神經網路能夠模擬認知偏差？

什麼是「收縮偏差」？

「收縮偏差」（Contraction Bias）是指我們在感知或記憶某個刺激時，會不自覺地將其拉向經驗過的「平均值」。舉個例子，假設你聽到兩段時間間隔的聲音，第一段是1秒，第二段是3秒，你的大腦可能會以為第一段時間比實際長，而第二段比實際短。結果是，感知到的時間差距比實際的要小，這就是「收縮」。

這種偏差其實是我們大腦的一種「生存機制」。在面對不確定的刺激時，大腦會利用「過去的經驗」來補足信息，使用「大眾平均值」作為判斷依據。

收縮偏差的形成機制

科學家們通過訓練尖峰循環神經網路（Spiking Recurrent Neural Networks, sRNNs），揭示了這個現象的數學與神經基礎。他們發現：

1. 感知的幾何變形

當神經元處理第一段刺激（比如第一段時間間隔）時，它們的活動在神經狀態空間中形成一條「曲線」。這條曲線被發現具有「收縮」的性質——也就是說，大腦在記錄刺激時，會有意無意地偏向刺激分布的平均值。

2. 貝氏估計的參與

這種收縮實際上可以用「貝氏推斷」（Bayesian Inference）來解釋。大腦會將當下的刺激（例如第一段時間）與過去經驗的「先驗分布」結合，來形成一個更加穩健的估計值。具體來說：

    - 如果當下刺激有噪聲（例如你聽到的聲音不清楚），大腦會更多依賴「過去經驗」。

    - 如果當下刺激很清晰（噪聲較小），大腦會更傾向相信當前的感知。

3. 歷史影響與短期記憶

大腦的收縮偏差並非僅僅受當前刺激影響，它也會受到短期記憶的調節。例如，上一個試驗中的刺激特性可能會影響當前的感知結果，進一步放大或減弱收縮效應。

收縮偏差的實驗證據

在研究中，科學家讓神經網路執行一項「時間比較」任務，訓練網路學習比較兩段時間的長短。他們發現：

- 訓練後的網路展現了與人類非常相似的收縮偏差行為。

- 當延遲時間（大腦在兩次刺激間的記憶維持時間）變長，或刺激的噪聲增加時，收縮偏差會變得更加明顯。

- 神經網路中的收縮偏差也能反映在神經活動的幾何特性上，例如在神經狀態空間中形成的「吸引子」。

(如圖）

撰稿人：周品汝（使用 ChatGPT 潤稿）

原始論文：Serrano-Fernández L, Beirán M, Parga N. Emergent perceptual biases from state-space geometry in trained spiking recurrent neural networks. Cell Reports. 2024 Jul 23;43(7).

https://doi.org/10.1016/j.celrep.2024.114412