کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11013448 1796415 2018 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The Predictive Coding Account of Psychosis
ترجمه فارسی عنوان
حسابداری پیش بینی کننده روانپریشی
ترجمه چکیده
علاقهمند به مکانیسمهای عصبی مرکزی روانپزشکی از سوی تحولات در علوم اعصاب محاسباتی بوجود آمده است. یک رویکرد موفق شامل کدگذاری پیش بینی شده و استنتاج بیزی است. در اینجا، نتیجه گیری های مربوط به وضعیت فعلی جهان با ترکیب باورهای قبلی با سیگنال های حسی جدید وارد می شود. ناسازگاری بین باورهای قبلی و سیگنال های دریافتی، اشتباهات پیش بینی شده ای است که باعث یادگیری جدید می شود. پیشنهاد شده است که روان درمانی از دقت کاهش یافته در رمزگذاری باورهای قبلی نسبت به داده های حسی حاصل می شود و درنتیجه نتیجه گیری های غیراخلاقی را به دست می آورد. در اینجا، ما شواهد موجود برای برنامه نویسی پیش بینی نادرست را مرور میکنیم و در مورد چالشهای این حسابداری پیش بینی کننده روانشناختی کانونیک بحث می کنیم. به عنوان مثال، توهمات و تصورات ممکن است به تغییرات متمایز در برنامه نویسی پیش بینی شده مربوط باشد، به رغم شایعه مشترک آنها. به طور گسترده تر، برخی مطالعات اعتقادات ضعیف نسبت به روان درمانی را پیگیری می کنند و برخی دیگر معتقدند که آنها قوی تر هستند. این چالش ها ممکن است با دید بیشتری در مورد کدگذاری پیش بینی شده پاسخ داده شود. اختیارات مختلف ممکن است برای شرایط مختلف حسی و ادغام آنها مشخص شود، و نقص در هر نوع مدال، نیازی به یکنواختی نیست. علاوه بر این، سازمان سلسله مراتبی ممکن است بحرانی باشد. فرایندهای تغییر یافته در سطوح پایینتر یک سلسله مراتب نیازی به خطری با فرآیندهای در سطوح بالاتر (و بالعکس) ندارد. در نهایت، نظریه های کانونی، استنتاج فعالانه را برجسته نمی کنند - فرایندی که از طریق آن اثرات اقدامات ما بر احساسات ما پیش بینی شده و به حداقل می رسد. ممکن است یافته های متضاد با در نظر گرفتن این پیچیدگی ها با هم تطبیق شوند، و این نشان می دهد که چارچوبی برای روان پریشی بیشتر برای مقابله با بسیاری از تظاهرات آنها مفید است.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
چکیده انگلیسی
Fueled by developments in computational neuroscience, there has been increasing interest in the underlying neurocomputational mechanisms of psychosis. One successful approach involves predictive coding and Bayesian inference. Here, inferences regarding the current state of the world are made by combining prior beliefs with incoming sensory signals. Mismatches between prior beliefs and incoming signals constitute prediction errors that drive new learning. Psychosis has been suggested to result from a decreased precision in the encoding of prior beliefs relative to the sensory data, thereby garnering maladaptive inferences. Here, we review the current evidence for aberrant predictive coding and discuss challenges for this canonical predictive coding account of psychosis. For example, hallucinations and delusions may relate to distinct alterations in predictive coding, despite their common co-occurrence. More broadly, some studies implicate weakened prior beliefs in psychosis, and others find stronger priors. These challenges might be answered with a more nuanced view of predictive coding. Different priors may be specified for different sensory modalities and their integration, and deficits in each modality need not be uniform. Furthermore, hierarchical organization may be critical. Altered processes at lower levels of a hierarchy need not be linearly related to processes at higher levels (and vice versa). Finally, canonical theories do not highlight active inference-the process through which the effects of our actions on our sensations are anticipated and minimized. It is possible that conflicting findings might be reconciled by considering these complexities, portending a framework for psychosis more equipped to deal with its many manifestations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biological Psychiatry - Volume 84, Issue 9, 1 November 2018, Pages 634-643
نویسندگان
, , , , , , , , , ,