Байесовский вывод в моторном обучении

Байесовский вывод — это статистический инструмент, который можно применить к моторному обучению , в частности к адаптации. Адаптация – это краткосрочный процесс обучения, включающий постепенное улучшение производительности 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 от нескольких органов чувств (например, зрительных и проприоцептивных ) может быть объединена для одной и той же цели. В любом случае байесовский вывод предполагает, что на оценку больше всего влияет та информация, которая является наиболее достоверной.

Пример: интеграция предшествующих знаний с сенсорной информацией в теннисе.

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 попадает в боковую линию, предыдущий игрок должен поместить ракетку над боковой линией, чтобы вернуть подачу. Однако, когда кто-то видит, что мяч движется, может показаться, что он приземлится ближе к середине площадки. Вместо того, чтобы полностью следовать этой сенсорной информации или полностью следовать предшествующей информации, можно переместить ракетку в место между боковой линией (предложенной предшествующей) и точкой, где ее глаза указывают, что мяч приземлится.

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

Статистический обзор

Теорема Байеса гласит

P(A|B)={\frac {P(B|A)\,P(A)}{P(B)}}.\,

Говоря языком байесовской статистики, $P(A|B)$ , или вероятность A при условии B, называется апостериорной, а $P(B|A)$ и $P(A)$ – это вероятность и априорная вероятность соответственно. ^[2] $P(B)$ — постоянный масштабный коэффициент, который позволяет апостериорному значению находиться в диапазоне от нуля до единицы. Если перевести это на язык моторного обучения, априорное значение представляет собой предыдущие знания о физическом состоянии наблюдаемого объекта, вероятность — это сенсорная информация, используемая для обновления априорного значения, а апостериорное — это оценка физического состояния нервной системой. Следовательно, для адаптации теорему Байеса можно выразить как

  estimate = (previous knowledge × sensory information)/scaling factor

Все три члена в приведенном выше уравнении представляют собой распределения вероятностей. Чтобы найти оценку в невероятностных терминах, можно использовать взвешенную сумму.

E={\frac {W_{p}S+W_{s}P}{W_{p}+W_{s}}}.

где $E$ это оценка, $S$ сенсорная информация, $P$ предыдущие знания и весовые коэффициенты $Wp$ и $Ws$ являются отклонениями $S$ и $P$ , соответственно. Дисперсия является мерой неопределенности переменной, поэтому приведенное выше уравнение показывает, что более высокая неопределенность в сенсорной информации приводит к тому, что предыдущие знания оказывают большее влияние на оценку, и наоборот.

Более строгие математические байесовские описания доступны здесь и здесь .

Достижение

Многие двигательные задачи демонстрируют адаптацию к новой сенсорной информации. Байесовский вывод чаще всего изучается при достижении.

Интеграция предшествующей с текущей сенсорной информацией

(A) Курсор представлен одной точкой с точным местоположением. (Б) Местоположение курсора менее точное, поскольку оно находится где-то внутри облака точек.

В исследованиях адаптации часто человек достигает цели, не видя ни цели, ни своей руки. Вместо этого рука представлена курсором на экране компьютера, который они должны перемещать по цели на экране. В некоторых случаях курсор смещается на небольшое расстояние от фактического положения руки, чтобы проверить, как человек реагирует на изменения визуальной обратной связи. ^[3]^[4] Человек учится противодействовать этим смещениям, перемещая руку на равное и противоположное расстояние от смещения и при этом перемещая курсор к цели, то есть у него выработан априор для этого конкретного смещения. Когда курсор затем перемещается на новое, другое расстояние от протянутой руки того же человека, реакция человека согласуется с байесовским выводом; рука перемещается на расстояние, которое находится между старым сдвигом (предшествующим) и новым сдвигом (сенсорной информацией). ^[3]

Если для нового сдвига курсор представляет собой большое облако точек вместо одной точки (как показано на рисунке), сенсорная информация человека менее ясна и будет иметь меньшее влияние на его реакцию, чем предыдущая. Это подтверждает байесовскую идею о том, что сенсорная информация с большей достоверностью будет иметь большее влияние на адаптацию человека к смещенной сенсорной обратной связи.

Эта форма адаптации справедлива только тогда, когда сдвиг невелик по сравнению с расстоянием, которое человек должен преодолеть, чтобы поразить цель. Человек, достигающий 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, сдвинутое на 2 см (визуальная информация), было бы распознано, и человек понял бы, что визуальная информация неточно показывает положение руки. Вместо этого человек будет полагаться на проприоцепцию и предварительные знания, чтобы направить руку к цели.

Люди также адаптируются к изменяющимся силам при достижении цели. ^[5] Когда силовое поле, через которое человек достигает, слегка меняется, он изменяет свою силу, чтобы поддерживать движение по прямой линии, частично основываясь на предыдущей силе, которая была приложена ранее. Он больше полагается на априорный сдвиг, если предшествующий сдвиг менее изменчив (более надежен).

Интеграция информации от нескольких органов чувств

Байесовский вывод также можно применить к тому, как люди объединяют информацию об изменениях в окружающей среде, полученную от нескольких органов чувств, без какого-либо учета предварительных знаний. Два чувства, которые оказывают наибольшее влияние на адаптацию человека, — это зрение и проприоцепция. Как правило, проприоцепция имеет больший вес, чем зрение, для адаптации положения рук по глубине (направление движения к человеку 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, тогда как проприоцепция оказывает большее влияние, когда рука движется. ^[6] Более того, когда зрение ухудшается (например, в темноте), проприоцепция оказывает большее влияние на определение положения рук. ^[7] Этот результат согласуется с байесовским выводом; когда одно чувство становится более неопределенным, люди все больше полагаются на другое чувство.

Поза

Кроме того, было обнаружено, что байесовский вывод играет роль в адаптации постурального контроля. Например, в одном исследовании испытуемые использовали балансборд Wii для выполнения задачи серфинга, в которой они должны перемещать курсор, представляющий их центр давления (COP) на экране. ^[8] Визуальную информацию о своем КС пользователь Wii получал из облаков точек, подобных тому, что показано в разделе достижения. При более крупных облаках серферы были более неуверенны и имели меньше возможностей переместить COP 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 его достижение. Следовательно, степень, в которой постуральное движение может быть описано с помощью байесовского вывода, еще не ясна.

походка

Адаптация к смещенной обратной связи происходит также во время ходьбы и бега. Люди, ходящие каждой ногой по разным полотнам беговой дорожки, могут адаптировать длину шага, когда одно полотно начинает двигаться быстрее другого. ^[9] Кроме того, бегуны могут изменять максимальную силу реакции опоры и ускорение ног, когда видят график пикового ускорения ног. ^[10] Однако на сегодняшний день ни одно исследование не определило, 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 на адаптацию к последующим достижениям влияют только недавние воспоминания, а не влияние предшествующих достижений, разработанных на протяжении сотен предыдущих достижений. ^[11] Люди, достигающие силового поля, адаптировались к изменениям в силе, приложенной к руке, но на эту адаптацию влиял только сдвиг силы непосредственно предыдущего воздействия, а не хорошо развитые предварительные знания об изменениях, которые происходили на протяжении всего периода действия. предыдущие испытания эксперимента. Похоже, это противоречит применению байесовского вывода к адаптации, но сторонники байесовской адаптации утверждают, что это конкретное исследование требовало, чтобы каждый участник сделал только 600 шагов, что недостаточно для разработки априорных данных. ^[5] В исследованиях, демонстрирующих доказательства байесовского вывода, участники обычно совершают 900 или более попыток. ^[3]^[4] Это указывает на то, что, хотя байесовский вывод и используется при адаптации, он ограничен тем, что для разработки влиятельного априора необходим большой предыдущий опыт.

См. также

Ссылки

^ Кёрдинг, КП, и Вольперт, Дэниел М. (2006). Байесовская теория принятия решений в сенсомоторном управлении. Тенденции в когнитивных науках (том 10, стр. 319–326).
^ Ли, премьер-министр. (2004). Байесовская статистика: Введение. Издательство Оксфордского университета: Лондон.
^ Перейти обратно: ^а ^б ^с Кёрдинг, КП, и Вольперт, Дэниел М. (2004). Байесовская интеграция в сенсомоторном обучении. Природа 427:244-7.
^ Перейти обратно: ^а ^б ^с Вэй К., Кординг К. (2009). Релевантность ошибки: что управляет двигательной адаптацией? Журнал нейрофизиологии 101:655-64.
^ Перейти обратно: ^а ^б Кординг, К.П., Ку, С., Вольперт, Д.М. (2004). Байесовское интегрирование в оценке силы. Журнал нейрофизиологии 92:3161-5.
^ Перейти обратно: ^а ^б Ван Бирс, Р.Дж., Вулперт, Д.М., Хаггард, П. (2002). Когда чувство важнее зрения в сенсомоторной адаптации. Текущая биология 12:834-7.
^ Плой, А., Тресилиан, младший, Мон-Вильямс, М., Ванн, Дж. П. (1998). Вклад зрения и проприоцепции в суждения о близости пальцев. Экспериментальное исследование мозга 118(3):415-20.
^ Стивенсон, И.Х., Фернадес, Х.Л., Виларес, И., Вэй, К., Кординг, КП (2009). Байесовское интегрирование и нелинейное управление с обратной связью в двигательной задаче всего тела. PLoS Comp Biol 5(12):1-9.
^ Васудеван, Э.В., Бастиан, А.Дж. (2010). Адаптация беговой дорожки с разделенными ремнями демонстрирует различные функциональные сети для быстрой и медленной ходьбы человека. Журнал нейрофизиологии 103:183-191.
^ Кроуэлл, Х.П., Милнер, К.Э., Хэмилл, Дж., Дэвис, И.С. (2010). J Ортопедическая и спортивная физиотерапия 40(4):206-13.
^ Шейдт, Р.А., Дингвелл, Дж.Б., Мусса-Ивальди, Ф.А. (2001). Учимся двигаться в условиях неопределенности. Журнал нейрофизиологии 86:971-85.

Внешние ссылки

[Kording06-1] Кёрдинг, КП, и Вольперт, Дэниел М. (2006). Байесовская теория принятия решений в сенсомоторном управлении. Тенденции в когнитивных науках (том 10, стр. 319–326).

[Lee-2] Ли, премьер-министр. (2004). Байесовская статистика: Введение. Издательство Оксфордского университета: Лондон.

[Kording04-3] Перейти обратно: ^а ^б ^с Кёрдинг, КП, и Вольперт, Дэниел М. (2004). Байесовская интеграция в сенсомоторном обучении. Природа 427:244-7.

[Wei09-4] Перейти обратно: ^а ^б ^с Вэй К., Кординг К. (2009). Релевантность ошибки: что управляет двигательной адаптацией? Журнал нейрофизиологии 101:655-64.

[Force-5] Перейти обратно: ^а ^б Кординг, К.П., Ку, С., Вольперт, Д.М. (2004). Байесовское интегрирование в оценке силы. Журнал нейрофизиологии 92:3161-5.

[VanBeers02-6] Перейти обратно: ^а ^б Ван Бирс, Р.Дж., Вулперт, Д.М., Хаггард, П. (2002). Когда чувство важнее зрения в сенсомоторной адаптации. Текущая биология 12:834-7.

[Plooy-7] Плой, А., Тресилиан, младший, Мон-Вильямс, М., Ванн, Дж. П. (1998). Вклад зрения и проприоцепции в суждения о близости пальцев. Экспериментальное исследование мозга 118(3):415-20.

[Stevenson-8] Стивенсон, И.Х., Фернадес, Х.Л., Виларес, И., Вэй, К., Кординг, КП (2009). Байесовское интегрирование и нелинейное управление с обратной связью в двигательной задаче всего тела. PLoS Comp Biol 5(12):1-9.

[Vasudevan-9] Васудеван, Э.В., Бастиан, А.Дж. (2010). Адаптация беговой дорожки с разделенными ремнями демонстрирует различные функциональные сети для быстрой и медленной ходьбы человека. Журнал нейрофизиологии 103:183-191.

[Crowell-10] Кроуэлл, Х.П., Милнер, К.Э., Хэмилл, Дж., Дэвис, И.С. (2010). J Ортопедическая и спортивная физиотерапия 40(4):206-13.

[Scheidt-11] Шейдт, Р.А., Дингвелл, Дж.Б., Мусса-Ивальди, Ф.А. (2001). Учимся двигаться в условиях неопределенности. Журнал нейрофизиологии 86:971-85.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]