相反,大脑配备了一个识别模型,将查询映射到概率分布。该识别模型的参数被优化以得到平均尽可能接近真实后验值的输出。由于我们有限的计算资源,识别模型将分配其资源,以便对高概率查询比对低概率查询更准确。...2 基于查询的分布优化该识别模型的参数,使得输出平均上尽可能接近真实的后验概率。这导致了习得性偏差,即忽略哪些信息源,这取决于这些信息源中的哪一个可靠地与真实后验相关。...退化导致对信息源(如样本大小、先验和似然性)的总体反应不足。...我们使用神经网络函数逼近器实现了该理论的特定版本(学习推理模型),其中计算瓶颈对应于隐藏层中的节点数量。我们对神经网络函数逼近器的选择是由概率生成模型和神经网络的优势之间的自然互补性推动的。...总之,这些结果丰富了我们对人们如何在具有计算挑战性的任务中执行近似推理的理解,这可以通过学习观察数据和后验数据之间的映射来完成。