钟永梅

摘 要：本文通过介绍贝叶斯统计推断，并对贝叶斯方法在认知领域的应用进行综述，从因果推理、类别推断、语言学习、动作控制等方面，介绍其理论意义和对认知领域研究的推动作用，并对今后的研究方向进行展望。

关键词：贝叶斯方法；认知领域；综述

贝叶斯统计推断在统计学中的影响虽远不能与经典推断统计相抗衡，但因其深厚的数学基础和注重先验知识在推断中的作用等特点，一直被统计学家所推崇。近二十年来，随着计算资源、理论工具和学科间联系的日益紧密和完善，贝叶斯推断统计的研究和应用都得到长足的发展。

一、贝叶斯方法简介

贝叶斯推断统计建立在贝叶斯定理的基础上。贝叶斯定理是关于条件概率的逆概率规则，解释如何从给定b时a的条件概率得到给定a时b的条件概率。贝叶斯定理可以简单表述为后验概率与先验概率和可能性的乘积成比例。贝叶斯统计推断就是使用先验概率和样本得出后验概率，在后验概率的基础上进行推断统计的方法。陈希孺（1999）认为：“贝叶斯方法的基本思想是，不论你做出何种推断，都只能基于后验分布，即由后验分布所决定”。

二、贝叶斯方法在认知科学中的应用

1.因果推理

在因果推理方面的研究可能是贝叶斯推断统计在认知领域最引人瞩目的贡献。Cheng（1997）的因果能量（power）模型将人们关于因果关系的判断解释为在一个简单的贝叶斯网络中的参数估计过程。Griffiths&Tenenbaum（2005）则在区分了因果结构和因果关系强度的基础上得出了因果支持模型，更精确地解释了以往因果推理研究所得的数据，还可以解释以往的理论所不能解释的诸如背景原因导致的非单调效应，数据不完整时被试的因果推理表现等。……