1: M\u00f3zg jako \u201emaszyna bayesowska\u201d: niepewno\u015b\u0107, przewidywanie i iluzja kontroli<\/a><\/p>\n2. Ekspozycja jako uczenie si\u0119 bayesowskie: jak nowe do\u015bwiadczenie zmienia przewidywania m\u00f3zgu dotycz\u0105ce zagro\u017cenia<\/h2>\n2.1. Na styku CBT, neuronauki i bayesowskiej nauki o poznaniu<\/h3>\n
Jedn\u0105 z najskuteczniejszych metod terapii poznawczo-behawioralnej (CBT) zaburze\u0144 l\u0119kowych jest terapia ekspozycyjna (Exposure Therapy): kontrolowana i celowa konfrontacja z przedmiotami, sytuacjami, doznaniami cielesnymi, my\u015blami lub wspomnieniami wywo\u0142uj\u0105cymi strach i l\u0119k.<\/p>\n
Na pierwszy rzut oka logika tej metody wydaje si\u0119 do\u015b\u0107 prosta: cz\u0142owiek wielokrotnie styka si\u0119 z sytuacj\u0105, kt\u00f3rej si\u0119 boi, a z czasem strach maleje. Przez dziesi\u0119ciolecia jednym z wa\u017cnych wyja\u015bnie\u0144 terapeutycznego dzia\u0142ania ekspozycji by\u0142a habituacja (Habituation), czyli stopniowe os\u0142abianie reakcji strachu podczas wielokrotnego lub d\u0142ugotrwa\u0142ego prezentowania bod\u017aca wywo\u0142uj\u0105cego strach. Historycznie istotn\u0105 rol\u0119 odgrywa\u0142a r\u00f3wnie\u017c idea desensytyzacji (Desensitization) \u2014 stopniowego zmniejszania reaktywno\u015bci wobec budz\u0105cego strach bod\u017aca. Wsp\u00f3\u0142czesna teoria uczenia si\u0119, neuronauka poznawcza i psychologia obliczeniowa proponuj\u0105 jednak g\u0142\u0119bsze rozumienie ekspozycji. By\u0107 mo\u017ce jej podstawowa warto\u015b\u0107 polega nie tyle na tym, by cz\u0142owiek w danej chwili odczuwa\u0142 mniej strachu, ile na dostarczeniu m\u00f3zgowi nowych danych umo\u017cliwiaj\u0105cych rewizj\u0119 wcze\u015bniejszych przewidywa\u0144. Z tej perspektywy ekspozycj\u0119 mo\u017cna rozpatrywa\u0107 jako szczeg\u00f3ln\u0105 form\u0119 uczenia si\u0119 bayesowskiego.<\/p>\n
M\u00f3zg ma okre\u015blone przewidywanie, natomiast zdarzenia w otoczeniu przebiegaj\u0105 w okre\u015blony spos\u00f3b. Je\u015bli rzeczywisto\u015b\u0107 nie odpowiada przewidywaniu, powstaje b\u0142\u0105d predykcji. Je\u015bli nowa informacja zostanie przyj\u0119ta i zintegrowana z modelem wewn\u0119trznym, kolejne przewidywanie si\u0119 zmieni.<\/p>\n
Innymi s\u0142owy:<\/p>\n
Prawdopodobie\u0144stwo a priori (przekonanie wyj\u015bciowe) \u2192 przewidywanie \u2192 do\u015bwiadczenie \/ nowe dane \u2192 b\u0142\u0105d predykcji \u2192 prawdopodobie\u0144stwo a posteriori (zaktualizowana ocena) \u2192 nowe prawdopodobie\u0144stwo a priori (nowe przekonanie wyj\u015bciowe)<\/strong><\/p>\nW\u0142a\u015bnie ta sekwencja \u0142\u0105czy bayesowsk\u0105 nauk\u0119 o poznaniu z CBT.<\/p>\n
2.2. Reagujemy nie tylko na rzeczywisto\u015b\u0107, lecz tak\u017ce na w\u0142asne przewidywania<\/h3>\n
Wyobra\u017amy sobie osob\u0119 z zaburzeniem panicznym, kt\u00f3ra podczas ko\u0142atania serca my\u015bli: \u201eJe\u015bli moje serce bije tak szybko, mog\u0119 dosta\u0107 zawa\u0142u\u201d. Samo doznanie cielesne nie zawiera jeszcze znaczenia \u201ezawa\u0142 serca\u201d. M\u00f3zg pr\u00f3buje ustali\u0107 przyczyn\u0119 tego doznania. Wcze\u015bniejsze do\u015bwiadczenia, przekonania, wiedza medyczna lub jej brak, poprzednie napady paniki i uwaga kierowana na doznania cielesne wsp\u00f3lnie kszta\u0142tuj\u0105 okre\u015blone przekonanie a priori.<\/p>\n
Przyjmijmy umownie:<\/p>\n
P(zagro\u017cenie) = 80%.<\/strong><\/p>\nPod wp\u0142ywem tego prawdopodobie\u0144stwa a priori ko\u0142atanie serca jest interpretowane jako mo\u017cliwy dow\u00f3d zagro\u017cenia. Wyobra\u017amy sobie teraz, \u017ce podczas terapii przeprowadza si\u0119 ekspozycj\u0119 interoceptywn\u0105: osoba za pomoc\u0105 \u0107wiczenia fizycznego zwi\u0119ksza cz\u0119sto\u015b\u0107 akcji serca i przez kilka minut pozostaje w tym stanie bez zwyczajowych zachowa\u0144 zabezpieczaj\u0105cych.<\/p>\n
Jej przewidywanie brzmia\u0142o: \u201eMoje serce b\u0119dzie bi\u0142o szybko \u2192 wydarzy si\u0119 co\u015b niebezpiecznego\u201d. Faktyczny rezultat jest nast\u0119puj\u0105cy: \u201eMoje serce bi\u0142o szybko \u2192 by\u0142o to bardzo nieprzyjemne \u2192 ale katastrofa nie nast\u0105pi\u0142a\u201d.<\/p>\n
Mi\u0119dzy oczekiwanym a rzeczywistym wynikiem powstaje rozbie\u017cno\u015b\u0107.<\/p>\n
Jest to b\u0142\u0105d predykcji zagro\u017cenia.<\/p>\n
Nowa informacja umo\u017cliwia rewizj\u0119 wcze\u015bniejszego przekonania. By\u0107 mo\u017ce nast\u0119pnym razem oszacowanie zagro\u017cenia wyniesie ju\u017c nie 80%, lecz 60%, nast\u0119pnie 40%, a p\u00f3\u017aniej 20%. Liczby s\u0105 oczywi\u015bcie umowne. Wa\u017cna jest logika mechanizmu. Ka\u017cde nowe do\u015bwiadczenie mo\u017ce sta\u0107 si\u0119 nowym dowodem zmieniaj\u0105cym kolejne przewidywanie.<\/p>\n
2.3. Uczenie si\u0119 bayesowskie jest procesem ci\u0105g\u0142ym<\/h3>\n
Jedn\u0105 z najwa\u017cniejszych cech wnioskowania bayesowskiego jest to, \u017ce uczenie si\u0119 nie jest zako\u0144czonym, jednorazowym dzia\u0142aniem. Dzisiejsze prawdopodobie\u0144stwo a posteriori staje si\u0119 jutrzejszym prawdopodobie\u0144stwem a priori. Innymi s\u0142owy, je\u015bli dzi\u015b na podstawie nowej informacji rewidujemy jakie\u015b przekonanie, to zrewidowane przekonanie staje si\u0119 wyj\u015bciowym przewidywaniem w kolejnej sytuacji.<\/p>\n
Formalnie:<\/p>\n
Przekonanie a priori\u2081 + dane\u2081 \u2192 przekonanie a posteriori\u2081<\/strong><\/p>\nNast\u0119pnie:<\/p>\n
Przekonanie a posteriori\u2081 = przekonanie a priori\u2082<\/strong><\/p>\nOraz:<\/p>\n
Przekonanie a priori\u2082 + dane\u2082 \u2192 przekonanie a posteriori\u2082<\/strong><\/p>\nI tak dalej.<\/p>\n
W\u0142a\u015bnie dlatego w CBT tak wa\u017cne s\u0105 nie tylko techniki poznawcze, lecz tak\u017ce behawioralne: eksperymenty behawioralne, ekspozycja i zadania domowe wykonywane w rzeczywistym \u017cyciu.<\/p>\n
Nasze przekonania o sobie lub \u015bwiecie powstawa\u0142y na podstawie setek i tysi\u0119cy do\u015bwiadcze\u0144. Jeden logiczny argument nie zawsze wystarcza, by je zmieni\u0107. Nowy model wymaga nowych dowod\u00f3w, czyli nowych danych o otoczeniu uzyskiwanych poprzez bezpo\u015bredni\u0105 konfrontacj\u0119. Dlatego w obliczeniowej interpretacji CBT eksperyment behawioralny mo\u017cna rozpatrywa\u0107 jako celowe zbieranie informacji, a ekspozycj\u0119 \u2014 jako uczenie si\u0119 na podstawie b\u0142\u0119du predykcji w warunkach niepewno\u015bci.<\/p>\n
2.4. Czy ka\u017cda nowa informacja zmienia przewidywanie?<\/h3>\n
Potrzebne jest tu wa\u017cne doprecyzowanie. Zgodnie z logik\u0105 podej\u015bcia bayesowskiego nowe dane mog\u0105 oczywi\u015bcie zmienia\u0107 przewidywanie a posteriori, jednak u cz\u0142owieka nie ka\u017cde nowe do\u015bwiadczenie zmienia przekonania w takim samym stopniu.<\/p>\n
Wyobra\u017amy sobie osob\u0119 z zaburzeniem l\u0119ku spo\u0142ecznego. Jej przewidywanie brzmi: \u201eJe\u015bli pope\u0142ni\u0119 b\u0142\u0105d podczas m\u00f3wienia, ludzie uznaj\u0105 mnie za g\u0142upi\u0105 osob\u0119\u201d. Wyg\u0142asza prezentacj\u0119, kilka razy si\u0119 myli, ale nikt si\u0119 nie \u015bmieje ani nie reaguje negatywnie. Wydaje si\u0119, \u017ce to idealny b\u0142\u0105d predykcji. Nie zawsze jednak dzia\u0142a to w ten spos\u00f3b. Osoba mo\u017ce powiedzie\u0107: \u201eTym razem po prostu zebrali si\u0119 uprzejmi ludzie\u201d, \u201ePrawdopodobnie wszystko zauwa\u017cyli, tylko tego nie okazali\u201d albo \u201eTak dobrze kontrolowa\u0142em emocje, \u017ce uda\u0142o mi si\u0119 zapobiec z\u0142emu wynikowi\u201d. Nowa informacja by\u0142a dost\u0119pna, ale model zagro\u017cenia niemal si\u0119 nie zmieni\u0142. To zjawisko jest szczeg\u00f3lnie wa\u017cne dla rozumienia ekspozycji.<\/p>\n
B\u0142\u0105d predykcji \u2260 zmiana przewidywania<\/strong><\/p>\nB\u0142\u0105d predykcji nie musi prowadzi\u0107 do zmiany przewidywania. Samo nieoczekiwane do\u015bwiadczenie nie oznacza jeszcze, \u017ce cz\u0142owiek czego\u015b si\u0119 z niego nauczy\u0142.<\/p>\n
2.5. Od b\u0142\u0119du predykcji do zmiany przewidywania<\/h3>\n
Badania kliniczne z ostatnich lat pokazuj\u0105 znaczenie w\u0142a\u015bnie tego rozr\u00f3\u017cnienia. W 2023 roku Pittig i wsp\u00f3\u0142pracownicy przeanalizowali 8484 \u0107wiczenia ekspozycyjne wykonane przez 605 pacjent\u00f3w z zaburzeniami l\u0119kowymi.<\/p>\n
Wyr\u00f3\u017cnili trzy procesy:<\/p>\n
\n- Naruszenie oczekiwa\u0144 (Expectancy Violation):<\/strong> stopie\u0144, w jakim rzeczywisty wynik r\u00f3\u017cni\u0142 si\u0119 od przewidywanego zagro\u017cenia.<\/li>\n
- Zmiana oczekiwa\u0144 (Expectancy Change):<\/strong> stopie\u0144, w jakim p\u00f3\u017aniej zmieni\u0142o si\u0119 kolejne przewidywanie zagro\u017cenia.<\/li>\n
- Tempo uczenia si\u0119 (Learning Rate):<\/strong> to, jak skutecznie i szybko b\u0142\u0105d predykcji przek\u0142ada\u0142 si\u0119 na nowe przewidywanie.<\/li>\n<\/ul>\n
Skuteczno\u015b\u0107 leczenia przewiduje nie tyle samo wyst\u0105pienie b\u0142\u0119du predykcji, ile to, w jakim stopniu rzeczywi\u015bcie zmienia on kolejne przewidywanie.<\/p>\n
W 2025 roku Winkler i wsp\u00f3\u0142pracownicy r\u00f3wnie\u017c stwierdzili, w badaniu eksperymentalnym wykorzystuj\u0105cym analog ekspozycji w l\u0119ku spo\u0142ecznym, \u017ce zmiany poziomu l\u0119ku by\u0142y silniej zwi\u0105zane ze zmian\u0105 przewidywania i tempem uczenia si\u0119 ni\u017c z wielko\u015bci\u0105 b\u0142\u0119du predykcji.<\/p>\n
W 2026 roku Zbozinek, Rosenberg, Treanor i Craske opublikowali wyniki badania, w kt\u00f3rym 84 uczestnik\u00f3w z zaburzeniem l\u0119ku spo\u0142ecznego lub zaburzeniem panicznym przesz\u0142o dziewi\u0119\u0107 sesji terapii ekspozycyjnej. Badacze por\u00f3wnali dwie zmienne podczas ekspozycji: zmniejszenie strachu i rewizj\u0119 oczekiwania zagro\u017cenia \u2014 aktualizacj\u0119 oczekiwa\u0144 (Expectancy Updating). Zmiana oczekiwa\u0144 przewidywa\u0142a zmniejszenie objaw\u00f3w zar\u00f3wno po zako\u0144czeniu terapii, jak i trzy miesi\u0105ce p\u00f3\u017aniej. Bezpo\u015brednie zmniejszenie strachu podczas ekspozycji nie mia\u0142o takiej warto\u015bci prognostycznej. To wa\u017cne rozr\u00f3\u017cnienie zmienia kliniczne rozumienie ekspozycji. Udana ekspozycja nie musi ko\u0144czy\u0107 si\u0119 stwierdzeniem \u201eJu\u017c si\u0119 nie boj\u0119\u201d. Mo\u017ce zako\u0144czy\u0107 si\u0119 tak: \u201eNadal si\u0119 boj\u0119, ale to, co przewidywa\u0142em, nie nast\u0105pi\u0142o\u201d.<\/p>\n
2.6. Habituacja czy uczenie si\u0119?<\/h3>\n
W ramach podej\u015bcia opartego na habituacji terapeuta mo\u017ce obserwowa\u0107, o ile strach zmniejszy\u0142 si\u0119 podczas ekspozycji. Mo\u017ce na przyk\u0142ad poprosi\u0107 o ocen\u0119 strachu w skali od 0 do 100 po ka\u017cdej ekspozycji, a nast\u0119pnie por\u00f3wnywa\u0107 te oceny.<\/p>\n
Podej\u015bcie oparte na uczeniu si\u0119 hamuj\u0105cym (Inhibitory Learning) proponuje jednak inne pytanie: \u201eCo przewidywa\u0142e\u015b i co wydarzy\u0142o si\u0119 w rzeczywisto\u015bci?\u201d<\/p>\n
Wsp\u00f3\u0142czesne modele wygaszania i uczenia si\u0119 hamuj\u0105cego zak\u0142adaj\u0105, \u017ce dawne wspomnienia strachu nie musz\u0105 zosta\u0107 wymazane podczas ekspozycji. Zamiast tego mo\u017ce powsta\u0107 nowa, konkurencyjna wiedza: \u201eTen bodziec mo\u017ce by\u0107 bezpieczny\u201d. Z tego powodu nawet po udanej terapii w okre\u015blonych warunkach mog\u0105 powr\u00f3ci\u0107 wcze\u015bniejsze reakcje. Badania neuronaukowe nad wygaszaniem strachu r\u00f3wnie\u017c wskazuj\u0105, \u017ce wygaszanie cz\u0119sto lepiej rozumie\u0107 jako tworzenie nowego \u015bladu pami\u0119ciowego ni\u017c wymazanie pierwotnej pami\u0119ci strachu.<\/p>\n
2.7. Dwa konkurencyjne modele<\/h3>\n
Wyobra\u017amy sobie, \u017ce w m\u00f3zgu cz\u0142owieka istniej\u0105 dwa mo\u017cliwe modele tej samej sytuacji.<\/p>\n
Model A \u2014 zagro\u017cenie:<\/strong> \u201ePies si\u0119 zbli\u017ca \u2192 mo\u017ce mnie ugry\u017a\u0107\u201d.<\/p>\nModel B \u2014 bezpiecze\u0144stwo:<\/strong> \u201ePies mo\u017ce si\u0119 zbli\u017cy\u0107, nie atakuj\u0105c\u201d.<\/p>\nPodczas ekspozycji cz\u0142owiek wielokrotnie otrzymuje dowody przemawiaj\u0105ce za modelem B. Jednak model A nie musi znikn\u0105\u0107.<\/p>\n
Bayesowskie modele przyczyn ukrytych (Bayesian Latent-Cause Models) sugeruj\u0105 nawet, \u017ce podczas wygaszania reakcji warunkowej lub strachu organizm mo\u017ce albo aktualizowa\u0107 istniej\u0105cy model zagro\u017cenia, albo tworzy\u0107 now\u0105 \u201ebezpieczn\u0105\u201d przyczyn\u0119 ukryt\u0105.<\/p>\n
To wa\u017cne rozr\u00f3\u017cnienie: je\u015bli uczenie si\u0119 bezpiecze\u0144stwa jest zbyt silnie zwi\u0105zane wy\u0142\u0105cznie z gabinetem terapeuty, w innej sytuacji dawny model zagro\u017cenia mo\u017ce ponownie si\u0119 uaktywni\u0107. Wsp\u00f3\u0142czesne modele obliczeniowe CBT traktuj\u0105 wnioskowanie o przyczynach ukrytych jako mo\u017cliwy model rozumienia powrotu strachu po ekspozycji (Berwian et al., 2025). Wynika st\u0105d znaczenie prowadzenia ekspozycji w r\u00f3\u017cnych \u015brodowiskach, wykorzystywania r\u00f3\u017cnych bod\u017ac\u00f3w i wielokrotnego powtarzania uczenia si\u0119 w rzeczywistych warunkach.<\/p>\n
2.8. Dlaczego zachowania zabezpieczaj\u0105ce mog\u0105 utrudnia\u0107 aktualizacj\u0119 bayesowsk\u0105?<\/h3>\n
Wyobra\u017amy sobie osob\u0119 z zaburzeniem panicznym, kt\u00f3ra jest przekonana: \u201eJe\u015bli w metrze zacznie si\u0119 napad paniki, a nie b\u0119d\u0119 mie\u0107 przy sobie leku, strac\u0119 kontrol\u0119\u201d. Wchodzi do metra, ale tylko pod warunkiem, \u017ce ma lek w kieszeni, wod\u0119 w r\u0119ku i stale rozmawia przez telefon z blisk\u0105 osob\u0105. Pojawia si\u0119 panika. Katastrofa nie nast\u0119puje. Mo\u017cliwy wniosek bayesowski m\u00f3g\u0142by brzmie\u0107: \u201eBy\u0107 mo\u017ce moje przewidywanie by\u0142o przesadzone\u201d. Faktyczny wniosek mo\u017ce jednak wygl\u0105da\u0107 inaczej: \u201eNie straci\u0142em kontroli, poniewa\u017c mia\u0142em przy sobie lek\u201d.<\/p>\n
W tym przypadku zachowanie zabezpieczaj\u0105ce tworzy alternatywne wyja\u015bnienie. Bezpieczny wynik zostaje przypisany nie hipotezie \u201eSytuacja nie by\u0142a tak niebezpieczna, jak s\u0105dzi\u0142em\u201d, lecz hipotezie \u201eUratowa\u0142o mnie moje zachowanie zabezpieczaj\u0105ce\u201d. W ten spos\u00f3b przekonanie a priori dotycz\u0105ce zagro\u017cenia mo\u017ce si\u0119 utrzyma\u0107.<\/p>\n
2.9. Precyzja: dlaczego niekt\u00f3re przekonania tak trudno zmieni\u0107?<\/h3>\n
Podej\u015bcie bayesowskie proponuje jeszcze jedno u\u017cyteczne poj\u0119cie \u2014 precyzj\u0119 (Precision). W uproszczeniu mo\u017cna j\u0105 rozumie\u0107 jako pewno\u015b\u0107, kt\u00f3r\u0105 system przypisuje okre\u015blonemu przewidywaniu lub dowodowi.<\/p>\n
Dwie osoby mog\u0105 mie\u0107 takie samo przekonanie: \u201eMog\u0119 zemdle\u0107\u201d. Dla jednej b\u0119dzie to jednak lu\u017ane przypuszczenie, a dla drugiej \u2014 niemal niepodwa\u017calna pewno\u015b\u0107. W drugim przypadku przekonanie a priori mo\u017ce mie\u0107 bardzo wysok\u0105 subiektywn\u0105 precyzj\u0119. Dlatego nawet wielokrotne do\u015bwiadczenia, kt\u00f3re mu przecz\u0105, mog\u0105 wywiera\u0107 niewielki wp\u0142yw. Podobnie nowym dowodom bezpiecze\u0144stwa mo\u017ce by\u0107 przypisywana niska precyzja: mog\u0105 wydawa\u0107 si\u0119 niewystarczaj\u0105co wiarygodne. \u201eTo by\u0142 po prostu jeden szcz\u0119\u015bliwy przypadek\u201d.<\/p>\n
Podczas ekspozycji wa\u017cne jest wi\u0119c nie tylko to, jak du\u017cy b\u0142\u0105d predykcji wywo\u0142ali\u015bmy, lecz tak\u017ce to, jakie znaczenie osoba nada\u0142a nowemu do\u015bwiadczeniu.<\/p>\n
2.10. Ekspozycja i niepewno\u015b\u0107<\/h3>\n
Wymaganie lub oczekiwanie osoby odczuwaj\u0105cej l\u0119k cz\u0119sto nie ogranicza si\u0119 do my\u015bli \u201eTo jest bezpieczne\u201d. Pe\u0142niejsze wymaganie mo\u017ce brzmie\u0107: \u201eMusz\u0119 wiedzie\u0107 na pewno, \u017ce to jest bezpieczne\u201d. Jednak w rzeczywistym \u015bwiecie takie gwarancje niemal nie istniej\u0105. Pies mo\u017ce ugry\u017a\u0107. Samolot teoretycznie mo\u017ce si\u0119 rozbi\u0107. Podczas publicznego wyst\u0105pienia kto\u015b rzeczywi\u015bcie mo\u017ce nas negatywnie oceni\u0107. Przyspieszona akcja serca czasem rzeczywi\u015bcie mo\u017ce mie\u0107 przyczyn\u0119 medyczn\u0105.<\/p>\n
Dlatego celem skutecznej CBT nie jest nauczenie cz\u0142owieka, \u017ce \u201eZagro\u017cenie wynosi zero\u201d, lecz raczej: \u201eMog\u0119 trafniej ocenia\u0107 prawdopodobie\u0144stwo zagro\u017cenia i dzia\u0142a\u0107 nawet wtedy, gdy pozostaje pewna niepewno\u015b\u0107\u201d.<\/p>\n
W ostatnich latach psychologia obliczeniowa coraz cz\u0119\u015bciej rozpatruje l\u0119k nie tylko jako nadmiernie wysokie oczekiwanie zagro\u017cenia, lecz tak\u017ce jako mo\u017cliwy przejaw zaburze\u0144 uczenia si\u0119 o niepewno\u015bci lub trudno\u015bci w rozwijaniu jej tolerancji. W szeregu bada\u0144 obliczeniowych wy\u017cszy poziom l\u0119ku wi\u0105za\u0142 si\u0119 z trudno\u015bciami w uczeniu si\u0119 bezpiecze\u0144stwa i adaptacji do zmieniaj\u0105cych si\u0119 warunk\u00f3w otoczenia (Brown et al., 2023).<\/p>\n
W tym sensie ekspozycja ma podw\u00f3jny cel: nauczenie si\u0119, \u017ce przewidywana katastrofa cz\u0119sto nie nast\u0119puje, oraz nauczenie si\u0119, \u017ce brak ca\u0142kowitej pewno\u015bci sam w sobie nie jest zagro\u017ceniem.<\/p>\n
2.11. Co dzieje si\u0119 w m\u00f3zgu?<\/h3>\n
Neurobiologia ekspozycji jest niezwykle z\u0142o\u017cona, a uproszczenia w rodzaju \u201eEkspozycja aktywuje taki czy inny o\u015brodek\u201d wymagaj\u0105 naukowej ostro\u017cno\u015bci. Niemniej w badaniach nad uczeniem si\u0119 zagro\u017cenia i wygaszaniem regularnie pojawia si\u0119 udzia\u0142 kilku wzajemnie powi\u0105zanych system\u00f3w.<\/p>\n
Cia\u0142o migda\u0142owate (Amygdala)<\/strong> uczestniczy w uczeniu si\u0119 zagro\u017cenia, ocenie istotno\u015bci bod\u017ac\u00f3w i ekspresji strachu.<\/p>\nHipokamp (Hippocampus)<\/strong> jest wa\u017cny dla kontekstu i pami\u0119ci: pomaga rozr\u00f3\u017cnia\u0107, kt\u00f3re skojarzenie jest istotne w danym \u015brodowisku.<\/p>\nSystemy przy\u015brodkowej i brzuszno-przy\u015brodkowej kory przedczo\u0142owej (Medial Prefrontal Cortex; Ventromedial Prefrontal Cortex)<\/strong> uczestnicz\u0105 w uczeniu si\u0119 wygaszania, warto\u015bciowaniu i regulacji reakcji na zagro\u017cenie.<\/p>\nPr\u0105\u017ckowie (Striatum)<\/strong> jest zwi\u0105zane z uczeniem si\u0119 ze wzmocnieniem i uczeniem si\u0119 opartym na b\u0142\u0119dzie predykcji.<\/p>\nSystemy dopaminergiczne<\/strong> s\u0105 r\u00f3wnie\u017c badane w kontek\u015bcie b\u0142\u0119du predykcji i uczenia si\u0119 wygaszania (Papalini et al., 2020).<\/p>\nBadania w tej dziedzinie wspieraj\u0105 tak\u017ce pogl\u0105d, \u017ce wygaszanie strachu u cz\u0142owieka opiera si\u0119 nie na jednym o\u015brodku m\u00f3zgowym, lecz na interakcjach mi\u0119dzy cia\u0142em migda\u0142owatym, hipokampem, kor\u0105 przedczo\u0142ow\u0105 i innymi sieciami. Jednocze\u015bnie wyniki bada\u0144 neuroobrazowych s\u0105 bardziej zr\u00f3\u017cnicowane, ni\u017c niekiedy przedstawia to literatura popularnonaukowa (Chen et al., 2025).<\/p>\n
Trafniej jest zatem powiedzie\u0107, \u017ce ekspozycja tworzy warunki uczenia si\u0119 anga\u017cuj\u0105ce systemy neuronalne zwi\u0105zane z zagro\u017ceniem, pami\u0119ci\u0105, kontekstem i przewidywaniem.<\/p>\n
2.12. Jak to wszystko mo\u017ce zmieni\u0107 praktyk\u0119 ekspozycji?<\/h3>\n
Je\u015bli traktujemy ekspozycj\u0119 nie tylko jako pozostawanie w budz\u0105cej strach sytuacji, lecz tak\u017ce jako proces testowania i aktualizowania przewidywa\u0144, jej zwi\u0105zek z eksperymentem behawioralnym staje si\u0119 znacznie wyra\u017aniejszy.<\/p>\n
W ksi\u0105\u017cce \u054f\u0561\u0563\u0576\u0561\u057a\u0561\u0574\u0561\u0580\u056b\u0579<\/em> (Begoyan, 2020) przedstawili\u015bmy eksperyment behawioralny jako metod\u0119 terapii poznawczo-behawioralnej, dzi\u0119ki kt\u00f3rej klient mo\u017ce sprawdza\u0107 swoje za\u0142o\u017cenia, przekonania i przewidywania w rzeczywistych warunkach. Z perspektywy bayesowskiej ten sam proces mo\u017cna opisa\u0107 dok\u0142adniej: cz\u0142owiek ma okre\u015blone przekonania a priori dotycz\u0105ce \u015bwiata, na ich podstawie formu\u0142uje przewidywania, nast\u0119pnie por\u00f3wnuje uzyskane do\u015bwiadczenie z tymi przewidywaniami i \u2014 je\u015bli nowe dane s\u0105 wystarczaj\u0105co przekonuj\u0105ce \u2014 aktualizuje swoje przekonania.<\/p>\nW tym sensie eksperyment behawioralny mo\u017cna rozpatrywa\u0107 jako kliniczne narz\u0119dzie aktualizacji bayesowskiej.<\/p>\n
W zaburzeniach l\u0119kowych osoba mo\u017ce mie\u0107 zwi\u0105zane z zagro\u017ceniem przekonanie a priori cechuj\u0105ce si\u0119 du\u017c\u0105 pewno\u015bci\u0105 lub, w terminologii bayesowskiej, wysok\u0105 precyzj\u0105: \u201eJe\u015bli zostan\u0119 w zamkni\u0119tej przestrzeni i m\u00f3j l\u0119k si\u0119 nasili, strac\u0119 kontrol\u0119\u201d. Z tego przekonania wynika konkretne przewidywanie. Je\u015bli cz\u0142owiek stale unika zamkni\u0119tych przestrzeni albo pozostaje w nich wy\u0142\u0105cznie dzi\u0119ki zachowaniom zabezpieczaj\u0105cym, przewidywanie to nie zostaje w pe\u0142ni sprawdzone. W konsekwencji system ma niewiele podstaw do rewizji przekonania a priori.<\/p>\n
W\u0142a\u015bnie tutaj ekspozycja mo\u017ce zosta\u0107 przeprowadzona w formie eksperymentu behawioralnego.<\/p>\n
1. Doprecyzowa\u0107 przekonanie a priori i przewidywanie<\/h3>\n
Przed ekspozycj\u0105 warto zapyta\u0107 nie tylko \u201eJak silny jest l\u0119k?\u201d, lecz tak\u017ce \u201eCo dok\u0142adnie, zgodnie z twoim przewidywaniem, si\u0119 wydarzy?\u201d. Na przyk\u0142ad: \u201eJe\u015bli zostan\u0119 w zamkni\u0119tej przestrzeni przez pi\u0119\u0107 minut, istnieje 70% prawdopodobie\u0144stwa, \u017ce si\u0119 udusz\u0119 lub strac\u0119 kontrol\u0119\u201d. W ten spos\u00f3b og\u00f3lny l\u0119k staje si\u0119 hipotez\u0105 mo\u017cliw\u0105 do sprawdzenia. Jednocze\u015bnie mo\u017cna oceni\u0107 nie tylko prawdopodobie\u0144stwo przewidywanego zdarzenia, lecz tak\u017ce pewno\u015b\u0107 klienta co do tego przewidywania. W j\u0119zyku bayesowskim pr\u00f3bujemy ustali\u0107, jakie przekonanie a priori dzia\u0142a w danej sytuacji i jak\u0105 precyzj\u0119 osoba mu przypisuje.<\/p>\n
2. Przeprowadzi\u0107 eksperyment behawioralny \u2014 ekspozycj\u0119<\/h3>\n
Nast\u0119pnie klient wchodzi w sytuacj\u0119, w kt\u00f3rej mo\u017cna sprawdzi\u0107 jego przewidywanie. Na tym etapie celem nie jest wy\u0142\u0105cznie wywo\u0142anie l\u0119ku ani czekanie na jego zmniejszenie. Celem jest uzyskanie nowych danych z rzeczywisto\u015bci. Na przyk\u0142ad osoba pozostaje przez pi\u0119\u0107 minut w zamkni\u0119tej przestrzeni, umo\u017cliwiaj\u0105c sprawdzenie przewidywania \u201eUdusz\u0119 si\u0119 lub strac\u0119 kontrol\u0119\u201d. Ekspozycja staje si\u0119 wi\u0119c pr\u00f3b\u0105 sprawdzenia przewidywania w rzeczywisto\u015bci, a nie jedynie \u201epozostawania z l\u0119kiem\u201d.<\/p>\n
3. Nie uznawa\u0107 zmniejszenia l\u0119ku za g\u0142\u00f3wne kryterium sukcesu<\/h3>\n
Je\u015bli pod koniec ekspozycji klient nadal odczuwa l\u0119k o nasileniu, na przyk\u0142ad, 70\/100, samo w sobie nie oznacza to niepowodzenia eksperymentu. Wa\u017cne jest pytanie: \u201ePomimo l\u0119ku, co wydarzy\u0142o si\u0119 w rzeczywisto\u015bci?\u201d. Cz\u0142owiek mo\u017ce odczuwa\u0107 silny l\u0119k, ale nie straci\u0107 kontroli, nie zemdle\u0107, nie udusi\u0107 si\u0119 i by\u0107 w stanie pozosta\u0107 w sytuacji. W\u0142a\u015bnie ta rozbie\u017cno\u015b\u0107 mi\u0119dzy przewidywaniem a faktycznym wynikiem mo\u017ce wywo\u0142a\u0107 b\u0142\u0105d predykcji. Je\u015bli przewidywanie brzmia\u0142o \u201eNie wytrzymam\u201d, a rzeczywiste do\u015bwiadczenie \u2014 \u201eOdczuwa\u0142em bardzo silny l\u0119k, ale zosta\u0142em i wytrzyma\u0142em\u201d, uzyskane dane przecz\u0105 przekonaniu a priori.<\/p>\n
4. Por\u00f3wna\u0107 przewidywanie z faktycznym wynikiem<\/h3>\n
Po eksperymencie wa\u017cne jest wyra\u017ane zestawienie dw\u00f3ch rzeczy: przewidywania \u201eStrac\u0119 kontrol\u0119\u201d i faktycznego wyniku \u201eM\u00f3j l\u0119k osi\u0105gn\u0105\u0142 80\/100, ale nie straci\u0142em kontroli i zosta\u0142em w sytuacji\u201d. Z perspektywy bayesowskiej nowe dane s\u0105 zestawiane z przekonaniem a priori. Gdy rzeczywisty wynik r\u00f3\u017cni si\u0119 od przewidywanego, powstaje b\u0142\u0105d predykcji, kt\u00f3ry mo\u017ce sta\u0107 si\u0119 podstaw\u0105 aktualizacji przekonania. Jednak samo wyst\u0105pienie b\u0142\u0119du predykcji nie gwarantuje, \u017ce przekonanie si\u0119 zmieni.<\/p>\n
5. Zbada\u0107 atrybucj\u0119 i interpretacj\u0119 wyniku<\/h3>\n
Po eksperymencie behawioralnym szczeg\u00f3lnie wa\u017cne jest pytanie: \u201eJak s\u0105dzisz, dlaczego to, co przewidywa\u0142e\u015b, nie nast\u0105pi\u0142o?\u201d. Wyobra\u017amy sobie, \u017ce klient odpowiada: \u201ePoniewa\u017c przez ca\u0142y czas patrzy\u0142em na drzwi i wiedzia\u0142em, \u017ce w razie potrzeby mog\u0119 natychmiast wyj\u015b\u0107\u201d. Obiektywnie katastrofa nie nast\u0105pi\u0142a, ale wewn\u0119trzny model osoby mo\u017ce niemal si\u0119 nie zmieni\u0107. Mo\u017ce ona uzna\u0107 nie \u201eZamkni\u0119ta przestrze\u0144 nie by\u0142a tak niebezpieczna, jak my\u015bla\u0142em\u201d, lecz \u201eZagro\u017cenie by\u0142o realne, po prostu uda\u0142o mi si\u0119 mu zapobiec\u201d. Innymi s\u0142owy, nowe dane zosta\u0142y przypisane zachowaniom zabezpieczaj\u0105cym, a przekonanie a priori dotycz\u0105ce zagro\u017cenia zosta\u0142o zachowane.<\/p>\n
Z perspektywy bayesowskiej osoba mo\u017ce przypisywa\u0107 wcze\u015bniejszemu przekonaniu wi\u0119ksz\u0105 precyzj\u0119, czyli wi\u0119ksz\u0105 wiarygodno\u015b\u0107, ni\u017c nowym danym, kt\u00f3re mu przecz\u0105. W rezultacie b\u0142\u0105d predykcji b\u0119dzie mia\u0142 niewielki wp\u0142yw na aktualizacj\u0119 przekonania. Dlatego badanie zachowa\u0144 zabezpieczaj\u0105cych i interpretacji wyniku nie jest jedynie dodatkow\u0105 rozmow\u0105: mo\u017ce decydowa\u0107 o tym, czy nast\u0105pi rzeczywista aktualizacja przekonania.<\/p>\n
6. Oceni\u0107 nowe przekonanie a posteriori<\/h3>\n
Po eksperymencie mo\u017cna ponownie zapyta\u0107: \u201eJak prawdopodobna wydaje ci si\u0119 utrata kontroli nast\u0119pnym razem w takiej samej sytuacji?\u201d. Je\u015bli pocz\u0105tkowa ocena wynosi\u0142a 70%, a po eksperymencie spad\u0142a na przyk\u0142ad do 30%, mamy ju\u017c mierzalny wska\u017anik zmiany przekonania.<\/p>\n
W terminologii bayesowskiej przekonanie a priori pod wp\u0142ywem nowego do\u015bwiadczenia i uzyskanych danych przekszta\u0142ci\u0142o si\u0119 w przekonanie a posteriori. W uproszczeniu:<\/p>\n
Przekonanie a priori \u2192 przewidywanie \u2192 eksperyment behawioralny \/ ekspozycja \u2192 faktyczny wynik \u2192 b\u0142\u0105d predykcji \u2192 interpretacja wyniku \u2192 przekonanie a posteriori<\/strong><\/p>\n7. Uczyni\u0107 przekonanie a posteriori przekonaniem a priori kolejnego eksperymentu<\/h3>\n
Jeden udany eksperyment nie oznacza jeszcze, \u017ce model zagro\u017cenia ca\u0142kowicie si\u0119 zmieni\u0142. Osoba mo\u017ce pomy\u015ble\u0107: \u201eW tym pokoju si\u0119 uda\u0142o, ale w windzie na pewno nie dam rady\u201d albo \u201eTym razem nic si\u0119 nie sta\u0142o, poniewa\u017c terapeuta by\u0142 obok\u201d. Dlatego eksperymenty behawioralne i ekspozycje warto powtarza\u0107 w r\u00f3\u017cnych sytuacjach i warunkach, tak aby nowe uczenie si\u0119 nie by\u0142o zwi\u0105zane wy\u0142\u0105cznie z jednym konkretnym kontekstem. Przekonanie a posteriori powsta\u0142e w ka\u017cdym eksperymencie staje si\u0119 nowym przekonaniem a priori podczas nast\u0119pnego:<\/p>\n
Przekonanie a priori\u2081 \u2192 nowe dane\u2081 \u2192 przekonanie a posteriori\u2081 = przekonanie a priori\u2082 \u2192 nowe dane\u2082 \u2192 przekonanie a posteriori\u2082 \u2192 \u2026<\/strong><\/p>\nTerapi\u0119 mo\u017cna wi\u0119c rozumie\u0107 nie jako jednorazowe \u201eobalenie\u201d b\u0142\u0119dnego przekonania, lecz jako stopniow\u0105 aktualizacj\u0119 probabilistycznego modelu \u015bwiata danej osoby. Z tej perspektywy granica mi\u0119dzy eksperymentem behawioralnym a ekspozycj\u0105 jest do pewnego stopnia umowna. Oba mog\u0105 opiera\u0107 si\u0119 na tej samej podstawowej zasadzie:<\/p>\n
Przewidywanie \u2192 eksperyment \u2192 wynik \u2192 aktualizacja<\/strong><\/p>\nW eksperymencie behawioralnym zwykle jawnie formu\u0142uje si\u0119 i sprawdza okre\u015blone przekonanie lub przewidywanie, natomiast podczas ekspozycji osoba systematycznie konfrontuje si\u0119 z sytuacjami, bod\u017acami lub wewn\u0119trznymi doznaniami wywo\u0142uj\u0105cymi strach. Kiedy jednak ekspozycja jest organizowana jako celowe testowanie przewidywa\u0144, staje si\u0119 jednocze\u015bnie eksperymentem behawioralnym.<\/p>\n
Podej\u015bcie to pomaga r\u00f3wnie\u017c unikn\u0105\u0107 popularnego uproszczenia dotycz\u0105cego ekspozycji: \u201eTrzeba pozosta\u0107 w sytuacji tak d\u0142ugo, a\u017c strach si\u0119 zmniejszy\u201d.<\/p>\n
L\u0119k mo\u017ce si\u0119 zmniejszy\u0107, ale z perspektywy uczenia si\u0119 kluczowe pytanie brzmi inaczej: \u201eCo przewidywa\u0142em, co wydarzy\u0142o si\u0119 w rzeczywisto\u015bci i jak po tym do\u015bwiadczeniu zmieni\u0142o si\u0119 moje rozumienie zagro\u017cenia?\u201d. W\u00f3wczas ekspozycja przestaje by\u0107 jedynie \u0107wiczeniem w znoszeniu l\u0119ku. Staje si\u0119 ustrukturyzowanym eksperymentem behawioralnym, w kt\u00f3rym osoba mo\u017ce por\u00f3wnywa\u0107 swoje przewidywania z danymi pochodz\u0105cymi z rzeczywisto\u015bci, rewidowa\u0107 przekonania a priori na podstawie powsta\u0142ego b\u0142\u0119du predykcji i stopniowo tworzy\u0107 nowy, trafniejszy model wewn\u0119trzny.<\/p>\n
Podsumowanie<\/h3>\n
Ludzki m\u00f3zg musi \u017cy\u0107 z niepe\u0142n\u0105 informacj\u0105 o przysz\u0142o\u015bci. Dlatego nieustannie tworzy przewidywania i zestawia je z nowymi danymi uzyskiwanymi z rzeczywisto\u015bci.<\/p>\n
W zaburzeniach l\u0119kowych niekt\u00f3re przewidywania zagro\u017cenia mog\u0105 sta\u0107 si\u0119 zbyt szerokie, sztywne lub podtrzymywane z nadmiern\u0105 pewno\u015bci\u0105. Unikanie i zachowania zabezpieczaj\u0105ce cz\u0119sto uniemo\u017cliwiaj\u0105 uzyskanie lub w\u0142a\u015bciwe zinterpretowanie informacji sprzecznych z tymi przewidywaniami. Ekspozycja zmienia te warunki. Osoba pozostaje w sytuacji wystarczaj\u0105co d\u0142ugo, by rzeczywisto\u015b\u0107 mog\u0142a odpowiedzie\u0107 na jej przewidywanie.<\/p>\n
B\u0142\u0105d predykcji pozostaje jednak jedynie szans\u0105. Rzeczywiste uczenie si\u0119 terapeutyczne zachodzi wtedy, gdy osoba mo\u017ce powiedzie\u0107: \u201eTo, co przewidywa\u0142em, nie potwierdzi\u0142o si\u0119 albo potwierdzi\u0142o si\u0119 inaczej, ni\u017c oczekiwa\u0142em. Moje nast\u0119pne przewidywanie powinno wi\u0119c by\u0107 nieco inne\u201d. To w\u0142a\u015bnie kumulacja takich niewielkich zmian mo\u017ce z czasem przekszta\u0142ci\u0107 model zagro\u017cenia. Podej\u015bcie bayesowskie oferuje zatem szczeg\u00f3lnie warto\u015bciow\u0105 perspektyw\u0119 na ekspozycj\u0119: celem psychoterapii nie jest nauczenie cz\u0142owieka, by nigdy si\u0119 nie ba\u0142. Pomaga ona m\u00f3zgowi trafniej uczy\u0107 si\u0119 na podstawie w\u0142asnego do\u015bwiadczenia.<\/p>\n
\nBibliografia<\/h3>\n
\u0532\u0565\u0563\u0578\u0575\u0561\u0576 \u0531.\u0546. \u054f\u0561\u0563\u0576\u0561\u057a\u0561\u0574\u0561\u0580\u056b\u0579. \u057f\u0561\u0563\u0576\u0561\u057a\u0561\u0575\u056b\u0576 \u056d\u0561\u0576\u0563\u0561\u0580\u0578\u0582\u0574\u0576\u0565\u0580\u056b \u0570\u0561\u0572\u0569\u0561\u0570\u0561\u0580\u0574\u0561\u0576 \u0578\u0582\u0572\u0565\u0581\u0578\u0582\u0575\u0581 \/ \u0531.\u0546. \u0532\u0565\u0563\u0578\u0575\u0561\u0576. \u2013 \u0535\u0580.: \u0540\u056b\u056c\u0586\u0574\u0561\u0576\u0576 \u054a\u0580\u0565\u057d\u057d, 2020. \u2013 368 \u0567\u057b\u0589<\/p>\n
Chen, J., Fang, Z., Zhang, X., Zheng, Y., & Chen, Z. (2025). How fear memory is updated: From reconsolidation to extinction? Neuroscience Bulletin, 41<\/em>, 1054\u20131084.<\/p>\nCraske, M. G., Treanor, M., Conway, C. C., Zbozinek, T., & Vervliet, B. (2014). Maximizing exposure therapy: An inhibitory learning approach. Behaviour Research and Therapy, 58<\/em>, 10\u201323.<\/p>\nBerwian, I. M., Hitchock, P., Pisupati, S., Schoen, G., & Niv, Y. (2025). Using computational models of learning to advance cognitive behavioral therapy. Communications Psychology, 3<\/em>(1), Article 72.<\/p>\nBlakey, 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>\nBrown, 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<\/em>(3), 844\u2013868.<\/p>\nPapalini, S., Beckers, T., & Vervliet, B. (2020). Dopamine: From prediction error to psychotherapy. Translational Psychiatry, 10<\/em>(1), Article 164.<\/p>\nPittig, 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<\/em>(2).<\/p>\nBrown, V. M., et al. (2023). Anxiety as a disorder of uncertainty: Implications for understanding maladaptive anxiety, anxious avoidance, and exposure therapy.<\/p>\n
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<\/em>, 104709.<\/p>\nZbozinek, 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<\/em>, 105040.<\/p>","protected":false},"excerpt":{"rendered":"M\u00f3zg jako maszyna bayesowska: od obliczeniowej neuronauki poznawczej do psychoterapii Przeczyta\u0107 Artykul 1: M\u00f3zg jako \u201emaszyna bayesowska\u201d: niepewno\u015b\u0107, przewidywanie i iluzja kontroli 2. Ekspozycja jako uczenie si\u0119 bayesowskie: jak nowe do\u015bwiadczenie zmienia przewidywania m\u00f3zgu dotycz\u0105ce zagro\u017cenia 2.1. Na styku CBT,<\/p>\n","protected":false},"author":2,"featured_media":3718,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[308,19,207,110,309,1],"tags":[310,311,313,312],"class_list":["post-3710","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-bayesian-science","category-clinical-psychology","category-cognitive-behavioural-therapy","category-cognitive-science","category-computational-methods","category-uncategorized","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\/3710","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=3710"}],"version-history":[{"count":17,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts\/3710\/revisions"}],"predecessor-version":[{"id":3732,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/posts\/3710\/revisions\/3732"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/media\/3718"}],"wp:attachment":[{"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/media?parent=3710"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/categories?post=3710"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/armanbegoyan.com\/pl\/wp-json\/wp\/v2\/tags?post=3710"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}