Принципиальные вопросы моделирования процессов восприятия

Вопросы сопоставимости эмпирических данных разных исследований актуальны сегодня в психологической науке в целом, и психология восприятия не составляет исключения. Иллюстрирует этот тезис исследование восприятия константности цвета у животных разных видов. Феномен константности цвета показан не только для человека, но и для многих животных. При этом, если на уровне человека данный феномен давно и подробно исследуется количественными методами, то в отношении животных такие исследования были проведены только для золотых рыбок и медоносных пчел. В недавнем исследовании к рыбкам и пчелам добавилась курица. Птиц обучали различению цвета и тестировали в условиях измененного освещения с целью определить максимально возможный интервал освещенности, в котором цвет оставался константным. Показано, что константность цветовосприятия зависит от величины различий между цветами, используемыми в задаче различения, процедуры обучения и длительности периода адаптации кур к новым условиям освещения, в которых они решали тестовую задачу. Эти результаты были сравнены с литературные данными о константности цвета у золотых рыбок и пчел, полученными в исследовании, организованном по той же методической схеме. Обнаружилось, что куры могут компенсировать большие изменения освещенности, чем рыбы и насекомые. «Будущие исследования по стабильности цветовоспрития у животных могли бы использовать аналогичный подход для обеспечения возможности сравнения видов и популяций» (Olsson et al., 2016).

Что касается вопросов интерпретации экспериментальных данных когнитивных исследований, то проблематика выбора и обоснования объяснительных принципов является здесь одной из самых популярных. В основном обсуждаются стандартные вероятностные и Байесовские вероятностные модели познания, причем в отношении обеих констатируется определенная степень разочарования в их объяснительных возможностях в отношении, прежде всего, функционирования психики в условиях неопределенности. Вопрос о системе принципов объяснения психики и поведения остается открытым; при этом совершенно определенно констатируется актуальность разработки адекватного реальности варианта такой системы.

Байесовский подход

Доминирующей сегодня интерпретационной моделью перцептивной эмпирики является теория вероятностей Байеса, так называемый «Bayesianism». «Если вы считаете, что "Bayesianism" призван быть теорией восприятия, вы не одиноки» (Koenderink, 2016, p. 251), особенно это касается науки о зрении, которую в последнее время во многом можно назвать байесиановской наукой. Согласно данному подходу, человеческое восприятие функционирует как система статистических выводов на основе зашумленных и неоднозначных сенсорных входов. Идентифицированы соответствующие нейронные механизмы оценки неопределенности, которые могут лежать в основе таких вероятностных вычислений.

Применение данного вероятностного подхода позволяет моделировать и оценивать шансы возможных состояний и действий субъекта на основе известных и предполагаемых базовых и условных вероятностей предполагаемых событий. Однако вероятностное моделирование субъекта, в частности, его перцептивных состояний или действий, предполагает некоторое предварительное знание о процессах восприятия и структуре воспринимаемого мира уже до того, как они будут реально узнаны. Поэтому байесианизм не может рассматриваться как полностью адекватный инструмент изучения восприятия. Автор цитируемой работы квалифицирует свой вывод как «конец интересной идеи», выражая надежду на неисчерпаемые возможности научного поиска и появление новых вычислительных возможностей в области изучения восприятия (Koenderink, 2016).

«Хотя рациональные модели познания весьма распространены и достигли больших успехов, они основаны на законах классической теории вероятностей, а человеческий разум не всегда соответствует этим законам. По этой причине в последнее время наблюдается появление моделей, основанных на альтернативных вероятностной логике принципах квантовой физики. Эти квантовые модели дают надежду на объяснение тех когнитивных явлений, моделирование которых в парадигме классической теории вероятностей оказалось неудовлетворительным» (Bruza et al., 2015, p. 383).