文献阅读：感觉运动学习中的贝叶斯整合

Bayesian integration in sensorimotor learning

（余婕 西南大学心理学部 时空认知实验室）

当学习一项感觉运动时（如打网球），这项运动本身（如球运动的速度）是具有不确定性的，并且我们的感官在接收运动信息时也具有不确定性。本研究认为通过不断的学习，被试可以将对运动的知识信息（先验），与通过感官输入的新信息（似然性）相整合，根据贝叶斯推断法则做出最优的决策（后验），降低决策的错误率。实验中，被试需要用食指经过一段空间距离指到目标位置处，研究者巧妙地设计了实验，用屏幕上光标的位置来代表手指的位置，真实的手指位置是被遮住的。这样的实验设定使得研究者能够通过将光标位置相对真实的手指位置进行随机侧移，侧移的距离服从均值为1厘米的正态分布，让被试在1000试次的训练当中学习并掌握光标侧移距离的先验分布。同时，光标在手指离开初始位置之后即消失，当手指运动到离目标还剩一半距离时光标又出现，此时被试通过光标的位置获取手指位置的感觉信息（视觉反馈信息，即似然性），以此来修正手指后半程的运动轨迹。这样的实验设定使得研究者能够通过操纵在实验过程中光标呈现位置的不确定性（比如呈现光标的精准位置时不确定性最低，不呈现光标位置时不确定性最高），实现了对似然性分布的不确定性的控制。研究提出了贝叶斯概率模型来解释被试行为，模型预测情况能很好地拟合被试的行为数据，表现为当似然性的不确定性增高（视觉反馈信息越不准确），被试将越依赖先验分布来移动手指，光标位置最终离目标位置的均值越趋近于1厘米。总的来说，本研究认为贝叶斯加工过程是感觉运动控制和学习当中的重要元素。

阅读文献：

Körding, K. P., & Wolpert, D. M. (2004). Bayesian integration in sensorimotor learning. Nature, 427(6971), 244-247