Storyboard

A percepção não é uma cópia passiva do mundo, mas uma inferência ativa: o sistema nervoso combina informação sensorial (probabilidade P(O|E)) com conhecimento prévio (P(E) anterior) para estimar o estado do mundo P(E|O) usando a regra de Bayes. Esta visão bayesiana explica ilusões, constância perceptiva e efeitos de contexto: o cérebro usa expectativas para interpretar dados ambíguos.

A fusão ideal de dois estimadores independentes produz uma variância menor do que qualquer uma das duas fontes individuais: ²_fus < min(², ²). Isto explica por que dois olhos oferecem melhor acuidade do que um, por que a audição binaural localiza melhor do que a audição monoaural e por que combinar visão e propriocepção melhora o equilíbrio. O cérebro implementa aproximadamente esse estimador de variância mínima.

O modelo generativo g(E,) descreve como o cérebro prevê o que deveria ver/ouvir/sentir dado um estado hipotético do mundo. A percepção de acordo com o princípio da energia livre de Friston é a minimização contínua da discrepância entre previsões e observações. Neurônios de 'erro de previsão' no córtex codificam essa diferença O - g (E, ).

O filtro de Kalman é o estimador linear ideal para sistemas dinâmicos com ruído gaussiano. O ganho de Kalman K_t pondera automaticamente o quanto confiar na nova observação z_t versus a previsão anterior x_t: se o ruído sensorial for baixo (medição confiável), K_t 1 e a observação é confiável; se o ruído for alto, K_t 0 e a previsão é confiável. O cérebro implementa mecanismos semelhantes para controle motor.

Estas ferramentas estatísticas explicam fenómenos como a constância perceptual (o cérebro corrige automaticamente a iluminação para ver cores constantes), a captura sensorial (a modalidade mais fiável domina a percepção fundida) e os efeitos de ilusão da mão de borracha, onde o cérebro actualiza o seu modelo corporal face a evidências multissensoriais coerentes.

>Modelo

ID:('ky', 572)

Descrição

ID:(0, 572)