貝葉斯腦學說

貝葉斯腦（參見英文：Bayesian brain ）相關嘅學說，係認知科學上一系列理論框架，以數學化嘅方式描述腦部點樣學習。呢套學說最基本個諗頭，講緊包括腦部在內嘅神經系統面對不確定性嗰時，會以貝葉斯統計學噉嘅方式嚟運作：根據呢套學說，神經系統會以機率模型^[1]嚟表達其信念，並且用呢啲信念嚟對感官接觸到嘅嘢作出預測，預測同實際睇到嘅梗會有差異，而神經系統攞住呢啲誤差，就會 update 佢內部嘅機率模型，從而控制住佢所屬嘅個體學習，適應周圍嘅環境^[2]。

背景概念

貝葉斯腦用到嘅一啲重要概念：

以機率表達嘅信念：可以睇睇概率同概率分佈。
作出預測：可以睇先驗分佈同條件概率。
Update 內部嘅模型：可以睇後驗分佈。

基本概論

假想有兩件事件，A 同 B，P(A) 係 A 發生嘅機會率，P(B) 係 B 發生嘅機會率，而思考 P(A|B)，即係已知 B 發生咗，A 發生嘅條件概率，呢個數值可以用以下呢條式計^[3]：

P(A|B)={\frac {P(B|A)\,P(A)}{P(B)}}

舉例說明，想像澳門，全澳門嘅人當中有 0.1% 嘅都有一隻病，P(A) = 0.001。依家有個新測試，測試出陽性反應係 B，而打前嘅醫學研究顯示，如果個病人真係有嗰隻病，測試有 90% 機會呈陽性反應，P(B|A) = 0.9，但就算個病人冇該病 A'，測試都有 9% 嘅機會呈陽性反應，即係

P(B|A') = 0.09，當中 P(B) 大約係 0.1

依家有個住澳門人嘅去做測試，出陽性結果，用貝葉斯定理計嘅話，佢真係有嗰種病嘅機會率 P(A|B) 大約係 1%，意思即係話呢個測試唔多靠得住^[3]。

應用例子

習得型失助嘅概念，亦可以用貝葉斯腦嘅諗法嚟思考：例如想像一場實驗，某隻動物經歷 10 次受痛楚嘅事件 P(A)，而喺某幾次事件當中佢有嘗試避開個痛楚（B），喺某幾次入面佢冇（B'）但次次都一樣遭受痛楚；佢個腦計咗之後會發現，自己行動咗跟住受痛楚嘅機率同唔行動而受痛楚嘅機率相約，即係佢個腦入便出現咗以下嘅諗法：

P(A|B) = P(A|B')

用自然語言表達，即係話佢個腦形成咗噉嘅知識：

我作唔作出行動（B 定 B'），結果都係會受痛楚（A）。

於是佢就進入失助嘅狀態^[4]。

睇埋

文獻

Mangalam, M., 2025. The myth of the Bayesian brain. European Journal of Applied Physiology, pp.1-35.

引述

↑ 或者叫英文：internal model of the world，內部對世界嘅模型
↑ Bottemanne, H., 2025. Bayesian brain theory: Computational neuroscience of belief. Neuroscience, 566, pp.198-204. Introduction
1 2 The Bayesian Brain Hypothesis 互聯網檔案館嘅歸檔，歸檔日期2020年3月28號，.. Towards Data Science.
↑ Lieder, F., Goodman, N. D., & Huys, Q. J. (2013). Learned helplessness and generalization. In Proceedings of the annual meeting of the cognitive science society (Vol. 35, No. 35).

[1] 或者叫英文：internal model of the world，內部對世界嘅模型

[2] Bottemanne, H., 2025. Bayesian brain theory: Computational neuroscience of belief. Neuroscience, 566, pp.198-204. Introduction

[bayesianbrain-3] 1 2 The Bayesian Brain Hypothesis 互聯網檔案館嘅歸檔，歸檔日期2020年3月28號，.. Towards Data Science.

[4] Lieder, F., Goodman, N. D., & Huys, Q. J. (2013). Learned helplessness and generalization. In Proceedings of the annual meeting of the cognitive science society (Vol. 35, No. 35).

[1]

[2]

[3]

[4]