先從這個11年的演講說起好了(值得一看)。
Jeff Hawkins 2003年在TED的演講
雖然是11年的前的演講，至今聽來仍然產生很多想法，可謂聽君一席話勝讀十年書。
在演講中最重要傳遞的訊息是一個大腦理論，這個理論就是：
「大腦的作用就是預測，接收外在刺激，預測，修正並學習。」
看了這個演講後，這個理論幾乎變成我對腦科學研究的「理想」。
(最近手上的研究也在往這方面發展:P)
在Alexander and Brown (2011) [1] 的研究，他們所建立的模型(圖一)，其實已經完全包含了Hawkins的大腦理論的概念(可見Hawkins的先見之明)。
圖一: 取自Alexander and Brown (2011) ，可以看到他們的概念就是刺激進入，大腦同時預測產生的反應，並且同時進行反應，如果有誤差，就針對誤差進行重新學習。
他們的研究顯示，大腦的額葉其實扮演著「預測者(predictor)」的角色。
再來我們看到一個更有趣的研究，不敢相信，我們是「貝氏的腦 (Bayesian Brain)」，我們不僅在預測，而且是用「機率」來預測所有可能發生的事情。
這個研究來自 Ide 等人(2013) [2]，他們利用信號停止作業(圖二)以及隱藏馬可夫(Hidden Markov Model)(圖三)，來估計每個人在作業中遇到停止信號的機率。
圖二: 取自 Ide 等人(2013)，受試者主要的作業是看到O就趕快按鍵反應，但是有時候會出現O以後會出現X，代表停止信號，必須趕快停下按鍵 (其實這很難XD)。
圖三: 取自 Ide 等人(2013)，其實要估計的是受試者在獲得前面這麼多嘗試的訊息後，究竟估計了目前嘗試會出現停止信號的機率是多少?
式子就是長下面這樣，說故事就不要跟數學糾結了，簡單以條件機率來說，就是在考慮前面所有出現過的嘗試下，目前此嘗試會出現停止信號的機率是多少。
有趣的是他們的結果，受試者對於停止信號機率的評估，顯而易見的反應在他們的行為上可以看出來。
在圖A可以看到，受試者認為停止信號出現出現機率
高的嘗試，他們的
反應時間也就越
慢，可以想像的就是，當你認為這個時候有可能會有突發狀況出現，當然你會放慢你的動作，以應付突然而來的情況。
在圖B可以看到，受試者認為停止信號出現出現機率
高的嘗試，他們的
錯誤率也就越
低，這也容易理解，當你認為這個時候有可能會有突發狀況出現，你會更小心去應付，隨之而來就是錯誤率的降低。
這也是速度-錯誤率權衡 (speed-accuracy trade off)現象的一個體現。
這裡要告訴我們除了Hawkins的偉大見解以外，人類的大腦不斷的在「接收-預測-學習」，並且我們預測的是發生的機率，並非發生與否，
大腦是一個動態(dynamic)系統，隨時隨地都在改變。
透露一下研究:
第一個: 大腦的連結(connectivity)強度也是不斷的改變，也影響我們的行為。
第二個: 跟Ide他們的研究有關，就是拿上面的模型來算機率，目前是看到我們動態改變的行為策略XD。
[1] .
Alexander, W. H., & Brown, J. W. (2011). Medial prefrontal cortex as an action-outcome predictor. Nature neuroscience, 14(10), 1338-1344.
[2] . Ide, J. S., Shenoy, P., Angela, J. Y., & Chiang-shan, R. L. (2013). Bayesian prediction and evaluation in the anterior cingulate cortex. The Journal of Neuroscience, 33(5), 2039-2047.
