Confidence as Bayesian Probability: From Neural Origins to Behavior
La confianza es una creencia privada que en cierta medida dicta las relaciones con los otros y con nosotros mismos. Si bien se aplica a muchos dominios (confianza en una decisión, en un recuerdo, en el futuro, en uno mismo…), el dominio más sencillo es en el de toma de decisiones. Desde un punto de vista normativo, la confianza se refiere a la precisión de una representación y por lo tanto es inversamente proporcional a la varianza. En muchos estudios en neurociencia de sistemas se encuentra que poblaciones de neuronas pueden codificar con exquisita precisión la varianza de un estado (motor, perceptual, mnemónico). Esta información es usada de manera implícita. Por ejemplo cuando una decisión se toma de acuerdo a múltiples indicios sensoriales, cada uno se pesa de acuerdo a su varianza. Es decir, el voto de cada modalidad sensorial viene acompañada de una confianza, asignada con gran precisión. Lo extraño es que, pese a que el cerebro primate (y de roedores, y probablemente de muchas otras especies) calcula con gran precisión distribuciones de probabilidades, nosotros somos bastante pobres para reportar confianza. Lo hacemos con sesgos idiosincráticos, con excesos y a veces con defectos, como ha sido demostrado en muchísimos estudios de psicología y de economía del comportamiento. El objetivo de este trabajo es reconciliar esta paradoja, entendiendo cómo representaciones implícitas de probabilidades se degradan cuando se filtran, para resultar en reportes explícitos de confianza o certitud.
Volume 88, Issue 1, p78–92, 7 October 2015
Perspective

Confidence as Bayesian Probability: From Neural Origins to Behavior

Más recientes