Быть собой: новая теория сознания - Анил Сет

Она берет байесовское утверждение о том, что должен делать мозг, и превращает в предположение о том, что он делает на самом деле. И оказывается, что, постоянно и повсеместно минимизируя ошибки предсказания, на самом деле мозг применяет байесовское правило. Точнее, он аппроксимирует байесовское правило. Этой связью и санкционирована идея, что перцептивное содержание представляет собой нисходящую контролируемую галлюцинацию, а не восходящее «считывание» сенсорных данных.

Давайте рассмотрим три основные составляющие минимизации ошибок предсказания в мозге — порождающие модели, перцептивные иерархии и «взвешивание прецизионности» сенсорных сигналов.

Порождающие модели определяют репертуар воспринимаемого. Чтобы воспринять гориллу, мой мозг должен вооружиться порождающей моделью, способной генерировать соответствующие сенсорные сигналы, то есть такие, которых следует ожидать, если я действительно имею дело с гориллой. Эти модели обеспечивают поток перцептивных прогнозов, которые при сравнении с поступающими сенсорными данными образуют ошибки предсказания, а они в свою очередь по мере того, как мозг пытается минимизировать эти ошибки, индуцируют обновление прогнозов[137].

Перцептивные прогнозы разыгрываются в самых разных пространственно-временных масштабах, поэтому мы воспринимаем структурированный мир, полный предметов, людей и пространств. Из высокоуровневого прогноза относительно наблюдения гориллы возникают прогнозы более низкого уровня относительно ее конечностей, глаз, ушей, шерсти, которые затем обрушиваются каскадом еще ниже, выливаясь в прогнозы относительно цвета, текстуры, очертаний и, наконец, в предугадываемые вариации яркости по всему полю зрения[138]. Перцептивная иерархия может затрагивать несколько сенсорных областей и даже распространяться за пределы сенсорных данных. Если я вдруг услышу голос матери, зрительная кора включит предсказания, говорящие о том, что приближающаяся фигура — это моя мать. Если я знаю, что я в зоопарке, перцептивные области моего мозга будут больше подготовлены к встрече с гориллой, чем во время обычной прогулки по улице.

Здесь важно уточнить, что «прогнозы» при минимизации ошибок предсказания не обязательно касаются будущего. Прогноз в данном случае — это просто выход за рамки данных благодаря использованию модели. В статистике суть прогноза в том, чтобы отработать недостаток данных. Чем этот недостаток обусловлен — тем, что предсказания делаются относительно будущего (будущее вполне можно рассматривать как недостаток данных) или относительно текущего, но не полностью известного положения дел, — значения не имеет.

Последняя ключевая составляющая минимизации ошибок предсказания — это взвешивание прецизионности[139]. Мы уже видели, как относительная надежность сенсорных сигналов определяет степень обновления перцептивных умозаключений. Первый взгляд на маячащую вдалеке гориллу или на соседский газон через грязное окно принесет сенсорные сигналы низкой надежности, поэтому ваше наиболее вероятное байесовское предположение пока не слишком продвинется. Еще мы видели, как отражается надежность в прецизионности соответствующего распределения вероятностей. Как показывает график на рис. 9, сенсорные данные с низкой оцениваемой прецизионностью меньше влияют на обновление априорных убеждений.

Я говорю «оцениваемая прецизионность», а не просто «прецизионность», потому что прецизионность сенсорных сигналов не подается воспринимающему мозгу на блюдечке. Ее тоже нужно выводить как умозаключение. Мозгу приходится не только вычислять наиболее вероятные источники входящей сенсорной информации, но и устанавливать, насколько эта входящая сенсорная информация надежна. На практике это значит, что мозг постоянно корректирует степень влияния сенсорных сигналов на перцептивные умозаключения. Делает он это, временно меняя их оцениваемую прецизионность. Именно это и означает термин «взвешивание прецизионности». Снижение ее веса подразумевает, что сенсорные сигналы начинают меньше влиять на обновление наиболее вероятных предположений; увеличение веса, наоборот, увеличивает влияние сенсорных сигналов на перцептивные умозаключения. Таким образом, взвешивание прецизионности играет немаловажную роль в дирижировании этой изящнейшей перекличкой прогнозов и ошибок предсказания, без которого не получится вывести наиболее вероятное перцептивное предположение.

Выглядит это все очень сложно, однако на самом деле роль взвешивания прецизионности в восприятии нам всем отлично знакома. Повышение оцениваемой прецизионности сенсорных сигналов — это не что иное, как «обращение внимания». Когда мы обращаем на что-то внимание — например, присматриваемся, пытаясь разглядеть, действительно ли там впереди горилла, — мозг усиливает взвешивание прецизионности для соответствующих сенсорных сигналов, что эквивалентно повышению их оцениваемой надежности или включению их «усиления». Теперь понятно, почему иногда мы вроде бы смотрим, но не видим. Если вы обращаете внимание на одни сенсорные данные — увеличиваете их оцениваемую прецизионность, — другие сенсорные данные будут меньше влиять на обновление наиболее вероятных перцептивных предположений.

Примечательно, что в некоторых ситуациях обойденные вниманием сенсорные данные полностью лишаются возможности повлиять на воспринимаемое. В 1999 г. психолог Дэниел Саймонс снял хорошо сейчас известную видеодемонстрацию[140] этого феномена, который он назвал «слепота невнимания». Если вы не видели этот ролик, рекомендую посмотреть, прежде чем читать дальше[141].

Вот что там происходит. Участники проводимого Саймонсом эксперимента смотрят короткий ролик, в котором сняты две команды по три игрока в каждой. Одна команда одета в черное, другая в белое. У каждой из команд имеется баскетбольный мяч, который они передают друг другу, хаотично перемещаясь и меняясь местами. Задача зрителя — подсчитать, сколько передач сделают «белые». Для этого ему приходится напрячь внимание, поскольку шесть игроков беспорядочно двигаются по всему пространству кадра, а мячей передается два.

Поразительно следующее: подсчитывая передачи, большинство людей совершенно не замечают человека в черном костюме гориллы, который проходит через кадр слева направо, по пути делая несколько характерных горилльих движений. Когда им включают тот же ролик снова, на этот раз попросив найти гориллу, они видят ее сразу и часто отказываются верить, что это то же самое видео. Дело в том, что при сосредоточении внимания на игроках в белом сенсорные сигналы от игроков в черном и от гориллы получают низкую оцениваемую прецизионность, поэтому почти (или совсем) не влияют на обновление наиболее вероятных перцептивных предположений.

Что-то похожее произошло много лет назад и со мной, когда я ехал к моему любимому месту для сёрфинга в Сан-Диего. Я повернул налево под недавно установленный знак «поворот налево запрещен» — на короткий съезд к океану где-то у Дель-Мара. Поскольку никаких очевидных причин установки такого знака не наблюдалось, поскольку другие машины передо мной тоже туда поворачивали, поскольку за долгие годы я сворачивал на этот съезд, наверное, сотни раз и поскольку я страшно возмущаюсь, когда меня пытаются несправедливо оштрафовать, я доказывал в своих письменных показаниях, что знак был для меня в буквальном смысле невидим, даже если он «в принципе» находился в поле зрения. Я строил свою защиту на принципе слепоты невнимания. Да, новый знак имелся, но в силу взвешивания прецизионности в мозге я его воспринять не смог. Я дошел до Калифорнийского суда по делам о нарушении безопасности движения — пусть не до Верховного,