<\/p>\n
Jeden z podstawowych problem\u00f3w w badaniach nad ludzkim m\u00f3zgiem mo\u017cna sformu\u0142owa\u0107 w postaci nast\u0119puj\u0105cego pytania: jak rozumie\u0107 \u015bwiat, skoro nigdy nie dysponujemy pe\u0142n\u0105 informacj\u0105 na jego temat?<\/p>\n
Nasze systemy sensoryczne nie dostarczaj\u0105 pe\u0142nego i\/lub doskona\u0142ego obrazu rzeczywisto\u015bci. Sygna\u0142y wzrokowe, s\u0142uchowe i p\u0142yn\u0105ce z cia\u0142a s\u0105 cz\u0119sto niepe\u0142ne, wieloznaczne i zale\u017cne od kontekstu. Nie mo\u017cemy bezpo\u015brednio \u201ezobaczy\u0107\u201d intencji drugiego cz\u0142owieka, przewidzie\u0107 przysz\u0142o\u015bci ani z ca\u0142kowit\u0105 pewno\u015bci\u0105 stwierdzi\u0107, co oznacza konkretne doznanie cielesne. M\u00f3zg musi wnioskowa\u0107 o nieobserwowalnych lub ukrytych przyczynach zdarze\u0144 oraz motywach ludzkiego zachowania na podstawie ograniczonych danych.<\/p>\n
Problem ten stanowi jeden z punkt\u00f3w wyj\u015bcia bayesowskiej neuronauki poznawczej. Biologiczne systemy poznawcze, takie jak m\u00f3zg, dzia\u0142aj\u0105 w warunkach niepewno\u015bci, a modele probabilistyczne pozwalaj\u0105 formalnie opisa\u0107, w jaki spos\u00f3b wcze\u015bniej zdobyta wiedza mo\u017ce \u0142\u0105czy\u0107 si\u0119 z nowymi informacjami lub pozostawa\u0107 z nimi w sprzeczno\u015bci. St\u0105d bierze si\u0119 koncepcja, \u017ce w \u015bwietle tych za\u0142o\u017ce\u0144 m\u00f3zg mo\u017cna rozpatrywa\u0107 jako \u201emaszyn\u0119 bayesowsk\u0105\u201d (Bayesian Machine).<\/p>\n
Ju\u017c na pocz\u0105tku nale\u017cy jednak wprowadzi\u0107 wa\u017cne naukowe doprecyzowanie. Twierdzenia tego nie nale\u017cy rozumie\u0107 dos\u0142ownie, tak jakby neurony \u015bwiadomie oblicza\u0142y wz\u00f3r Bayesa. Trafniej jest powiedzie\u0107, \u017ce szereg prawid\u0142owo\u015bci dotycz\u0105cych ludzkiej percepcji, uczenia si\u0119 i podejmowania decyzji mo\u017cna skutecznie opisa\u0107 jako wnioskowanie bayesowskie (Bayesian Inference). To, w jakim stopniu m\u00f3zg rzeczywi\u015bcie odzwierciedla i realizuje w\u0142a\u015bnie ten algorytm obliczeniowy na poziomie neuronalnym, pozostaje przedmiotem bada\u0144 empirycznych.<\/p>\n
Idea le\u017c\u0105ca u podstaw podej\u015bcia bayesowskiego jest do\u015b\u0107 prosta. Wyobra\u017amy sobie, \u017ce konkretny m\u00f3zg ma okre\u015blon\u0105 hipotez\u0119 dotycz\u0105c\u0105 \u015bwiata. Na przyk\u0142ad: \u201eTa sytuacja jest niebezpieczna\u201d.<\/p>\n
Zanim pojawi si\u0119 nowa informacja, hipoteza ta ma ju\u017c pewne prawdopodobie\u0144stwo. Nazywamy je prawdopodobie\u0144stwem a priori (Prior Probability). Nast\u0119pnie pojawia si\u0119 nowa informacja \u2014 dane lub dowody (Evidence). M\u00f3zg ocenia, na ile informacja ta jest zgodna z dan\u0105 hipotez\u0105: jest to funkcja wiarygodno\u015bci (Likelihood). W rezultacie powstaje zrewidowane przekonanie \u2014 prawdopodobie\u0144stwo a posteriori (Posterior Probability).<\/p>\n
Klasyczne twierdzenie Bayesa ma nast\u0119puj\u0105c\u0105 posta\u0107:<\/p>\n
P(H | D) = P(D | H) \u00d7 P(H) \/ P(D)<\/strong><\/p>\n P oznacza tu prawdopodobie\u0144stwo, H \u2014 hipotez\u0119, a D \u2014 uzyskane dane.<\/p>\n W j\u0119zyku poj\u0119\u0107 psychologicznych mo\u017cna to przedstawi\u0107 znacznie pro\u015bciej:<\/p>\n Dotychczasowe przekonanie + nowe do\u015bwiadczenie \u2192 zrewidowane przekonanie<\/strong><\/p>\n Ten prosty schemat ma ogromne znaczenie dla psychologii. Nigdy nie zaczynamy postrzega\u0107 \u015bwiata \u201eod zera\u201d. Interpretacja aktualnej sytuacji jest zawsze w pewnym stopniu uwarunkowana wcze\u015bniejszym do\u015bwiadczeniem, wyuczonymi prawid\u0142owo\u015bciami, oczekiwaniami, pami\u0119ci\u0105, przekonaniami i bie\u017c\u0105cym kontekstem.<\/p>\n Idea m\u00f3zgu bayesowskiego jest \u015bci\u015ble zwi\u0105zana z podej\u015bciem przetwarzania predykcyjnego (Predictive Processing). Wed\u0142ug niekt\u00f3rych modeli kodowania predykcyjnego (Predictive Coding) uk\u0142ad nerwowy hierarchicznie tworzy przewidywania dotycz\u0105ce tego, co powinno wydarzy\u0107 si\u0119 w nast\u0119pnej chwili. Systemy wy\u017cszego poziomu przekazuj\u0105 przewidywania na ni\u017csze poziomy, natomiast r\u00f3\u017cnica mi\u0119dzy informacj\u0105 sensoryczn\u0105 a przewidywaniem jest przekazywana w g\u00f3r\u0119 jako b\u0142\u0105d predykcji (Prediction Error).<\/p>\n Na przyk\u0142ad idziesz noc\u0105 ciemnym korytarzem i dostrzegasz w k\u0105cie jaki\u015b pod\u0142u\u017cny przedmiot, ale nie potrafisz jednoznacznie okre\u015bli\u0107, co to jest. Informacja wzrokowa jest niepe\u0142na. Je\u015bli obecno\u015b\u0107 w\u0119\u017ca w tym otoczeniu wydaje si\u0119 prawdopodobna, m\u00f3zg mo\u017ce szybko wygenerowa\u0107 hipotez\u0119: \u201eTo mo\u017ce by\u0107 w\u0105\u017c\u201d. Podchodzisz bli\u017cej i widzisz, \u017ce to po prostu pasek. Nowe dane sensoryczne nie odpowiadaj\u0105 przewidywaniu. Powstaje b\u0142\u0105d predykcji, kt\u00f3ry umo\u017cliwia aktualizacj\u0119 wewn\u0119trznego modelu.<\/p>\n W tym sensie percepcj\u0119 mo\u017cna rozumie\u0107 nie tylko jako bierne odbieranie informacji z zewn\u0105trz, lecz tak\u017ce jako ci\u0105g\u0142e konstruowanie i rekonstruowanie najbardziej prawdopodobnej hipotezy wyja\u015bniaj\u0105cej \u015bwiat. Nie wszystkie b\u0142\u0119dy predykcji jednak w r\u00f3wnym stopniu przyczyniaj\u0105 si\u0119 do ulepszania tej hipotezy. Kluczowe jest tu inne poj\u0119cie \u2014 precyzja (Precision).<\/p>\n W systemie bayesowskim wa\u017cne jest nie tylko to, co przewidujemy, lecz tak\u017ce to, na ile jeste\u015bmy pewni precyzji swoich przewidywa\u0144. Precyzj\u0119 mo\u017cna w uproszczeniu rozumie\u0107 jako \u201estopie\u0144 pewno\u015bci\u201d zwi\u0105zany z rozk\u0142adem prawdopodobie\u0144stwa. Matematycznie w systemach gaussowskich jest ona odwrotno\u015bci\u0105 wariancji.<\/p>\n Precyzja = 1 \/ wariancja<\/strong><\/p>\n Im wy\u017csza precyzja, tym wi\u0119kszy wp\u0142yw dane przekonanie lub b\u0142\u0105d predykcji mo\u017ce wywiera\u0107 na dalsze wnioskowanie. W\u0142a\u015bnie tutaj bayesowska neuronauka poznawcza w interesuj\u0105cy spos\u00f3b \u0142\u0105czy si\u0119 z psychologi\u0105 kliniczn\u0105.<\/p>\n Wyobra\u017amy sobie osob\u0119, kt\u00f3ra z bardzo du\u017c\u0105 pewno\u015bci\u0105 podziela przekonanie: \u201eJe\u015bli pope\u0142ni\u0119 b\u0142\u0105d przy innych ludziach, oceni\u0105 mnie negatywnie\u201d. Problem mo\u017ce tu dotyczy\u0107 nie tylko tre\u015bci przekonania, lecz tak\u017ce jego nadmiernie wysokiej precyzji. W\u00f3wczas nowa informacja \u2014 \u201ePope\u0142ni\u0142em b\u0142\u0105d, ale nikt szczeg\u00f3lnie nie zareagowa\u0142\u201d \u2014 mo\u017ce mie\u0107 niewielki wp\u0142yw, poniewa\u017c wcze\u015bniejsze przewidywanie a priori jest zbyt \u201esilne\u201d. Osoba mo\u017ce nawet znale\u017a\u0107 wyja\u015bnienie pozwalaj\u0105ce je zachowa\u0107: \u201ePo prostu z uprzejmo\u015bci nie pokazali, co naprawd\u0119 my\u015bl\u0105\u201d. W niekt\u00f3rych przypadkach problem psychologiczny mo\u017cna wi\u0119c rozumie\u0107 r\u00f3wnie\u017c jako trudno\u015b\u0107 w aktualizowaniu przekona\u0144.<\/p>\n W centrum ca\u0142ego tego systemu znajduje si\u0119 niepewno\u015b\u0107 (Uncertainty). M\u00f3zg musi stale ocenia\u0107: co si\u0119 dzieje? Co prawdopodobnie si\u0119 wydarzy? Co mog\u0119 zrobi\u0107? Co si\u0119 stanie, je\u015bli pope\u0142ni\u0119 b\u0142\u0105d? Na ile mog\u0119 zaufa\u0107 w\u0142asnemu przewidywaniu?<\/p>\n Wsp\u00f3\u0142czesna psychologia obliczeniowa proponuje rozr\u00f3\u017cnianie r\u00f3\u017cnych rodzaj\u00f3w niepewno\u015bci. Szczeg\u00f3lnie wa\u017cne s\u0105 dwa z nich. Pierwszy to niepewno\u015b\u0107 epistemiczna (Epistemic Uncertainty), wynikaj\u0105ca z braku wiedzy. Na przyk\u0142ad: \u201eNie wiem, jaki b\u0119dzie wynik egzaminu\u201d. W takim przypadku teoretycznie mo\u017cna uzyska\u0107 nowe informacje i zmniejszy\u0107 niepewno\u015b\u0107. Drugi to niepewno\u015b\u0107 aleatoryczna[1] (Aleatoric Uncertainty), wynikaj\u0105ca ze zmienno\u015bci lub losowo\u015bci samego \u015bwiata. Na przyk\u0142ad nawet najlepszy model ekonomiczny nie potrafi z absolutn\u0105 dok\u0142adno\u015bci\u0105 przewidzie\u0107 sytuacji na rynku za rok. Tej niepewno\u015bci nie da si\u0119 ca\u0142kowicie usun\u0105\u0107, nawet gromadz\u0105c du\u017ce ilo\u015bci informacji.<\/p>\n Wsp\u00f3\u0142czesny bayesowski model l\u0119ku proponuje zastosowanie tego rozr\u00f3\u017cnienia r\u00f3wnie\u017c w psychologii klinicznej. W tym miejscu nale\u017cy podkre\u015bli\u0107 szczeg\u00f3lnie wa\u017cn\u0105 dla psychologii klinicznej i psychoterapii my\u015bl: zdrowie psychiczne nie oznacza wyeliminowania niepewno\u015bci. Oznacza raczej uczenie si\u0119 rozr\u00f3\u017cniania, kt\u00f3r\u0105 niepewno\u015b\u0107 mo\u017cna zmniejszy\u0107 poprzez zbieranie informacji, a kt\u00f3r\u0105 trzeba nauczy\u0107 si\u0119 tolerowa\u0107.<\/p>\n W psychologii klinicznej i terapii poznawczo-behawioralnej \u2014 dalej CBT \u2014 zjawisko to jest badane za pomoc\u0105 poj\u0119cia nietolerancji niepewno\u015bci (Intolerance of Uncertainty, IU). Pocz\u0105tkowo rozpatrywano j\u0105 przede wszystkim jako mechanizm uog\u00f3lnionego zaburzenia l\u0119kowego i patologicznego zamartwiania si\u0119. Obecnie jest ujmowana jako szerszy czynnik transdiagnostyczny, kt\u00f3ry w r\u00f3\u017cnym stopniu wi\u0105\u017ce si\u0119 z uog\u00f3lnionym zaburzeniem l\u0119kowym, zaburzeniem obsesyjno-kompulsyjnym, zespo\u0142em stresu pourazowego i innymi problemami, g\u0142\u00f3wnie ze spektrum l\u0119ku. Dzi\u015b uznaje si\u0119 j\u0105 za jedno z centralnych poj\u0119\u0107 wsp\u00f3\u0142czesnej psychopatologii.<\/p>\n Nietolerancja niepewno\u015bci nie oznacza po prostu \u201enielubienia niepewno\u015bci\u201d. Mo\u017ce obejmowa\u0107 takie przekonania, jak: \u201eMusz\u0119 wiedzie\u0107 na pewno, co si\u0119 wydarzy\u201d, \u201eJe\u015bli nie b\u0119d\u0119 wiedzie\u0107 na pewno, prawdopodobnie wydarzy si\u0119 co\u015b z\u0142ego\u201d, \u201eNie mog\u0119 si\u0119 odpr\u0119\u017cy\u0107, dop\u00f3ki nie b\u0119d\u0119 mie\u0107 ca\u0142kowitej pewno\u015bci\u201d, \u201eJe\u015bli z\u0142y wynik jest mo\u017cliwy, koniecznie musz\u0119 mu zapobiec\u201d. W takim stanie sama niepewno\u015b\u0107 zaczyna by\u0107 postrzegana jako sygna\u0142 zagro\u017cenia.<\/p>\n W r\u00f3\u017cnych badaniach neuropoznawczych wielokrotnie odnotowywano dodatni\u0105 korelacj\u0119 mi\u0119dzy wysok\u0105 nietolerancj\u0105 niepewno\u015bci, siln\u0105 reakcj\u0105 emocjonaln\u0105 na niepewno\u015b\u0107 oraz zwi\u0119kszon\u0105 aktywno\u015bci\u0105 przedniej cz\u0119\u015bci kory wyspy (Anterior Insula) i cia\u0142a migda\u0142owatego (Amygdala). B\u0142\u0119dem by\u0142oby jednak m\u00f3wienie o \u201em\u00f3zgowym o\u015brodku niepewno\u015bci\u201d, poniewa\u017c dane te opisuj\u0105 funkcjonowanie wzajemnie powi\u0105zanych sieci neuronalnych, a wyniki poszczeg\u00f3lnych bada\u0144 nie s\u0105 w pe\u0142ni zgodne.<\/p>\n W tym miejscu podej\u015bcie bayesowskie naturalnie \u0142\u0105czy si\u0119 z innym zjawiskiem psychologicznym, wyst\u0119puj\u0105cym g\u0142\u00f3wnie w kontek\u015bcie zaburze\u0144 l\u0119kowych \u2014 potrzeb\u0105 kontroli (Need for Control).<\/p>\n Potrzeba kontroli sama w sobie nie jest patologi\u0105. Przeciwnie, zdolno\u015b\u0107 wp\u0142ywania na otoczenie oraz rozumienia zwi\u0105zku mi\u0119dzy w\u0142asnymi dzia\u0142aniami a ich rezultatami jest z biologicznego punktu widzenia wysoce adaptacyjna. Mo\u017cliwo\u015b\u0107 kontroli mo\u017ce zmniejsza\u0107 reakcje na sytuacje stresowe i zagro\u017cenia, a sama mo\u017cliwo\u015b\u0107 wyboru jest pozytywnym do\u015bwiadczeniem.<\/p>\n Problem zaczyna si\u0119 wtedy, gdy \u201eDobrze jest kontrolowa\u0107 to, co mog\u0119\u201d zmienia si\u0119 w \u201eMusz\u0119 kontrolowa\u0107 wszystko, co mo\u017ce wi\u0105za\u0107 si\u0119 z zagro\u017ceniem\u201d. Osoba o niskiej tolerancji niepewno\u015bci mo\u017ce nieustannie pr\u00f3bowa\u0107 zmniejsza\u0107 jej poziom poprzez sprawdzanie, poszukiwanie zapewnie\u0144, zadawanie pyta\u0144, przewidywanie, planowanie lub unikanie. W kr\u00f3tkiej perspektywie rzeczywi\u015bcie to dzia\u0142a: l\u0119k maleje. W\u0142a\u015bnie dlatego takie wzorce zachowania ulegaj\u0105 wzmocnieniu.<\/p>\n W tym kontek\u015bcie szczeg\u00f3lnie interesuj\u0105ca jest rola zachowa\u0144 zabezpieczaj\u0105cych lub dzia\u0142a\u0144 ochronnych (Safety Behaviors).<\/p>\n Na przyk\u0142ad osoba z zaburzeniem l\u0119ku spo\u0142ecznego mo\u017ce przed spotkaniem nauczy\u0107 si\u0119 na pami\u0119\u0107 ka\u017cdego zdania. Osoba z zaburzeniem panicznym mo\u017ce nigdy nie wychodzi\u0107 z domu bez leku \u201ena sytuacj\u0119 awaryjn\u0105\u201d. Osoba z zaburzeniem obsesyjno-kompulsyjnym mo\u017ce wielokrotnie sprawdza\u0107, czy drzwi s\u0105 zamkni\u0119te. Osoba z l\u0119kiem o zdrowie prawdopodobnie b\u0119dzie regularnie mierzy\u0107 ci\u015bnienie krwi. Po takich dzia\u0142aniach cz\u0142owiek czuje si\u0119 bezpieczniej. Dochodzi tu jednak do wa\u017cnego, irracjonalnego przesuni\u0119cia. Je\u015bli negatywne zdarzenie nie nast\u0105pi, osoba nie uzna, \u017ce jej przewidywanie by\u0142o b\u0142\u0119dne. Zamiast tego wyci\u0105gnie wniosek: \u201eNic z\u0142ego si\u0119 nie wydarzy\u0142o, poniewa\u017c si\u0119 zabezpieczy\u0142em\u201d.<\/p>\n W rezultacie przewidywanie a priori nie zostaje zaktualizowane. Zjawisko to mo\u017cna umownie nazwa\u0107 iluzj\u0105 bezpiecze\u0144stwa. Nale\u017cy zaznaczy\u0107, \u017ce termin ten nie jest konstruktem diagnostycznym, lecz klinicznym opisem sytuacji, w kt\u00f3rej poczucie bezpiecze\u0144stwa opiera si\u0119 na samym wykonaniu zachowania zabezpieczaj\u0105cego, a nie na rzeczywistych gwarancjach lub dowodach bezpiecze\u0144stwa. Z tego powodu zachowania zabezpieczaj\u0105ce mog\u0105 nie tylko chwilowo zmniejsza\u0107 niepok\u00f3j, lecz tak\u017ce w d\u0142u\u017cszej perspektywie podtrzymywa\u0107 irracjonalne przekonanie o zagro\u017ceniu.<\/p>\n Kolejnym wa\u017cnym i powi\u0105zanym z tym zjawiskiem jest iluzja kontroli (Illusion of Control). Powstaje ona wtedy, gdy cz\u0142owiek przecenia rzeczywisty zwi\u0105zek przyczynowo-skutkowy mi\u0119dzy w\u0142asnym dzia\u0142aniem a jego rezultatem. Przyk\u0142adem jest przekonanie, \u017ce to w\u0142a\u015bnie trzykrotne sprawdzanie zamkni\u0119cia drzwi za ka\u017cdym razem przed wyj\u015bciem z domu chroni mieszkanie przed z\u0142odziejami.[2] Jednak fakt, \u017ce dwa zdarzenia nast\u0119puj\u0105 po sobie, nie oznacza jeszcze, \u017ce jedno jest przyczyn\u0105 drugiego.<\/p>\n W uj\u0119ciu klinicznym mo\u017ce to tworzy\u0107 zamkni\u0119ty cykl:<\/p>\n Niepewno\u015b\u0107 \u2192 l\u0119k \u2192 dzia\u0142anie lub zachowanie kontroluj\u0105ce \u2192 zmniejszenie l\u0119ku \u2192 wzmocnienie zachowania \u2192 silniejsze przekonanie, \u017ce kontrola jest konieczna<\/strong><\/p>\n Cz\u0142owiek stopniowo uczy si\u0119 nie tyle \u017cy\u0107 w warunkach niepewno\u015bci, ile przeciwnie \u2014 d\u0105\u017cy\u0107 do iluzorycznego poczucia bezpiecze\u0144stwa, pr\u00f3buj\u0105c kontrolowa\u0107 ka\u017cd\u0105 niepewno\u015b\u0107 i uczyni\u0107 j\u0105 kontrolowaln\u0105.<\/p>\n W tym miejscu podej\u015bcie bayesowskie staje si\u0119 szczeg\u00f3lnie interesuj\u0105ce. Wiele metod CBT mo\u017cna przeformu\u0142owa\u0107 w j\u0119zyku obliczeniowym. Nie oznacza to jeszcze, \u017ce udowodnili\u015bmy ich konkretne mechanizmy neuronalne. Tworzy to jednak niezwykle u\u017cyteczne ramy badawcze i poj\u0119ciowe (Framework).<\/p>\n Z tej perspektywy CBT mo\u017cna rozumie\u0107 nie jako metod\u0119 \u201ezast\u0119powania negatywnych my\u015bli pozytywnymi\u201d, lecz jako proces naukowego sprawdzania w\u0142asnych przewidywa\u0144.<\/p>\n Wyobra\u017amy sobie na przyk\u0142ad klienta, kt\u00f3ry jest przekonany: \u201eJe\u015bli w trakcie rozmowy przez chwil\u0119 nie b\u0119d\u0119 wiedzia\u0142, co powiedzie\u0107, inni zrozumiej\u0105, \u017ce jestem niepewny siebie i niekompetentny\u201d. Jest to przekonanie a priori. Przed spotkaniami klient d\u0142ugo si\u0119 przygotowuje, powtarza w my\u015blach zdania, unika kontaktu wzrokowego i m\u00f3wi jak najmniej. S\u0105 to zachowania zabezpieczaj\u0105ce. Spotkanie ko\u0144czy si\u0119 bez wyra\u017anie negatywnego zdarzenia, a klient stwierdza: \u201eWszystko posz\u0142o dobrze, poniewa\u017c bardzo starannie si\u0119 przygotowa\u0142em i by\u0142em ostro\u017cny\u201d. Uzyskane dane nie przecz\u0105 wi\u0119c przekonaniu a priori.<\/p>\n Za pomoc\u0105 eksperymentu behawioralnego w CBT mo\u017cna jednak stopniowo ogranicza\u0107 zachowania zabezpieczaj\u0105ce. Na przyk\u0142ad klient mo\u017ce nie przygotowywa\u0107 przed rozmow\u0105 wszystkich odpowiedzi. Dopiero wtedy jego przewidywanie staje si\u0119 mo\u017cliwe do sprawdzenia. Innymi s\u0142owy, mo\u017cna przetestowa\u0107 przekonanie a priori: \u201eJe\u015bli nie b\u0119d\u0119 kontrolowa\u0142 rozmowy, ludzie oceni\u0105 mnie negatywnie\u201d. Nast\u0119pnie mo\u017cna por\u00f3wna\u0107 to, co przewidywano, z tym, co wydarzy\u0142o si\u0119 w rzeczywisto\u015bci.<\/p>\n W istocie jest to logika aktualizacji bayesowskiej (Bayesian Updating).<\/p>\n W ka\u017cdym razie celem CBT nie jest wytworzenie stuprocentowej pewno\u015bci dotycz\u0105cej bezpiecze\u0144stwa. Wynika z tego jedna z najwa\u017cniejszych cech pracy terapeutycznej. Je\u015bli klient odczuwaj\u0105cy l\u0119k pyta: \u201eJak mog\u0119 si\u0119 upewni\u0107, \u017ce to na pewno si\u0119 nie wydarzy?\u201d, celem terapeuty nie powinno by\u0107 udzielenie stuprocentowej gwarancji. W rzeczywistym \u015bwiecie taka gwarancja niemal nigdy nie istnieje. Je\u015bli nieustannie zapewniamy pewno\u015b\u0107, mo\u017cemy nie\u015bwiadomie wzmacnia\u0107 w\u0142a\u015bnie to przekonanie, zgodnie z kt\u00f3rym \u201e\u017beby czu\u0107 spok\u00f3j, potrzebuj\u0119 stuprocentowej pewno\u015bci, \u017ce nic z\u0142ego si\u0119 nie stanie\u201d.<\/p>\n Bardziej racjonalne mo\u017ce by\u0107 pytanie: \u201eJakie jest prawdopodobie\u0144stwo tego zdarzenia? Na jakich danych opiera si\u0119 ta ocena? I czy mog\u0119 dzia\u0142a\u0107, nawet je\u015bli pewna niepewno\u015b\u0107 nadal pozostaje?\u201d Nie jest to ju\u017c poszukiwanie ca\u0142kowitej pewno\u015bci (Certainty Seeking), lecz my\u015blenie probabilistyczne (Probabilistic Thinking).<\/p>\n Z perspektywy bayesowskiej cel psychoterapii mo\u017cna okre\u015bli\u0107 nie jako \u201ezmniejszanie niepewno\u015bci\u201d, lecz jako trafniejsz\u0105 ocen\u0119 niepewno\u015bci i bardziej elastyczne zachowanie w jej warunkach. Gdy niepewno\u015b\u0107 mo\u017cna zmniejszy\u0107, zaczynamy gromadzi\u0107 informacje. Gdy znajduje si\u0119 poza sfer\u0105 naszego wp\u0142ywu i nie mo\u017cna jej zmniejszy\u0107, trzeba nauczy\u0107 si\u0119 z ni\u0105 \u017cy\u0107. W tym sensie konfrontowanie si\u0119 z niepewno\u015bci\u0105 i wychodzenie jej naprzeciw \u2014 ekspozycja na niepewno\u015b\u0107 (Uncertainty Exposure) \u2014 stanowi\u0105 wa\u017cn\u0105 metod\u0119 i proces terapeutyczny.<\/p>\n Cz\u0142owiek stopniowo rezygnuje z ci\u0105g\u0142ego poszukiwania uspokajaj\u0105cych zapewnie\u0144 (Reassurance Seeking), sprawdzania, unikania lub nadmiernej kontroli i zyskuje mo\u017cliwo\u015b\u0107 uczenia si\u0119 na podstawie w\u0142asnego do\u015bwiadczenia: \u201eMog\u0119 nie wiedzie\u0107 i mimo to nadal dzia\u0142a\u0107\u201d. Oczywi\u015bcie nie jest to jedynie umiej\u0119tno\u015b\u0107 \u201eodpr\u0119\u017cania si\u0119\u201d, lecz zmiana modelu adaptacji do otoczenia.<\/p>\n Idea m\u00f3zgu bayesowskiego mo\u017ce by\u0107 niezwykle atrakcyjna. \u0141\u0105czy percepcj\u0119, uczenie si\u0119, przewidywanie, podejmowanie decyzji, niepewno\u015b\u0107, a w niekt\u00f3rych modelach nawet dzia\u0142anie.<\/p>\n W ramach aktywnego wnioskowania (Active Inference) organizm nie tylko zmienia swoje przekonania, dostosowuj\u0105c je do \u015bwiata, lecz tak\u017ce poprzez dzia\u0142ania zmienia otrzymywane informacje. W tych modelach dzia\u0142ania mog\u0105 mie\u0107 zar\u00f3wno warto\u015b\u0107 pragmatyczn\u0105 \u2014 uzyskanie po\u017c\u0105danego rezultatu \u2014 jak i warto\u015b\u0107 epistemiczn\u0105 \u2014 zmniejszenie niepewno\u015bci oraz zdobycie nowych informacji. Jest to oczywi\u015bcie znakomity j\u0119zyk r\u00f3wnie\u017c do opisywania psychoterapii.<\/p>\n Niezwykle wa\u017cne jest jednak unikanie tworzenia nowego dogmatu neuronaukowego. Przetwarzanie predykcyjne, kodowanie predykcyjne, wnioskowanie bayesowskie, zasada wolnej energii[3] i aktywne wnioskowanie nie s\u0105 tymi samymi poj\u0119ciami. Fakt, \u017ce jakie\u015b zachowanie mo\u017cna opisa\u0107 za pomoc\u0105 modelu bayesowskiego, nie oznacza jeszcze, \u017ce uk\u0142ad nerwowy realizuje i uciele\u015bnia w\u0142a\u015bnie ten algorytm.<\/p>\n Z naukowego punktu widzenia trafniej jest wi\u0119c powiedzie\u0107 nie, \u017ce udowodniono, i\u017c m\u00f3zg jest maszyn\u0105 bayesowsk\u0105, lecz \u017ce ludzki m\u00f3zg rozwi\u0105zuje podstawowe problemy wnioskowania w warunkach niepewno\u015bci, a modele bayesowskie i predykcyjne nale\u017c\u0105 do najpot\u0119\u017cniejszych wsp\u00f3\u0142czesnych obliczeniowych ram poj\u0119ciowych pozwalaj\u0105cych opisywa\u0107 wiele z tych problem\u00f3w.<\/p>\n Ludzkie \u017cycie mo\u017cna pod pewnymi wzgl\u0119dami rozumie\u0107 jako nieustanny ci\u0105g probabilistycznych przewidywa\u0144. Przewidujemy, co inni ludzie o nas pomy\u015bl\u0105, czy dane doznanie cielesne jest bezpieczne, czy relacja b\u0119dzie trwa\u0107 i czy praca si\u0119 powiedzie. Gdy \u015bwiat odmawia nam stuprocentowych gwarancji, czasami pr\u00f3bujemy stworzy\u0107 je sami \u2014 poprzez sprawdzanie, unikanie, poszukiwanie uspokajaj\u0105cych zapewnie\u0144, nadmiern\u0105 kontrol\u0119 lub zachowania zabezpieczaj\u0105ce.<\/p>\n Pe\u0142na kontrola najprawdopodobniej jest jednak nie tylko niemo\u017cliwa, lecz tak\u017ce niepo\u017c\u0105dana. Elastyczno\u015b\u0107 psychologiczna oznacza raczej zdolno\u015b\u0107 zarz\u0105dzania tym, co podlega kontroli, i tolerowania niepewno\u015bci, kt\u00f3rej nie mo\u017cna usun\u0105\u0107. W tym sensie bayesowska neuronauka poznawcza i terapia poznawczo-behawioralna spotykaj\u0105 si\u0119 w tym samym punkcie.<\/p>\n Celem CBT nie jest chronienie cz\u0142owieka przed niepewno\u015bci\u0105. Terapia pomaga rewidowa\u0107 nadmiernie sztywne i irracjonalne przewidywania dotycz\u0105ce \u015bwiata, sprawdza\u0107 je w rzeczywistym do\u015bwiadczeniu, ogranicza\u0107 zachowania tworz\u0105ce iluzj\u0119 bezpiecze\u0144stwa i uczy\u0107 si\u0119 \u017cy\u0107 w \u015bwiecie, w kt\u00f3rym niepewno\u015b\u0107 nie jest dowodem zagro\u017cenia, lecz nieuniknion\u0105 w\u0142a\u015bciwo\u015bci\u0105 rzeczywisto\u015bci.<\/p>\n By\u0107 mo\u017ce w\u0142a\u015bnie w tym zawiera si\u0119 najwa\u017cniejsze kliniczne znaczenie podej\u015bcia bayesowskiego: zdrowe my\u015blenie wymaga nie absolutnej pewno\u015bci czy gwarancji, lecz gotowo\u015bci do rewidowania w\u0142asnych przekona\u0144 w \u015bwietle nowych danych.<\/p>\n 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<\/em>, 1\u201315.<\/p>\n Dugas, M. J., Koerner, N., & Freeston, M. H. (2026). State of the science: Intolerance of uncertainty. Behavior Therapy, 57<\/em>(1), 17\u201336.<\/p>\n Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11<\/em>, 127\u2013138.<\/p>\n Hedley, F. E., Larsen, E., Mohanty, A., Liu, J. Z., & Jin, J. (2026). Understanding anxiety through uncertainty quantification. British Journal of Psychology, 117<\/em>(3), 795\u2013808.<\/p>\n Knill, D. C., & Pouget, A. (2004). The Bayesian brain: The role of uncertainty in neural coding and computation. Trends in Neurosciences, 27<\/em>, 712\u2013719.<\/p>\n Leotti, L. A., Iyengar, S. S., & Ochsner, K. N. (2010). Born to choose: The origins and value of the need for control. Trends in Cognitive Sciences, 14<\/em>(10), 457\u2013463.<\/p>\n Ma, W. J., Beck, J. M., Latham, P. E., & Pouget, A. (2006). Bayesian inference with probabilistic population codes. Nature Neuroscience, 9<\/em>, 1432\u20131438.<\/p>\n Sandhu, T. R., Xiao, B., & Lawson, R. P. (2023). Transdiagnostic computations of uncertainty: Towards a new lens on intolerance of uncertainty. Neuroscience & Biobehavioral Reviews, 148<\/em>, 105123.<\/p>\n Wilson, E. J., Abbott, M. J., & Norton, A. R. (2023). The impact of psychological treatment on intolerance of uncertainty in generalized anxiety disorder: A systematic review and meta-analysis. Journal of Anxiety Disorders, 97<\/em>, 102729.<\/p>\n [1] Niepewno\u015b\u0107 wynikaj\u0105ca z wewn\u0119trznej losowo\u015bci lub szumu w samym systemie albo w danych, kt\u00f3ra zwykle nie znika po prostu dzi\u0119ki zebraniu wi\u0119kszej ilo\u015bci danych.<\/p>\n [2] Jest to oczywi\u015bcie spos\u00f3b my\u015blenia charakterystyczny dla os\u00f3b z zaburzeniem obsesyjno-kompulsyjnym, jednak jego odmiany wyst\u0119puj\u0105 r\u00f3wnie\u017c w innych zaburzeniach l\u0119kowych.<\/p>\n [3] Zasada wolnej energii<\/strong> \u2014 idea, zgodnie z kt\u00f3r\u0105 systemy biologiczne d\u0105\u017c\u0105 do zmniejszania rozbie\u017cno\u015bci mi\u0119dzy swoimi przewidywaniami a otrzymywanymi danymi oraz niepewno\u015bci, zmieniaj\u0105c albo sw\u00f3j model wewn\u0119trzny, albo w\u0142asne dzia\u0142ania. Jest to rama teoretyczna zaproponowana przez Karla Fristona (ur. w 1959 roku, brytyjskiego neuronaukowca i neurobiologa teoretycznego), kt\u00f3ra pr\u00f3buje wyja\u015bni\u0107, jak systemy biologiczne, w tym m\u00f3zg, zachowuj\u0105 stabilno\u015b\u0107 w niepewnym i zmieniaj\u0105cym si\u0119 otoczeniu. W uproszczeniu idea jest nast\u0119puj\u0105ca: m\u00f3zg stale przewiduje, co si\u0119 wydarzy, por\u00f3wnuje przewidywania z nap\u0142ywaj\u0105cymi danymi sensorycznymi i pr\u00f3buje zmniejszy\u0107 rozbie\u017cno\u015b\u0107 mi\u0119dzy nimi.<\/p>","protected":false},"excerpt":{"rendered":" M\u00f3zg jako maszyna bayesowska: od obliczeniowej neuronauki poznawczej do psychoterapii 1. M\u00f3zg jako \u201emaszyna bayesowska\u201d: niepewno\u015b\u0107, przewidywanie i iluzja kontroli 1.1. Podej\u015bcie bayesowskie na styku neuronauki poznawczej, psychologii klinicznej i terapii poznawczo-behawioralnej Jeden z podstawowych problem\u00f3w w badaniach nad ludzkim<\/p>\n","protected":false},"author":2,"featured_media":3692,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[308,309,109,289,18],"tags":[310,311,313,312],"class_list":["post-3688","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-bayesian-science","category-computational-methods","category-neuroscience","category-psychology","category-psychotherapy","tag-bayesian-brain","tag-bayesian-cognitive-science","tag-bayesian-machine","tag-computational-modeling"],"_links":{"self":[{"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts\/3688","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/comments?post=3688"}],"version-history":[{"count":11,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts\/3688\/revisions"}],"predecessor-version":[{"id":3708,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts\/3688\/revisions\/3708"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/media\/3692"}],"wp:attachment":[{"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/media?parent=3688"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/categories?post=3688"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/tags?post=3688"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1.3. M\u00f3zg nie tylko reaguje na \u015bwiat, lecz tak\u017ce go przewiduje<\/h3>\n
1.4. Jak precyzyjne s\u0105 moje przekonania?<\/h3>\n
1.5. Niepewno\u015b\u0107 jako podstawowy problem poznawczy<\/h3>\n
1.6. L\u0119k i nietolerancja niepewno\u015bci<\/h3>\n
1.7. Niepewno\u015b\u0107 i potrzeba kontroli<\/h3>\n
1.8. Iluzja bezpiecze\u0144stwa<\/h3>\n
1.9. Iluzja kontroli<\/h3>\n
1.10. Jak mo\u017cna rozumie\u0107 CBT z perspektywy bayesowskiej?<\/h3>\n
\n\n
\n Poj\u0119cie CBT<\/th>\n Interpretacja bayesowska \/ obliczeniowa<\/th>\n<\/tr>\n \n Przekonanie dysfunkcjonalne<\/td>\n Przekonanie o wysokim prawdopodobie\u0144stwie a priori lub nadmiernie wysokiej precyzji<\/td>\n<\/tr>\n \n Restrukturyzacja poznawcza<\/td>\n Rewizja przekonania lub modelu<\/td>\n<\/tr>\n \n Eksperyment behawioralny<\/td>\n Aktywne zbieranie informacji w celu rozr\u00f3\u017cnienia konkurencyjnych hipotez<\/td>\n<\/tr>\n \n Ekspozycja<\/td>\n Testowanie przewidywania i uczenie si\u0119 na podstawie b\u0142\u0119du predykcji<\/td>\n<\/tr>\n \n Unikanie<\/td>\n Strategia behawioralna, kt\u00f3ra na kr\u00f3tko zmniejsza niepewno\u015b\u0107 lub oczekiwane zagro\u017cenie<\/td>\n<\/tr>\n \n Zachowanie zabezpieczaj\u0105ce \/ dzia\u0142anie ochronne<\/td>\n Dzia\u0142anie, kt\u00f3re na kr\u00f3tko zmniejsza niepewno\u015b\u0107, ale mo\u017ce utrudnia\u0107 aktualizacj\u0119 przekonania<\/td>\n<\/tr>\n \n Terapeutyczne zadanie domowe<\/td>\n Gromadzenie nowych dowod\u00f3w w rzeczywistych warunkach<\/td>\n<\/tr>\n \n Nawr\u00f3t<\/td>\n Ponowna aktywacja wcze\u015bniejszego prawdopodobie\u0144stwa a priori lub strategii behawioralnej w okre\u015blonym kontek\u015bcie<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n 1.11. Trening tolerancji niepewno\u015bci<\/h3>\n
1.12. M\u00f3zg jako maszyna bayesowska: u\u017cyteczny model czy nowy dogmat?<\/h3>\n
\nPodsumowanie<\/h3>\n
\nBibliografia<\/h3>\n
\nPrzypisy<\/h3>\n