Mózg jako maszyna bayesowska: od obliczeniowej neuronauki poznawczej do psychoterapii
Przeczytać Artykul 1: Mózg jako „maszyna bayesowska”: niepewność, przewidywanie i iluzja kontroli
2. Ekspozycja jako uczenie się bayesowskie: jak nowe doświadczenie zmienia przewidywania mózgu dotyczące zagrożenia
2.1. Na styku CBT, neuronauki i bayesowskiej nauki o poznaniu
Jedną z najskuteczniejszych metod terapii poznawczo-behawioralnej (CBT) zaburzeń lękowych jest terapia ekspozycyjna (Exposure Therapy): kontrolowana i celowa konfrontacja z przedmiotami, sytuacjami, doznaniami cielesnymi, myślami lub wspomnieniami wywołującymi strach i lęk.
Na pierwszy rzut oka logika tej metody wydaje się dość prosta: człowiek wielokrotnie styka się z sytuacją, której się boi, a z czasem strach maleje. Przez dziesięciolecia jednym z ważnych wyjaśnień terapeutycznego działania ekspozycji była habituacja (Habituation), czyli stopniowe osłabianie reakcji strachu podczas wielokrotnego lub długotrwałego prezentowania bodźca wywołującego strach. Historycznie istotną rolę odgrywała również idea desensytyzacji (Desensitization) — stopniowego zmniejszania reaktywności wobec budzącego strach bodźca. Współczesna teoria uczenia się, neuronauka poznawcza i psychologia obliczeniowa proponują jednak głębsze rozumienie ekspozycji. Być może jej podstawowa wartość polega nie tyle na tym, by człowiek w danej chwili odczuwał mniej strachu, ile na dostarczeniu mózgowi nowych danych umożliwiających rewizję wcześniejszych przewidywań. Z tej perspektywy ekspozycję można rozpatrywać jako szczególną formę uczenia się bayesowskiego.
Mózg ma określone przewidywanie, natomiast zdarzenia w otoczeniu przebiegają w określony sposób. Jeśli rzeczywistość nie odpowiada przewidywaniu, powstaje błąd predykcji. Jeśli nowa informacja zostanie przyjęta i zintegrowana z modelem wewnętrznym, kolejne przewidywanie się zmieni.
Innymi słowy:
Prawdopodobieństwo a priori (przekonanie wyjściowe) → przewidywanie → doświadczenie / nowe dane → błąd predykcji → prawdopodobieństwo a posteriori (zaktualizowana ocena) → nowe prawdopodobieństwo a priori (nowe przekonanie wyjściowe)
Właśnie ta sekwencja łączy bayesowską naukę o poznaniu z CBT.
2.2. Reagujemy nie tylko na rzeczywistość, lecz także na własne przewidywania
Wyobraźmy sobie osobę z zaburzeniem panicznym, która podczas kołatania serca myśli: „Jeśli moje serce bije tak szybko, mogę dostać zawału”. Samo doznanie cielesne nie zawiera jeszcze znaczenia „zawał serca”. Mózg próbuje ustalić przyczynę tego doznania. Wcześniejsze doświadczenia, przekonania, wiedza medyczna lub jej brak, poprzednie napady paniki i uwaga kierowana na doznania cielesne wspólnie kształtują określone przekonanie a priori.
Przyjmijmy umownie:
P(zagrożenie) = 80%.
Pod wpływem tego prawdopodobieństwa a priori kołatanie serca jest interpretowane jako możliwy dowód zagrożenia. Wyobraźmy sobie teraz, że podczas terapii przeprowadza się ekspozycję interoceptywną: osoba za pomocą ćwiczenia fizycznego zwiększa częstość akcji serca i przez kilka minut pozostaje w tym stanie bez zwyczajowych zachowań zabezpieczających.
Jej przewidywanie brzmiało: „Moje serce będzie biło szybko → wydarzy się coś niebezpiecznego”. Faktyczny rezultat jest następujący: „Moje serce biło szybko → było to bardzo nieprzyjemne → ale katastrofa nie nastąpiła”.
Między oczekiwanym a rzeczywistym wynikiem powstaje rozbieżność.
Jest to błąd predykcji zagrożenia.
Nowa informacja umożliwia rewizję wcześniejszego przekonania. Być może następnym razem oszacowanie zagrożenia wyniesie już nie 80%, lecz 60%, następnie 40%, a później 20%. Liczby są oczywiście umowne. Ważna jest logika mechanizmu. Każde nowe doświadczenie może stać się nowym dowodem zmieniającym kolejne przewidywanie.
2.3. Uczenie się bayesowskie jest procesem ciągłym
Jedną z najważniejszych cech wnioskowania bayesowskiego jest to, że uczenie się nie jest zakończonym, jednorazowym działaniem. Dzisiejsze prawdopodobieństwo a posteriori staje się jutrzejszym prawdopodobieństwem a priori. Innymi słowy, jeśli dziś na podstawie nowej informacji rewidujemy jakieś przekonanie, to zrewidowane przekonanie staje się wyjściowym przewidywaniem w kolejnej sytuacji.
Formalnie:
Przekonanie a priori₁ + dane₁ → przekonanie a posteriori₁
Następnie:
Przekonanie a posteriori₁ = przekonanie a priori₂
Oraz:
Przekonanie a priori₂ + dane₂ → przekonanie a posteriori₂
I tak dalej.
Właśnie dlatego w CBT tak ważne są nie tylko techniki poznawcze, lecz także behawioralne: eksperymenty behawioralne, ekspozycja i zadania domowe wykonywane w rzeczywistym życiu.
Nasze przekonania o sobie lub świecie powstawały na podstawie setek i tysięcy doświadczeń. Jeden logiczny argument nie zawsze wystarcza, by je zmienić. Nowy model wymaga nowych dowodów, czyli nowych danych o otoczeniu uzyskiwanych poprzez bezpośrednią konfrontację. Dlatego w obliczeniowej interpretacji CBT eksperyment behawioralny można rozpatrywać jako celowe zbieranie informacji, a ekspozycję — jako uczenie się na podstawie błędu predykcji w warunkach niepewności.
2.4. Czy każda nowa informacja zmienia przewidywanie?
Potrzebne jest tu ważne doprecyzowanie. Zgodnie z logiką podejścia bayesowskiego nowe dane mogą oczywiście zmieniać przewidywanie a posteriori, jednak u człowieka nie każde nowe doświadczenie zmienia przekonania w takim samym stopniu.
Wyobraźmy sobie osobę z zaburzeniem lęku społecznego. Jej przewidywanie brzmi: „Jeśli popełnię błąd podczas mówienia, ludzie uznają mnie za głupią osobę”. Wygłasza prezentację, kilka razy się myli, ale nikt się nie śmieje ani nie reaguje negatywnie. Wydaje się, że to idealny błąd predykcji. Nie zawsze jednak działa to w ten sposób. Osoba może powiedzieć: „Tym razem po prostu zebrali się uprzejmi ludzie”, „Prawdopodobnie wszystko zauważyli, tylko tego nie okazali” albo „Tak dobrze kontrolowałem emocje, że udało mi się zapobiec złemu wynikowi”. Nowa informacja była dostępna, ale model zagrożenia niemal się nie zmienił. To zjawisko jest szczególnie ważne dla rozumienia ekspozycji.
Błąd predykcji ≠ zmiana przewidywania
Błąd predykcji nie musi prowadzić do zmiany przewidywania. Samo nieoczekiwane doświadczenie nie oznacza jeszcze, że człowiek czegoś się z niego nauczył.
2.5. Od błędu predykcji do zmiany przewidywania
Badania kliniczne z ostatnich lat pokazują znaczenie właśnie tego rozróżnienia. W 2023 roku Pittig i współpracownicy przeanalizowali 8484 ćwiczenia ekspozycyjne wykonane przez 605 pacjentów z zaburzeniami lękowymi.
Wyróżnili trzy procesy:
- Naruszenie oczekiwań (Expectancy Violation): stopień, w jakim rzeczywisty wynik różnił się od przewidywanego zagrożenia.
- Zmiana oczekiwań (Expectancy Change): stopień, w jakim później zmieniło się kolejne przewidywanie zagrożenia.
- Tempo uczenia się (Learning Rate): to, jak skutecznie i szybko błąd predykcji przekładał się na nowe przewidywanie.
Skuteczność leczenia przewiduje nie tyle samo wystąpienie błędu predykcji, ile to, w jakim stopniu rzeczywiście zmienia on kolejne przewidywanie.
W 2025 roku Winkler i współpracownicy również stwierdzili, w badaniu eksperymentalnym wykorzystującym analog ekspozycji w lęku społecznym, że zmiany poziomu lęku były silniej związane ze zmianą przewidywania i tempem uczenia się niż z wielkością błędu predykcji.
W 2026 roku Zbozinek, Rosenberg, Treanor i Craske opublikowali wyniki badania, w którym 84 uczestników z zaburzeniem lęku społecznego lub zaburzeniem panicznym przeszło dziewięć sesji terapii ekspozycyjnej. Badacze porównali dwie zmienne podczas ekspozycji: zmniejszenie strachu i rewizję oczekiwania zagrożenia — aktualizację oczekiwań (Expectancy Updating). Zmiana oczekiwań przewidywała zmniejszenie objawów zarówno po zakończeniu terapii, jak i trzy miesiące później. Bezpośrednie zmniejszenie strachu podczas ekspozycji nie miało takiej wartości prognostycznej. To ważne rozróżnienie zmienia kliniczne rozumienie ekspozycji. Udana ekspozycja nie musi kończyć się stwierdzeniem „Już się nie boję”. Może zakończyć się tak: „Nadal się boję, ale to, co przewidywałem, nie nastąpiło”.
2.6. Habituacja czy uczenie się?
W ramach podejścia opartego na habituacji terapeuta może obserwować, o ile strach zmniejszył się podczas ekspozycji. Może na przykład poprosić o ocenę strachu w skali od 0 do 100 po każdej ekspozycji, a następnie porównywać te oceny.
Podejście oparte na uczeniu się hamującym (Inhibitory Learning) proponuje jednak inne pytanie: „Co przewidywałeś i co wydarzyło się w rzeczywistości?”
Współczesne modele wygaszania i uczenia się hamującego zakładają, że dawne wspomnienia strachu nie muszą zostać wymazane podczas ekspozycji. Zamiast tego może powstać nowa, konkurencyjna wiedza: „Ten bodziec może być bezpieczny”. Z tego powodu nawet po udanej terapii w określonych warunkach mogą powrócić wcześniejsze reakcje. Badania neuronaukowe nad wygaszaniem strachu również wskazują, że wygaszanie często lepiej rozumieć jako tworzenie nowego śladu pamięciowego niż wymazanie pierwotnej pamięci strachu.
2.7. Dwa konkurencyjne modele
Wyobraźmy sobie, że w mózgu człowieka istnieją dwa możliwe modele tej samej sytuacji.
Model A — zagrożenie: „Pies się zbliża → może mnie ugryźć”.
Model B — bezpieczeństwo: „Pies może się zbliżyć, nie atakując”.
Podczas ekspozycji człowiek wielokrotnie otrzymuje dowody przemawiające za modelem B. Jednak model A nie musi zniknąć.
Bayesowskie modele przyczyn ukrytych (Bayesian Latent-Cause Models) sugerują nawet, że podczas wygaszania reakcji warunkowej lub strachu organizm może albo aktualizować istniejący model zagrożenia, albo tworzyć nową „bezpieczną” przyczynę ukrytą.
To ważne rozróżnienie: jeśli uczenie się bezpieczeństwa jest zbyt silnie związane wyłącznie z gabinetem terapeuty, w innej sytuacji dawny model zagrożenia może ponownie się uaktywnić. Współczesne modele obliczeniowe CBT traktują wnioskowanie o przyczynach ukrytych jako możliwy model rozumienia powrotu strachu po ekspozycji (Berwian et al., 2025). Wynika stąd znaczenie prowadzenia ekspozycji w różnych środowiskach, wykorzystywania różnych bodźców i wielokrotnego powtarzania uczenia się w rzeczywistych warunkach.
2.8. Dlaczego zachowania zabezpieczające mogą utrudniać aktualizację bayesowską?
Wyobraźmy sobie osobę z zaburzeniem panicznym, która jest przekonana: „Jeśli w metrze zacznie się napad paniki, a nie będę mieć przy sobie leku, stracę kontrolę”. Wchodzi do metra, ale tylko pod warunkiem, że ma lek w kieszeni, wodę w ręku i stale rozmawia przez telefon z bliską osobą. Pojawia się panika. Katastrofa nie następuje. Możliwy wniosek bayesowski mógłby brzmieć: „Być może moje przewidywanie było przesadzone”. Faktyczny wniosek może jednak wyglądać inaczej: „Nie straciłem kontroli, ponieważ miałem przy sobie lek”.
W tym przypadku zachowanie zabezpieczające tworzy alternatywne wyjaśnienie. Bezpieczny wynik zostaje przypisany nie hipotezie „Sytuacja nie była tak niebezpieczna, jak sądziłem”, lecz hipotezie „Uratowało mnie moje zachowanie zabezpieczające”. W ten sposób przekonanie a priori dotyczące zagrożenia może się utrzymać.
2.9. Precyzja: dlaczego niektóre przekonania tak trudno zmienić?
Podejście bayesowskie proponuje jeszcze jedno użyteczne pojęcie — precyzję (Precision). W uproszczeniu można ją rozumieć jako pewność, którą system przypisuje określonemu przewidywaniu lub dowodowi.
Dwie osoby mogą mieć takie samo przekonanie: „Mogę zemdleć”. Dla jednej będzie to jednak luźne przypuszczenie, a dla drugiej — niemal niepodważalna pewność. W drugim przypadku przekonanie a priori może mieć bardzo wysoką subiektywną precyzję. Dlatego nawet wielokrotne doświadczenia, które mu przeczą, mogą wywierać niewielki wpływ. Podobnie nowym dowodom bezpieczeństwa może być przypisywana niska precyzja: mogą wydawać się niewystarczająco wiarygodne. „To był po prostu jeden szczęśliwy przypadek”.
Podczas ekspozycji ważne jest więc nie tylko to, jak duży błąd predykcji wywołaliśmy, lecz także to, jakie znaczenie osoba nadała nowemu doświadczeniu.
2.10. Ekspozycja i niepewność
Wymaganie lub oczekiwanie osoby odczuwającej lęk często nie ogranicza się do myśli „To jest bezpieczne”. Pełniejsze wymaganie może brzmieć: „Muszę wiedzieć na pewno, że to jest bezpieczne”. Jednak w rzeczywistym świecie takie gwarancje niemal nie istnieją. Pies może ugryźć. Samolot teoretycznie może się rozbić. Podczas publicznego wystąpienia ktoś rzeczywiście może nas negatywnie ocenić. Przyspieszona akcja serca czasem rzeczywiście może mieć przyczynę medyczną.
Dlatego celem skutecznej CBT nie jest nauczenie człowieka, że „Zagrożenie wynosi zero”, lecz raczej: „Mogę trafniej oceniać prawdopodobieństwo zagrożenia i działać nawet wtedy, gdy pozostaje pewna niepewność”.
W ostatnich latach psychologia obliczeniowa coraz częściej rozpatruje lęk nie tylko jako nadmiernie wysokie oczekiwanie zagrożenia, lecz także jako możliwy przejaw zaburzeń uczenia się o niepewności lub trudności w rozwijaniu jej tolerancji. W szeregu badań obliczeniowych wyższy poziom lęku wiązał się z trudnościami w uczeniu się bezpieczeństwa i adaptacji do zmieniających się warunków otoczenia (Brown et al., 2023).
W tym sensie ekspozycja ma podwójny cel: nauczenie się, że przewidywana katastrofa często nie następuje, oraz nauczenie się, że brak całkowitej pewności sam w sobie nie jest zagrożeniem.
2.11. Co dzieje się w mózgu?
Neurobiologia ekspozycji jest niezwykle złożona, a uproszczenia w rodzaju „Ekspozycja aktywuje taki czy inny ośrodek” wymagają naukowej ostrożności. Niemniej w badaniach nad uczeniem się zagrożenia i wygaszaniem regularnie pojawia się udział kilku wzajemnie powiązanych systemów.
Ciało migdałowate (Amygdala) uczestniczy w uczeniu się zagrożenia, ocenie istotności bodźców i ekspresji strachu.
Hipokamp (Hippocampus) jest ważny dla kontekstu i pamięci: pomaga rozróżniać, które skojarzenie jest istotne w danym środowisku.
Systemy przyśrodkowej i brzuszno-przyśrodkowej kory przedczołowej (Medial Prefrontal Cortex; Ventromedial Prefrontal Cortex) uczestniczą w uczeniu się wygaszania, wartościowaniu i regulacji reakcji na zagrożenie.
Prążkowie (Striatum) jest związane z uczeniem się ze wzmocnieniem i uczeniem się opartym na błędzie predykcji.
Systemy dopaminergiczne są również badane w kontekście błędu predykcji i uczenia się wygaszania (Papalini et al., 2020).
Badania w tej dziedzinie wspierają także pogląd, że wygaszanie strachu u człowieka opiera się nie na jednym ośrodku mózgowym, lecz na interakcjach między ciałem migdałowatym, hipokampem, korą przedczołową i innymi sieciami. Jednocześnie wyniki badań neuroobrazowych są bardziej zróżnicowane, niż niekiedy przedstawia to literatura popularnonaukowa (Chen et al., 2025).
Trafniej jest zatem powiedzieć, że ekspozycja tworzy warunki uczenia się angażujące systemy neuronalne związane z zagrożeniem, pamięcią, kontekstem i przewidywaniem.
2.12. Jak to wszystko może zmienić praktykę ekspozycji?
Jeśli traktujemy ekspozycję nie tylko jako pozostawanie w budzącej strach sytuacji, lecz także jako proces testowania i aktualizowania przewidywań, jej związek z eksperymentem behawioralnym staje się znacznie wyraźniejszy.
W książce Տագնապամարիչ (Begoyan, 2020) przedstawiliśmy eksperyment behawioralny jako metodę terapii poznawczo-behawioralnej, dzięki której klient może sprawdzać swoje założenia, przekonania i przewidywania w rzeczywistych warunkach. Z perspektywy bayesowskiej ten sam proces można opisać dokładniej: człowiek ma określone przekonania a priori dotyczące świata, na ich podstawie formułuje przewidywania, następnie porównuje uzyskane doświadczenie z tymi przewidywaniami i — jeśli nowe dane są wystarczająco przekonujące — aktualizuje swoje przekonania.
W tym sensie eksperyment behawioralny można rozpatrywać jako kliniczne narzędzie aktualizacji bayesowskiej.
W zaburzeniach lękowych osoba może mieć związane z zagrożeniem przekonanie a priori cechujące się dużą pewnością lub, w terminologii bayesowskiej, wysoką precyzją: „Jeśli zostanę w zamkniętej przestrzeni i mój lęk się nasili, stracę kontrolę”. Z tego przekonania wynika konkretne przewidywanie. Jeśli człowiek stale unika zamkniętych przestrzeni albo pozostaje w nich wyłącznie dzięki zachowaniom zabezpieczającym, przewidywanie to nie zostaje w pełni sprawdzone. W konsekwencji system ma niewiele podstaw do rewizji przekonania a priori.
Właśnie tutaj ekspozycja może zostać przeprowadzona w formie eksperymentu behawioralnego.
1. Doprecyzować przekonanie a priori i przewidywanie
Przed ekspozycją warto zapytać nie tylko „Jak silny jest lęk?”, lecz także „Co dokładnie, zgodnie z twoim przewidywaniem, się wydarzy?”. Na przykład: „Jeśli zostanę w zamkniętej przestrzeni przez pięć minut, istnieje 70% prawdopodobieństwa, że się uduszę lub stracę kontrolę”. W ten sposób ogólny lęk staje się hipotezą możliwą do sprawdzenia. Jednocześnie można ocenić nie tylko prawdopodobieństwo przewidywanego zdarzenia, lecz także pewność klienta co do tego przewidywania. W języku bayesowskim próbujemy ustalić, jakie przekonanie a priori działa w danej sytuacji i jaką precyzję osoba mu przypisuje.
2. Przeprowadzić eksperyment behawioralny — ekspozycję
Następnie klient wchodzi w sytuację, w której można sprawdzić jego przewidywanie. Na tym etapie celem nie jest wyłącznie wywołanie lęku ani czekanie na jego zmniejszenie. Celem jest uzyskanie nowych danych z rzeczywistości. Na przykład osoba pozostaje przez pięć minut w zamkniętej przestrzeni, umożliwiając sprawdzenie przewidywania „Uduszę się lub stracę kontrolę”. Ekspozycja staje się więc próbą sprawdzenia przewidywania w rzeczywistości, a nie jedynie „pozostawania z lękiem”.
3. Nie uznawać zmniejszenia lęku za główne kryterium sukcesu
Jeśli pod koniec ekspozycji klient nadal odczuwa lęk o nasileniu, na przykład, 70/100, samo w sobie nie oznacza to niepowodzenia eksperymentu. Ważne jest pytanie: „Pomimo lęku, co wydarzyło się w rzeczywistości?”. Człowiek może odczuwać silny lęk, ale nie stracić kontroli, nie zemdleć, nie udusić się i być w stanie pozostać w sytuacji. Właśnie ta rozbieżność między przewidywaniem a faktycznym wynikiem może wywołać błąd predykcji. Jeśli przewidywanie brzmiało „Nie wytrzymam”, a rzeczywiste doświadczenie — „Odczuwałem bardzo silny lęk, ale zostałem i wytrzymałem”, uzyskane dane przeczą przekonaniu a priori.
4. Porównać przewidywanie z faktycznym wynikiem
Po eksperymencie ważne jest wyraźne zestawienie dwóch rzeczy: przewidywania „Stracę kontrolę” i faktycznego wyniku „Mój lęk osiągnął 80/100, ale nie straciłem kontroli i zostałem w sytuacji”. Z perspektywy bayesowskiej nowe dane są zestawiane z przekonaniem a priori. Gdy rzeczywisty wynik różni się od przewidywanego, powstaje błąd predykcji, który może stać się podstawą aktualizacji przekonania. Jednak samo wystąpienie błędu predykcji nie gwarantuje, że przekonanie się zmieni.
5. Zbadać atrybucję i interpretację wyniku
Po eksperymencie behawioralnym szczególnie ważne jest pytanie: „Jak sądzisz, dlaczego to, co przewidywałeś, nie nastąpiło?”. Wyobraźmy sobie, że klient odpowiada: „Ponieważ przez cały czas patrzyłem na drzwi i wiedziałem, że w razie potrzeby mogę natychmiast wyjść”. Obiektywnie katastrofa nie nastąpiła, ale wewnętrzny model osoby może niemal się nie zmienić. Może ona uznać nie „Zamknięta przestrzeń nie była tak niebezpieczna, jak myślałem”, lecz „Zagrożenie było realne, po prostu udało mi się mu zapobiec”. Innymi słowy, nowe dane zostały przypisane zachowaniom zabezpieczającym, a przekonanie a priori dotyczące zagrożenia zostało zachowane.
Z perspektywy bayesowskiej osoba może przypisywać wcześniejszemu przekonaniu większą precyzję, czyli większą wiarygodność, niż nowym danym, które mu przeczą. W rezultacie błąd predykcji będzie miał niewielki wpływ na aktualizację przekonania. Dlatego badanie zachowań zabezpieczających i interpretacji wyniku nie jest jedynie dodatkową rozmową: może decydować o tym, czy nastąpi rzeczywista aktualizacja przekonania.
6. Ocenić nowe przekonanie a posteriori
Po eksperymencie można ponownie zapytać: „Jak prawdopodobna wydaje ci się utrata kontroli następnym razem w takiej samej sytuacji?”. Jeśli początkowa ocena wynosiła 70%, a po eksperymencie spadła na przykład do 30%, mamy już mierzalny wskaźnik zmiany przekonania.
W terminologii bayesowskiej przekonanie a priori pod wpływem nowego doświadczenia i uzyskanych danych przekształciło się w przekonanie a posteriori. W uproszczeniu:
Przekonanie a priori → przewidywanie → eksperyment behawioralny / ekspozycja → faktyczny wynik → błąd predykcji → interpretacja wyniku → przekonanie a posteriori
7. Uczynić przekonanie a posteriori przekonaniem a priori kolejnego eksperymentu
Jeden udany eksperyment nie oznacza jeszcze, że model zagrożenia całkowicie się zmienił. Osoba może pomyśleć: „W tym pokoju się udało, ale w windzie na pewno nie dam rady” albo „Tym razem nic się nie stało, ponieważ terapeuta był obok”. Dlatego eksperymenty behawioralne i ekspozycje warto powtarzać w różnych sytuacjach i warunkach, tak aby nowe uczenie się nie było związane wyłącznie z jednym konkretnym kontekstem. Przekonanie a posteriori powstałe w każdym eksperymencie staje się nowym przekonaniem a priori podczas następnego:
Przekonanie a priori₁ → nowe dane₁ → przekonanie a posteriori₁ = przekonanie a priori₂ → nowe dane₂ → przekonanie a posteriori₂ → …
Terapię można więc rozumieć nie jako jednorazowe „obalenie” błędnego przekonania, lecz jako stopniową aktualizację probabilistycznego modelu świata danej osoby. Z tej perspektywy granica między eksperymentem behawioralnym a ekspozycją jest do pewnego stopnia umowna. Oba mogą opierać się na tej samej podstawowej zasadzie:
Przewidywanie → eksperyment → wynik → aktualizacja
W eksperymencie behawioralnym zwykle jawnie formułuje się i sprawdza określone przekonanie lub przewidywanie, natomiast podczas ekspozycji osoba systematycznie konfrontuje się z sytuacjami, bodźcami lub wewnętrznymi doznaniami wywołującymi strach. Kiedy jednak ekspozycja jest organizowana jako celowe testowanie przewidywań, staje się jednocześnie eksperymentem behawioralnym.
Podejście to pomaga również uniknąć popularnego uproszczenia dotyczącego ekspozycji: „Trzeba pozostać w sytuacji tak długo, aż strach się zmniejszy”.
Lęk może się zmniejszyć, ale z perspektywy uczenia się kluczowe pytanie brzmi inaczej: „Co przewidywałem, co wydarzyło się w rzeczywistości i jak po tym doświadczeniu zmieniło się moje rozumienie zagrożenia?”. Wówczas ekspozycja przestaje być jedynie ćwiczeniem w znoszeniu lęku. Staje się ustrukturyzowanym eksperymentem behawioralnym, w którym osoba może porównywać swoje przewidywania z danymi pochodzącymi z rzeczywistości, rewidować przekonania a priori na podstawie powstałego błędu predykcji i stopniowo tworzyć nowy, trafniejszy model wewnętrzny.
Podsumowanie
Ludzki mózg musi żyć z niepełną informacją o przyszłości. Dlatego nieustannie tworzy przewidywania i zestawia je z nowymi danymi uzyskiwanymi z rzeczywistości.
W zaburzeniach lękowych niektóre przewidywania zagrożenia mogą stać się zbyt szerokie, sztywne lub podtrzymywane z nadmierną pewnością. Unikanie i zachowania zabezpieczające często uniemożliwiają uzyskanie lub właściwe zinterpretowanie informacji sprzecznych z tymi przewidywaniami. Ekspozycja zmienia te warunki. Osoba pozostaje w sytuacji wystarczająco długo, by rzeczywistość mogła odpowiedzieć na jej przewidywanie.
Błąd predykcji pozostaje jednak jedynie szansą. Rzeczywiste uczenie się terapeutyczne zachodzi wtedy, gdy osoba może powiedzieć: „To, co przewidywałem, nie potwierdziło się albo potwierdziło się inaczej, niż oczekiwałem. Moje następne przewidywanie powinno więc być nieco inne”. To właśnie kumulacja takich niewielkich zmian może z czasem przekształcić model zagrożenia. Podejście bayesowskie oferuje zatem szczególnie wartościową perspektywę na ekspozycję: celem psychoterapii nie jest nauczenie człowieka, by nigdy się nie bał. Pomaga ona mózgowi trafniej uczyć się na podstawie własnego doświadczenia.
Bibliografia
Բեգոյան Ա.Ն. Տագնապամարիչ. տագնապային խանգարումների հաղթահարման ուղեցույց / Ա.Ն. Բեգոյան. – Եր.: Հիլֆմանն Պրեսս, 2020. – 368 էջ։
Chen, J., Fang, Z., Zhang, X., Zheng, Y., & Chen, Z. (2025). How fear memory is updated: From reconsolidation to extinction? Neuroscience Bulletin, 41, 1054–1084.
Craske, M. G., Treanor, M., Conway, C. C., Zbozinek, T., & Vervliet, B. (2014). Maximizing exposure therapy: An inhibitory learning approach. Behaviour Research and Therapy, 58, 10–23.
Berwian, I. M., Hitchock, P., Pisupati, S., Schoen, G., & Niv, Y. (2025). Using computational models of learning to advance cognitive behavioral therapy. Communications Psychology, 3(1), Article 72.
Blakey, S. M., & Abramowitz, J. S. (2016). The effects of safety behaviors during exposure therapy for anxiety: Critical analysis from an inhibitory learning perspective. Clinical Psychology Review, 49, 1–15.
Brown, V. M., Price, R., & Dombrovski, A. Y. (2023). Anxiety as a disorder of uncertainty: Implications for understanding maladaptive anxiety, anxious avoidance, and exposure therapy. Cognitive, Affective, & Behavioral Neuroscience, 23(3), 844–868.
Papalini, S., Beckers, T., & Vervliet, B. (2020). Dopamine: From prediction error to psychotherapy. Translational Psychiatry, 10(1), Article 164.
Pittig, A., et al. (2023). Change of Threat Expectancy as Mechanism of Exposure-Based Psychotherapy for Anxiety Disorders: Evidence From 8,484 Exposure Exercises of 605 Patients. Clinical Psychological Science, 11(2).
Brown, V. M., et al. (2023). Anxiety as a disorder of uncertainty: Implications for understanding maladaptive anxiety, anxious avoidance, and exposure therapy.
Winkler, C. D., Pittig, A., Phillips, L. J., & Felmingham, K. L. (2025). Associations among threat prediction error, prediction change, and anxiety during an exposure therapy analogue in adults with healthy to clinical social anxiety. Behaviour Research and Therapy, 187, 104709.
Zbozinek, T. D., Rosenberg, B. M., Treanor, M., & Craske, M. G. (2026). Expectancy updating predicts anxiety symptom reduction from exposure therapy: Predictive analyses from a randomized clinical trial. Behaviour Research and Therapy, 202, 105040.