13、生成概率建模：理解因果感觉运动整合

生成概率建模：理解因果感觉运动整合

人类的感知是一个复杂而神秘的过程，长久以来，科学家们一直在探索如何用合适的模型来解释人类感知的各个方面。今天，我们将深入探讨生成概率建模在理解因果感觉运动整合中的应用，以及它如何为我们揭示人类感知的奥秘。

1. 生成概率建模的核心观点

许多人类感知的方面可以通过一种建模方法得到很好的解释。这种方法假设实验对象拥有他们所面临任务的完整生成概率模型，并利用这个模型对环境进行推断，根据可用信息做出最优行动。

这种建模方法具有显著的优势：
- 为建模者提供清晰的框架，用于处理新的任务，避免简单套用常见的规范模型（如线性组合），因为这些模型可能不适用于新场景，无法解释人类行为的重要方面。
- 可以将人类的表现与明确的“最优”模型进行比较，从而判断人类感知的最优性，或者揭示人类感知系统的结构局限性，这些局限性可能导致其偏离最优状态。

2. 应用场景

我们将这种生成建模框架应用于两个不同的场景：
- 并发感觉和运动适应 ：以往的模型假设感觉适应和运动适应是相互独立的过程。但通过考虑联合观察和影响它们的干扰的完整生成模型，可以推导出一个统一的感觉和运动适应模型，该模型对感觉和运动适应之间的相互作用做出了强有力且可实验验证的预测。
- 多感官奇异检测 ：常见的朴素规范模型在处理线索组合时不够稳健，会错误地预测存在无限多个有差异但仍无法区分的刺激。而完整的生成模型对于解释人类在这一领域的行为是必要的。

3. 感觉和运动适应的相互作用

当两个线索持续存在相同的差异时