возбуждения и внимание. Он усиливает реакцию мозга на неожиданные стимулы и способствует быстрому переключению между различными источниками информации.
Нейронная активность сама по себе носит стохастический характер. Даже при одинаковых условиях отдельные нейроны не всегда генерируют одинаковые паттерны активности. Этот нейронный шум может играть функциональную роль в исследовании пространства возможных решений. Некоторые модели предполагают, что стохастичность нейронных процессов помогает мозгу избегать застревания в локальных оптимумах и исследовать альтернативные стратегии поведения. Однако тот же механизм может усиливать неопределённость и приводить к нестабильности оценок вероятности.
Вывод
Вероятности в мозге формируется не как точное математическое вычисление, а как результат взаимодействия множества нейронных процессов, связанных с обучением, эмоциями, памятью и мотивацией. Архитектура этих систем сформировалась в ходе эволюции для решения задач выживания в условиях ограниченной информации и времени. Поэтому она оптимизирована для быстрого реагирования на потенциальные угрозы и возможности, но не для точного анализа статистических закономерностей. Именно этот фундаментальный разрыв между биологической архитектурой мозга и математическими принципами теории вероятностей лежит в основе большинства когнитивных ошибок, связанных с оценкой случайности и риска.