Bayesowska hierarchiczna predykcja ważona precyzją i jej wnikliwe wyniki

Oryginalny tytuł:

Bayesian hierarchical precision-weighted prediction and its insight results

Zawartość książki:

Biorąc pod uwagę dane sensoryczne pochodzące z ukrytej przyczyny środowiskowej x, wynikowa treść naszego fenomenalnego doświadczenia czasami zaprzecza naszej najlepszej hipotezie poznawczej na temat x lub nawet uzasadnionemu prawdziwemu przekonaniu na ten temat.

Jeszcze bardziej problematycznym przypadkiem jest specyficzny podzbiór tego zjawiska: gdy dwie konkurujące ze sobą hipotezy percepcyjne są reprezentowane jako równie prawdopodobne przyczyny wejścia sensorycznego (tj. gdy istnieje niejednoznaczność), a zwycięskim przypuszczeniem percepcyjnym jest to, które z perspektywy abstrakcyjnego myślenia ma najniższe wcześniejsze prawdopodobieństwo lub po prostu wiemy, że jest fałszywe (np.

widzimy górę na powierzchni księżyca, mimo że wiemy, że jest to krater). Kognitywiści, niezależnie od konkretnego sposobu, w jaki pojmują architekturę umysłu, z trudem zaprzeczyliby, że w co najmniej kilku przypadkach kluczowa informacja poznawcza zawodzi w określaniu doświadczenia percepcyjnego.