29、感官线索整合中的先验知识与学习

感官线索整合中的先验知识与学习

在感知过程中，我们常常依赖各种感官线索来构建对世界的认知。然而，这些线索往往是模糊和不确定的，这时先验知识就发挥了重要作用。本文将探讨先验知识在感官信息整合中的作用，以及它如何通过经验进行修改。

1. 先验知识在感知中的重要性

赫尔姆霍茨在1866年就指出，先前经验的回忆与当前的感觉共同作用，形成一种强大的感知图像，而我们往往意识不到其中多少来自记忆，多少来自当前感知。这一观点体现了先验知识在感知中的重要地位，也是贝叶斯感知模型的基础。

在贝叶斯框架中，“当前感觉”对应于似然函数 (P(d|s))，即给定可能场景 (s) 时观察到一组感官数据 (d) 的概率；“记忆”则对应于先验 (P(s))，即收集任何感官数据之前（或独立于）给定场景 (s) 的概率。

以空心脸错觉为例，当我们看到一个面部面具的内部时，尽管有双眼视差等线索表明它是凹面的，但我们仍然会将其感知为凸面。这是因为我们对人脸的先验信念是凸面的，鼻子朝外。虽然在这种情况下先验知识使我们的感知偏离了真实刺激，但在大多数情况下，依靠先验知识可以提高我们对世界真实状态的估计，因为可用的感官数据往往是嘈杂、不可靠、不足或有偏差的。

2. 贝叶斯规则与先验知识的应用

贝叶斯规则为我们提供了一种在新观察到的感官信息存在时更新现有信念的方法。其公式为：

[P(s|d)=\frac{P(d|s)P(s)}{P(d)}]

其中，(P(s|d)) 表示后验，(P(d|s)) 是似然函数，(P(s)) 是先验，(P(d)) 是归一化因子。

假设我们想知道一个苹果的重量，但没有厨房秤。我们拿