Predicción jerárquica bayesiana ponderada por precisión y sus resultados de insight

Título original:

Bayesian hierarchical precision-weighted prediction and its insight results

Contenido del libro:

Dadas las entradas sensoriales de una causa ambiental oculta x, el contenido resultante de nuestra experiencia fenoménica a veces contradice nuestra mejor hipótesis cognitiva sobre x o incluso una creencia verdadera justificada sobre ella.

Un caso aún más problemático es un subconjunto específico de este fenómeno: cuando dos hipótesis perceptivas en competencia se representan como causas igualmente probables de la entrada sensorial (es decir, cuando hay ambigüedad) y la conjetura perceptiva ganadora es la que, desde la perspectiva del pensamiento abstracto, tiene la probabilidad previa más baja o simplemente sabemos que es falsa (por ejemplo, ver una montaña en la superficie lunar a pesar de saber que es un cráter). Los científicos cognitivos, independientemente de la forma concreta en que conciban la arquitectura de la mente, difícilmente negarían que, al menos en unos pocos casos, una información cognitiva crucial falla a la hora de determinar la experiencia perceptiva.