生成对抗推理中自然涌现的吸引与排斥感知偏差
神经元与认知
2025-10-16 v2
摘要
感知估计会表现出随不确定性而反转的偏差：在高刺激噪声下，估计会向先验期望偏移；而当感觉噪声占主导时，则偏离先验期望。贝叶斯观测者模型的规范框架可以解释这一现象，但大多数公式将其视为给定条件，而非通过学习解释其涌现。我们引入了一个生成对抗推理（GAI）网络，该网络直接从感觉输入中获取潜在表征和推理策略，无需手工设计的似然或先验。该网络使用对抗学习与重建，在变化的不确定性下对 Gabor 刺激进行训练，学会从含噪输入中恢复潜在刺激，并自发地再现了人类感知中观察到的偏差反转。这种涌现行为源于网络响应，这些响应揭示了高效编码和贝叶斯推理的特征。我们的研究结果为感知偏差提供了一个端到端的解释，统一了规范理论和深度学习。
引用
@article{arxiv.2507.19944,
title = {Attractive and Repulsive Perceptual Biases Naturally Emerge in Generative Adversarial Inference},
author = {Hyun-Jun Jeon and Hansol Choi and Oh-Sang Kwon},
journal= {arXiv preprint arXiv:2507.19944},
year = {2025}
}