夜晚开车行驶在漆黑的乡间小路上，你看到前方路边有一个东西。这是一只鹿还是一个邮箱?认知科学和信息论(现代通信技术的基础数学分支)联合起来的一项新研究表明，在有限的资源下，你的大脑会做出尽可能好的决定。

这一发现发表在杂志上科学伦斯勒理工学院(Rensselaer Polytechnic Institute)认知科学助理教授克里斯·西姆斯(Chris Sims)说，该研究是国家科学基金会(National Science foundation)支持的改进STEM领域教学法的研究成果，这些领域通常严重依赖感知能力和感知专业知识。

西姆斯说:“以地质学为例，学生们必须学会区分外表高度相似的岩石或地质构造。”“通常的方法是通过重复——你看很多岩石，直到它沉下去。但了解大脑是如何工作的可以帮助我们建立更好的课堂训练练习，更有效地教授这些能力。”

认知科学的一个权威定律——普遍概括定律，在1987年发表在《科学》杂志上的一篇文章中介绍过，它告诉我们，你的大脑会根据新的刺激与之前的经验的相似程度做出感知决定。具体来说，该定律指出，你将过去的经验扩展到新的刺激的概率取决于两种经验之间的相似度，随着相似度的降低，概率呈指数衰减。这种经验模式在数百个物种的实验中被证明是正确的，包括人类、鸽子，甚至蜜蜂。

西姆斯说:“这是一个基本的方程式，在本质上是普遍的，它被很好地证明了。”“但是，虽然定律描述了经验模式，但它并没有充分解释为什么这种模式会出现在自然界中。这就是我要做的。”

在他的研究中，西姆斯转向了信息论。信息论是20世纪40年代在贝尔实验室创立的一个数学分支，它使得在通信系统的限制下预测通信系统的最佳可能性能成为可能。例如，信息理论使人们能够预测在给定信号中特定的噪声水平下，电话线所能传输的最佳语音精度。

基于嘈杂的电话线和嘈杂的神经元之间明显的相似之处，西姆斯一直在使用信息论来理解感知和记忆的生物通信系统。

西姆斯说:“视觉感知是一种沟通渠道:世界上有信息，你需要将这些信息从眼睛传输到大脑。”

正如电话线路这样的机械系统是有限制的一样，生物系统也是有限制的。西姆斯通过信息理论来描述和预测人类视觉系统可能达到的最佳性能。

这导致了认知科学中长期研究的普遍普遍化定律和信息论的数学框架之间的偶然联系。

当Sims使用信息论框架描述视觉系统时，他发现信息论中被称为有效编码的一个众所周知的方面预测了与普遍概化定律预测的相同的指数概化梯度。他的工作将不同领域的两个基本定律之间的点连接起来，并表明进化给了我们一个接近信息论数学定律所预测的最佳感知系统。

“我开始解释为什么这种模式出现在自然界中，根据信息论的答案是，大自然给了我们尽可能高效的感知系统，考虑到它们必须处理的约束和限制。这是一个简单的解释为什么这种模式无处不在，这是有希望的。”

这一发现可能会被用来帮助开发更精确的感知专业知识和发展过程的测量方法，但西姆斯说，他很高兴已经推进了基础科学。

西姆斯说:“我很高兴我们现在有了数学定律，可以用来更好地描述和理解大脑中的信息处理，以及智力的一般性质。”

“高效编码解释了人类知觉泛化的普遍规律”发表于科学可以使用DOI: 10.1126/science.aaq1118找到。

对人类感知的研究完成了新理工学院，这是一种新兴的高等教育范式，它认识到全球挑战和机遇是如此巨大，即使是最有才华的人也无法充分应对。伦斯勒作为合作的十字路口——与跨学科、部门和地理区域的合作伙伴合作——使用最先进的工具和技术，以应对复杂的全球挑战，其中许多工具和技术是在伦斯勒开发的。伦斯勒学院的研究解决了世界上一些最紧迫的技术挑战——从能源安全和可持续发展到生物技术和人类健康。新理工学院在研究的全球影响、创新的教学法和伦斯勒学生的生活方面都是变革的。

---

了下:M2M(机对机)

---