О том, как мозг предсказывает окружающий мир расскажет в Москве Карл Фристон

Источник фото: https://postnauka.ru/video/70636

 

23 сентября 2019 года в МГППУ состоится открытая лекция КАРЛА ФРИСТОНА - британского нейробиолога, изобретателя статистической параметрической разметки (SPM) и воксельной морфометрии (VBM), члена Британской Медицинской Академии (1999), члена Королевского научного общества (2006), научного директора Лаборатории функциональных изображений при Университетском колледже Лондона, профессора Лондонского университета. Карл Фристон получил широкую известность и признание в научных кругах за формулировку ряда основополагающих теоретических представлений, таких как принцип минимизации свободной энергии, гипотеза «Байесовского мозга» и др.

 

 

В лекции будет рассказано о глубоких временных моделях (deep temporal models), основанных на Марковских процессах принятия решений. Эти представления базируются на выдвинутой ранее теории активного вывода (active inference – активный сбор информации мозгом для проверки и обновления предсказаний об окружающем мире) и используются для симуляции как поведения, так и электрофизиологических данных – в рамках иерархических порождающих моделей переходов между дискретными состояниями. Инверсия таких моделей (выявление скрытых причин путем анализа следствий) базируется на вложенных последовательных выводах (предсказаниях), организованных таким образом, что изменение состояния на более высоком иерархическом уровне влечет за собой множественные изменения состояния на нижележащем уровне. Глубокая структурированность этих моделей во временном аспекте означает, что свидетельства накапливаются в различных временных масштабах, позволяя делать выводы в нарративах (то есть, в последовательностях сцен, упорядоченных во времени) – как это, например, можно наблюдать при чтении текстов. Мы иллюстрируем такое поведение в контексте представлений об обновлении «байесовских сетей доверия» – и соответствующих теорий нейронных процессов – для объяснения феномена поиска и накопления информации, направленного на разрешение неопределенностей (epistemic foraging), наблюдаемого при чтении. Компьютерные симуляционные модели, имитирующие такие процессы, позволяют воспроизвести экспериментальные данные по перисаккадической нейронной активности и локальным потенциалам поля; в частности, это относится к исследованиям накопления свидетельств и к регистрации активности нейронов места. Наконец, мы используем глубокую структуру этих моделей для компьютерной симуляции ответов на локальные (например, тип шрифта) и глобальные (например, семантические) нарушения упорядоченности в последовательностях стимулов, позволяющей воспроизвести такие эффекты, как негативность рассогласования и потенциал P300 соответственно.