Le prêtre presbytérien Thomas Bayes n'avait aucune idée qu'il apporterait une contribution durable à l'histoire humaine. Né en Angleterre au début du 18e siècle, Bayes était un homme calme avec un esprit curieux. Au cours de sa vie, il n'a publié que deux ouvrages: "La bonté du Seigneur" en 1731 pour la défense de Dieu et de la monarchie britannique, ainsi qu'un article anonyme à l'appui des calculs d'Isaac Newton en 1736. Cependant, un argument avancé par Bayes avant de mourir en 1761 a marqué le cours de l'histoire. Il a aidé Alan Turing à briser le chiffre allemand Enigma, la marine américaine à retrouver les sous-marins soviétiques et les statisticiens à identifier les notes fédéralistes. Et aujourd'hui, avec l'aide de celui-ci, ils résolvent les secrets de l'esprit.
Tout a commencé en 1748 lorsque le philosophe David Hume a publié The Inquiry into Human Cognition et, entre autres, a remis en question l'existence des miracles. Selon Hume, la probabilité d'erreur de la part de personnes prétendant avoir vu la résurrection du Christ l'emporte sur la probabilité que cet événement se soit réellement produit. Mais le révérend Bayes n'aimait pas cette théorie.
Appareil de cryptage "Enigma"
Photo: AFP 2016, Timothy A. Clary
Déterminé à prouver que Hume avait tort, Bayes a tenté de quantifier la probabilité d'un événement. Pour commencer, il a proposé un scénario simple: imaginez une balle lancée sur une table plate derrière vous. Vous pouvez deviner où il a atterri, mais il est impossible de le dire sans regarder à quel point vous étiez précis. Ensuite, demandez à un collègue de lancer une autre balle et de vous dire si elle est à droite ou à gauche de la première. Si la deuxième balle est à droite, il est plus probable que la première ait atterri sur le côté gauche de la table (selon cette hypothèse, il y a plus de place à droite de la balle pour la deuxième balle). À chaque nouvelle balle, votre estimation de l'emplacement de la première balle sera mise à jour et affinée. Selon Bayes, diverses preuves de la résurrection du Christ indiquent de même la fiabilité de cet événement,et ils ne peuvent pas être escomptés, comme l'a fait Hume.
En 1767, l'ami de Bayes, Richard Price, a publié Sur la signification du christianisme, ses preuves et ses objections possibles, qui a utilisé les idées de Bayes pour contester les arguments de Hume. Selon l'historien et statisticien Stephen Stigler, dans l'article de Price, «l'idée probabiliste de base était que Hume sous-estimait le nombre de témoins indépendants d'un miracle, et les résultats de Bayes ont montré comment une augmentation de la quantité de preuves, même peu fiable, pouvait être plus forte que petite. le degré de probabilité de l'événement et le transforme ainsi en fait."
Les statistiques issues des travaux de Price et Bayes sont devenues suffisamment puissantes pour gérer un large éventail d'incertitudes. En médecine, le théorème de Bayes permet de considérer les liens entre les maladies et les causes possibles. Au combat, cela réduit l'espace pour localiser les positions ennemies. En théorie de l'information, il peut être utilisé pour décrypter des messages. Et en sciences cognitives, il permet de comprendre le sens des processus sensoriels.
Vidéo promotionelle:
Le théorème de Bayes a été appliqué au cerveau à la fin du 19ème siècle. Le physicien allemand Hermann von Helmholtz a utilisé des idées bayésiennes pour présenter l'idée de transformer des données sensorielles, telles que la conscience de l'espace, en information à travers un processus qu'il a appelé inférence inconsciente. Les statistiques bayésiennes sont devenues populaires, et l'idée que les calculs mentaux inconscients étaient intrinsèquement probables ne semblait plus exagérée. Selon l'hypothèse bayésienne du cerveau, le cerveau fait continuellement des inférences bayésiennes pour compenser le manque d'informations sensorielles, tout comme chaque balle suivante lancée sur la table bayésienne comble les lacunes à l'emplacement de la première balle. Le cerveau bayésien forme un modèle interne du monde: attentes (ou hypothèses) surl'apparence, la sensation, le son, le comportement et l'interaction des différents objets. Ce système reçoit des signaux sensoriels et simule grossièrement ce qui se passe autour.
Par exemple, vision. La lumière rebondit sur les objets autour de nous et frappe la surface de la rétine, et le cerveau doit en quelque sorte créer une image tridimensionnelle à partir de données bidimensionnelles. De nombreuses images en trois dimensions peuvent être obtenues à partir d'elles, alors comment le cerveau décide-t-il de ce qu'il nous montre? Applique probablement le modèle bayésien. Il semble presque incroyable que le cerveau ait tellement évolué qu'il soit devenu capable de faire des calculs statistiques proches de l'idéal. Nos ordinateurs ne peuvent pas gérer un si grand nombre de probabilités statistiques, et nous semblons le faire tout le temps. Mais peut-être que le cerveau n'est toujours pas capable de cela. Selon la théorie de l'échantillonnage, les méthodes de conscience peuvent s'approcher de l'inférence bayésienne: au lieu d'émettre simultanément toutes les hypothèses qui peuvent expliquer n'importe quel signal sensoriel,le cerveau n'en prend en compte que quelques-uns, choisis au hasard (le nombre de fois que chacune des hypothèses est sélectionnée est basé sur la fréquence des cas correspondants dans le passé).
Cela pourrait expliquer l'origine des illusions visuelles: le cerveau choisit la «meilleure estimation» selon les règles de l'inférence bayésienne, et cela s'avère faux, car le système de visualisation comble les lacunes d'information avec une sélection à partir d'un modèle interne inapproprié. Par exemple, il semble que deux carrés sur un damier ont des nuances de couleur différentes, ou que le cercle semble concave au début et devient convexe après une rotation de 180 degrés. Dans de tels cas, le cerveau fait initialement une fausse hypothèse sur quelque chose d'aussi simple que l'éclairage.
Cela permet également d'expliquer pourquoi l'information est reçue plus tôt, plus son impact sur la personne avec ses souvenirs, ses impressions, ses décisions est fort, explique Alan Sanborn (Adam Sanborn), qui étudie les problèmes de comportement à l'Université de Warwick. Potentiellement, les gens préfèrent acheter au premier vendeur qu'ils rencontrent. Les machines à sous sont plus susceptibles de continuer le jeu si elles ont commencé par une victoire. La première impression est souvent difficile à réfuter, même si elle est fondamentalement erronée. «Une fois que vous aurez obtenu les informations initiales, vous ferez des hypothèses qui les rejoignent», précise Sanborn.
Cette variabilité va jusqu'au niveau des neutrons. «L'idée est que l'activité neutronique est une variable aléatoire que vous essayez de dériver», explique Máté Lengyel, une neuroscientifique basée à Cambridge. En d'autres termes, la variabilité de l'activité neuronale est un indicateur de la probabilité d'un événement. Prenons un exemple simplifié - un neurone responsable du concept de «tigre». Le neurone va osciller entre deux niveaux d'activité, haut lorsqu'il y a un signal pour la présence d'un tigre et bas, ce qui signifie qu'il n'y a pas de tigre. Le nombre de fois où le neurone est très actif augmente la probabilité qu'un tigre soit présent. «En substance, dans ce cas, on peut dire que l'activité d'un neurone est un échantillon d'une distribution de probabilité», explique le scientifique. - Il s'avère que si vous développez cette idée de manière plus réaliste et moins simplifiée,puis il inclut beaucoup de choses que nous savons sur les neurones et la variabilité de leurs réponses."
L'un des collègues de Sanborn, Thomas Hills, explique que la façon dont nous choisissons parmi les images mentales est quelque peu similaire à la façon dont nous recherchons des objets physiques dans l'espace. Si vous achetez habituellement du lait à l'arrière du supermarché, la première chose à faire est d'y aller lorsque vous vous rendez dans un nouveau magasin de lait. Ce n'est pas différent de la recherche d'images internes dans le cerveau. «On peut imaginer la mémoire comme une sorte d'enregistrement de la fréquence rationnelle des événements dans le monde. Les souvenirs sont encodés en images mentales proportionnellement aux expériences passées. Donc, si je vous pose des questions sur votre relation avec votre maman, vous pouvez commencer à réfléchir: voici un souvenir d'une interaction positive, voici un autre souvenir d'une interaction positive, et en voici un négatif. Mais en moyenne, les souvenirs de votre relation avec votre mère sont bons, alors vous dites "bien" "- dit Thomas Hills. Le cerveau est une sorte de moteur de recherche qui sélectionne les souvenirs, créant ce que Hills appelle des «structures de croyance» - l'idée de connexion avec les parents, les définitions de «chien», «ami», «amour» et tout le reste.
Si le processus de recherche se passe mal, c'est-à-dire que le cerveau fait une sélection à partir d'informations qui ne sont pas représentatives de l'expérience humaine, s'il y a un écart entre les attentes et le vrai signal sensoriel, alors la dépression, le syndrome obsessionnel-compulsif, les troubles post-traumatiques et un certain nombre d'autres maladies surviennent.
Cela ne veut pas dire que l'hypothèse bayésienne du cerveau n'a pas d'adversaires. «Je pense que le cadre bayésien comme une sorte de langage mathématique est un moyen puissant et utile d'exprimer des théories psychologiques. Mais il est important d'analyser quels éléments de théorie fournissent réellement une explication », déclare Matt Jones de l'Université du Colorado à Boulder. A son avis, les partisans du «cerveau bayésien» s'appuient trop sur la partie de la théorie qui parle d'analyse statistique. «En soi, cela n'explique pas la diversité des comportements. Cela n'a de sens qu'en combinaison avec ce qui s'avère être une hypothèse libre sur la nature de la représentation des connaissances: comment nous organisons les concepts, recherchons des informations en mémoire, utilisons les connaissances pour l'argumentation et la résolution de problèmes ».
En d'autres termes, nos affirmations sur le traitement psychologique de l'information que la science cognitive a traditionnellement effectué montrent comment les statistiques bayésiennes sont appliquées au fonctionnement du cerveau. Le modèle traduit ces théories dans le langage des mathématiques, mais cette interprétation est basée sur la psychologie conservatrice. En fin de compte, il se peut que d'autres modèles bayésiens ou non bayésiens s'intègrent mieux dans la variété des processus mentaux qui sous-tendent notre perception sensorielle et notre pensée supérieure.
Sanborn peut être en désaccord avec les vues de Jones sur l'hypothèse bayésienne du cerveau, mais il comprend que la prochaine étape consiste à restreindre la variété des modèles en action. «On pourrait dire que l'échantillonnage lui-même est utile pour comprendre l'activité cérébrale. Mais il y a beaucoup de choix. Reste à savoir dans quelle mesure ils sont d'accord avec la théorie bayésienne. Cependant, nous pouvons déjà dire que la défense du christianisme au 18e siècle a aidé les scientifiques à obtenir un grand succès au 21e.