Байесовский вывод в моторном обучении - Bayesian inference in motor learning

Байесовский вывод это статистический инструмент, который можно применить к моторное обучение, конкретно для адаптации. Приспособление представляет собой краткосрочный процесс обучения, предполагающий постепенное улучшение результатов в ответ на изменение сенсорной информации. Байесовский вывод используется для описания того, как нервная система объединяет эту сенсорную информацию с предшествующими знаниями для оценки положения или других характеристик чего-либо в окружающей среде. Байесовский вывод также можно использовать, чтобы показать, как информация из нескольких органов чувств (например, визуальных и проприоцепция ) можно комбинировать с той же целью. В любом случае байесовский вывод диктует, что на оценку больше всего влияет та информация, которая является наиболее достоверной.

Пример: объединение предшествующих знаний с сенсорной информацией в теннисе

Использование байесовского вывода для объединения априорной и сенсорной информации для оценки положения теннисного мяча.

Человек использует байесовский вывод для создания оценки, которая представляет собой взвешенную комбинацию его текущей сенсорной информации и его предыдущих или предшествующих знаний. Это можно проиллюстрировать решениями, принятыми в теннисном матче.[1] Если кто-то играет против знакомого соперника, который любит подавать так, что мяч ударяется о боковую линию, предыдущий игрок должен был бы поместить ракетку над боковой линией для возврата подачи. Однако, когда вы видите, что мяч движется, может показаться, что он приземлится ближе к середине площадки. Вместо того, чтобы полностью следовать этой сенсорной информации или полностью следовать предыдущей, можно было бы переместить ракетку в место между боковой линией (предложенной ранее) и точкой, где ее глаза указывают, что мяч приземлится.

Другая ключевая часть байесовского вывода состоит в том, что оценка будет ближе к физическому состоянию, предполагаемому сенсорной информацией, если чувства более точны, и будет ближе к состоянию предшествующего, если сенсорная информация более неопределенна, чем априорная. Распространяя это на пример с теннисом, игрок, впервые сталкивающийся с соперником, будет иметь мало уверенности в своих предыдущих знаниях о сопернике и, следовательно, будет иметь оценку, в большей степени зависящую от визуальной информации о положении мяча. В качестве альтернативы, если кто-то был знаком со своим противником, но играл в тумане или темноте, что затрудняло бы зрение, сенсорная информация была бы менее достоверной, а его оценка в большей степени зависела бы от предыдущих знаний.

Статистический обзор

Теорема Байеса состояния

На языке байесовской статистики , или вероятность A для данного B, называется апостериорной, в то время как и - вероятность и априорная вероятность соответственно.[2] - постоянный коэффициент масштабирования, который позволяет апостериорной величине быть от нуля до единицы. В переводе на язык моторного обучения априор представляет предыдущие знания о физическом состоянии наблюдаемого объекта, вероятность сенсорная информация используется для обновления предыдущего, а задний - нервной системы оценивать физического состояния. Поэтому для адаптации теорему Байеса можно выразить как

  оценивать = (предыдущие знания × сенсорная информация)/коэффициент масштабирования

Все три члена в приведенном выше уравнении представляют собой распределения вероятностей. Чтобы получить оценку в не вероятностном выражении, можно использовать взвешенную сумму.

куда оценка, сенсорная информация, это предыдущие знания, а весовые коэффициенты и различия и , соответственно. Дисперсия - это мера неопределенности в переменной, поэтому приведенное выше уравнение указывает, что более высокая неопределенность сенсорной информации заставляет предыдущие знания иметь большее влияние на оценку и наоборот.

Доступны более строгие математические байесовские описания. Вот и Вот.

Достижение

Многие двигательные задачи проявляют приспособление к новой сенсорной информации. Наиболее часто изучается байесовский вывод.

Интеграция предыдущего с текущей сенсорной информацией

(A) Курсор представлен одной точкой с точным расположением. (B) Местоположение курсора менее определенно, потому что он находится где-то в облаке точек.

В исследованиях адаптации часто подразумевается, что человек достигает цели, не видя ни цели, ни своей руки. Вместо этого рука представлена ​​курсором на экране компьютера, который они должны перемещать над целью на экране. В некоторых случаях курсор перемещается на небольшое расстояние от фактического положения руки, чтобы проверить, как человек реагирует на изменения в визуальной обратной связи.[3][4] Человек учится противодействовать этому сдвигу, перемещая свою руку на равное и противоположное расстояние от сдвига, и по-прежнему перемещает курсор к цели, что означает, что он разработал предварительный вариант для этого конкретного сдвига. Когда курсор затем перемещается на новое, другое расстояние от протянутой руки того же человека, реакция человека согласуется с байесовским выводом; рука перемещается на расстояние между старым (предыдущим) и новым (сенсорная информация).[3]

Если для новой смены курсор представляет собой большое облако точек вместо одной точки (как показано на рисунке), сенсорная информация человека менее ясна и будет иметь меньшее влияние на то, как он будет реагировать, чем предыдущая. Это поддерживает байесовскую идею о том, что сенсорная информация с большей достоверностью будет иметь большее влияние на адаптацию человека к измененной сенсорной обратной связи.

Эта форма адаптации верна только тогда, когда сдвиг невелик по сравнению с расстоянием, на которое человек должен пройти, чтобы поразить цель. Человек, дотянувшийся до цели на расстоянии 15 см, адаптируется к сдвигу курсора на 2 см байесовским способом.[4] Однако, если бы цель находилась на расстоянии всего 5 см, положение курсора сдвига на 2 см (визуальная информация) было бы распознано, и человек понял бы, что визуальная информация не точно отображает положение руки. Вместо этого человек будет полагаться на проприоцепцию и предшествующие знания, чтобы подвести руку к цели.

Люди также приспосабливаются к изменяющимся силам при достижении цели.[5] Когда силовое поле, через которое проходит человек, немного изменяется, он изменяет свою силу, чтобы поддерживать движение по прямой линии, частично основываясь на предшествующей силе, которая была приложена ранее. Он больше полагается на предыдущий, если предыдущий сдвиг менее изменчив (более определен).

Объединение информации из разных органов чувств

Байесовский вывод также может быть применен к тому, как люди объединяют информацию об изменениях в своей среде, полученную от различных органов чувств, без какого-либо учета предварительных знаний. Два чувства, которые имеют самое сильное влияние на то, как люди достигают адаптации, - это зрение и проприоцепция. Как правило, проприоцепция имеет больший вес, чем зрение, для адаптации положения руки по глубине - направление движения к человеку, которого он достигает или от него, - а зрение имеет больший вес в вертикальном и горизонтальном направлениях.[6] Однако изменение условий может изменить относительное влияние этих двух чувств. Например, влияние зрения на адаптацию глубины руки увеличивается, когда рука пассивна, в то время как проприоцепция имеет большее влияние, когда рука движется.[6] Более того, когда зрение ухудшено (например, в темноте), проприоцепция больше влияет на определение положения рук.[7] Этот результат согласуется с байесовским выводом; когда одно чувство становится более неопределенным, люди больше полагаются на другое.

Поза

Кроме того, было обнаружено, что байесовский вывод играет определенную роль в адаптации постурального контроля. Например, в одном исследовании испытуемые используют доску Wii Balance Board для выполнения задания по серфингу, в котором они должны перемещать курсор, представляющий их центр давления (COP) на экране.[8] Пользователь Wii получил визуальную информацию о своем COP из облаков точек, подобных тому, который показан в разделе «Достижение». С большими облаками серфингисты были более неуверенными и менее способными перемещать КС к цели на экране. Хотя этот результат согласуется с байесовским выводом, байесовские математические модели не обеспечивают наилучшего предсказания движения COP, возможно потому, что точное перемещение COP механически сложнее, чем достижение. Следовательно, степень, в которой движение позы может быть описано байесовским выводом, еще не ясна.

Походка

Адаптация к смещенной обратной связи также происходит во время ходьбы и бега. Люди, идущие каждой ногой на разном полотне беговой дорожки, могут адаптировать длину своего шага, когда одно полотно начинает двигаться быстрее, чем другое.[9] Кроме того, бегуны могут изменять свой максимум. сила реакции земли и ускорение ног, когда они видят график максимального ускорения ног.[10] Однако на сегодняшний день нет исследований, определяющих, адаптируют ли люди свои ворота с помощью байесовского вывода или нет.

Возможные противоречия байесовскому выводу

Некоторые исследования адаптации не поддерживают применение байесовского вывода к моторному обучению. Одно исследование достижения в силовом поле показало, что вместо того, чтобы быть подверженным влиянию предшествующих достижений, разработанных на протяжении сотен предыдущих достижений, адаптация к последующим достижениям зависит только от недавних воспоминаний.[11] Люди, достигающие силового поля, адаптировались к изменениям в силе, прилагаемой к руке, но на эту адаптацию повлияло только изменение силы непосредственно предшествующего досягаемости, а не хорошо развитое предварительное знание сдвигов, которые произошли на протяжении всего процесса. предыдущие испытания эксперимента. Это, по-видимому, противоречит применению байесовского вывода к адаптации, но сторонники байесовской адаптации утверждали, что это конкретное исследование требовало от каждого участника выполнения только 600 достижений, что недостаточно для разработки априорного критерия.[5] В исследованиях, которые демонстрируют доказательства байесовского вывода, участники обычно выполняют 900 или более достижений.[3][4] Это указывает на то, что, хотя байесовский вывод используется для адаптации, он ограничен тем, что для разработки влиятельного априорного пункта необходим большой предыдущий опыт.

Смотрите также

Рекомендации

  1. ^ Кёрдинг, К. П., и Вольперт, Даниэль М. (2006). Байесовская теория принятия решений в сенсомоторном управлении. Тенденции в когнитивных науках (том 10, стр. 319–326).
  2. ^ Ли, премьер-министр. (2004). Байесовская статистика: введение. Издательство Оксфордского университета: Лондон.
  3. ^ а б c Кёрдинг, К. П., и Вольперт, Даниэль М. (2004). Байесовская интеграция в сенсомоторном обучении. Природа 427: 244-7.
  4. ^ а б c Вэй, К., Кординг, К. (2009). Актуальность ошибки: что движет адаптацией двигателя? J Neurophysiol 101: 655-64.
  5. ^ а б Кординг, К.П., Ку, С., Вольперт, Д.М. (2004). Байесовская интеграция в оценке силы. J Neurophysiol 92: 3161-5.
  6. ^ а б Ван Бирс, Р.Дж., Вольперт, Д.М., Хаггард, П. (2002). При сенсомоторной адаптации ощущение важнее зрения. Текущая биология 12: 834-7.
  7. ^ Плоой, А., Тресилиан, Дж. Р., Мон-Вильямс, М., Ванн, Дж. П. (1998). Вклад зрения и проприоцепции в суждения о близости пальцев. Экспериментальные исследования мозга 118 (3): 415-20.
  8. ^ Стивенсон, И.Х., Фернадес, Х.Л., Виларес, И., Вей, К., Кординг, К.П. (2009). Байесовская интеграция и нелинейное управление с обратной связью в двигательной задаче всего тела. PLoS Comp Biol 5 (12): 1-9.
  9. ^ Васудеван, Э.В., Бастиан, А.Дж. (2010). Адаптация беговой дорожки с разрезным ремнем показывает различные функциональные сети для быстрой и медленной ходьбы человека. J Neurophysiol 103: 183-191.
  10. ^ Кроуэлл, Х.П., Милнер, С.Э., Хэмилл, Дж., Дэвис, И.С. (2010). J Ортопедическая и спортивная физиотерапия 40 (4): 206-13.
  11. ^ Шайдт, Р.А., Дингвелл, Дж. Б., Мусса-Ивальди, Ф.А. (2001). Учимся двигаться в условиях неопределенности. J Neurophysiol 86: 971-85.

внешняя ссылка