Part 1: Why Bayesian Inference ?#

思考:

  • 研究人类心理和行为的规律,容易吗?

  • 相比之下,发论文容易吗?

1、如何定义人类的心理和行为规律#

1.1 心理学的定义

  我们心理学一般从个体角度来去研究人类的心理与行为,因此绝大部分研究都是从一个单独的个体入手,即便他是在一定的社会文化历史条件之下,那么他的行为是什么样的?

  再比如说,在发展心理学当中,重点是研究人类的心理与行为如何发展?社会心理学当中,个体的心理与行为是如何受到社会情境的影响?组织心理学当中,主要是研究如何提高组织的效率?由此看来,不同领域的定义不同,当我们在定义的时候会发现心理与行为规律的概念本身就很复杂,而选择其中一个定义去研究,又是一个很复杂的问题。

1.2 其他领域

  下面这张图片是Science创刊125周年的封面,它列出了125个重要但还未被完全回答的问题。其中,最重要的两个问题分别是:1、宇宙的起源   2、意识的生物学基础

Source: https://www.science.org/toc/science/309/5731

Q1: What is the Uiverse Made of ? (physics)

Q2: What is the Biological Basis of Consciouness ? (psychological/cognitive science)

2、如何研究——研究的方法和工具#

思考:重要性或复杂性相似的问题,是否意味着研究方法也趋于复杂 ?

2.1  物理学中的方法 (Methods in Physics)

Example 1: Webb telescope (韦伯望远镜) (equipment)

Example 2: Big-team science (CERN, the European Organization for Nuclear Research) —- equipment & practices

Example 3: Mathematics


2.2  其他研究人类智能的领域所采用的方法 (Methods in other fields that also study “intelligence”)

Example: Artificial Intelligence (e.g., Chat-gpt)


2.3  心理科学的研究方法 (What do psychological scientists have?)

你们能够想到的研究方法有哪些?

实证研究:

  • 质性研究

  • 观察法

  • 问卷

  • 行为实验

  • 眼动、生理数据记录

  • EEG/ERP/MEG

  • fMRI/PET/fNIRs

  • TMS/tDCS

统计方法:

  • t-test

  • ANOVA

  • Correlation -Structural equation model (SEM)

  • ?

相关方法课程:

  • 心理测量

  • 心理统计(包括SPSS等)

  • 实验心理学(包括E-prime等)

针对更复杂的数据

  • 数据字化的时代,大数据

  • 神经成像/生理数据

  • 多模态的数据融合

如果要研究更复杂的问题,我们可能需要:

  • 更好的仪器

  • 更好的统计/数据分析

  • 更好的实践 (e.g., big-team science)

3、一种更好的统计方法#

贝叶斯统计 (Bayesian statistics)


Souce: https://www.nature.com/articles/s43586-020-00001-2

贝叶斯统计的优势

1、通用/灵活/强大

  • 通用:贝叶斯推断在多个学科特别是AI领域得到了广泛应用。

  • 灵活:结合先验知识与新数据,灵活调整模型以适应不同数据情境。

  • 强大:与频率主义学派相比,贝叶斯方法适用范围更广。

2、相对易用

  • 概率编程语言(Probabilistic Programming Languages, PPLs)的发展和普及使得研究者可以相对快速地掌握贝叶斯统计

  PPLs: computational languages for statistical modeling

  e.g.

  • Python (PyMC、NumPyro)

  • R (Stan、JAGS)

  • BUGS

  • Julia (Mamba、Turing.jl)

3、可拓展

  • 贝叶斯概念已经应用到以深度学习为中心的新技术的发展,包括深度学习框架(TensorFlow, Pytorch),创建能力更强、数据驱动的模型。

4、方便交流

  • 大部分PPLs都有类似的数据结构,但是不同的学科使用的语言不同。

  • 心理学/社会科学/神经科学:

  PyMC (bambi)

  Stan (brms)

  BUGS

大部分情况下,开发者使用它可以轻松地定义概率模型,然后程序会自动地求解模型

Source: https://towardsdatascience.com/intro-to-probabilistic-programming-b47c4e926ec5