像其他的 rational 过程模型一样,我们的方法受到这样一个事实的激励,即任何在复杂的概率模型中执行推理的计算现实的代理——在现实世界中,实时地——将需要进行近似的推理。...学习推理
为了理解为什么人们会犯推理错误,我们需要从理解为什么推理很难开始,以及人们可以合理地使用哪种算法来找到近似解。...它还导致在极端对数优势下的近似后验概率遭受相对更大的偏离真实后验概率, 特别是当对数优势极端时(例如,具有更大的样本大小和更多的诊断可能性)对信息源的更大的反应不足。...我们在一个新的实验中通过操纵先验的信息含量和学习阶段的可能性来实证检验这一预测,试图在随后的实验条件固定的测试阶段引发对数据的过度反应和反应不足。...神经网络最好被认为是模式识别和函数逼近工具,而不是表示关于世界的因果知识的方式(Lake, Ullman, Te-nenbaum, & Gershman, 2017).相比之下,概率生成模型是表示关于因果结构的知识的好方法