贝叶斯
Bayesian Inference
人物基于先验信念与后续证据不断更新认知的概率推理法则
核心定义
贝叶斯法则是一种基于条件概率的推理框架，描述如何根据新证据不断更新对某假设的信念强度。其核心公式将先验概率、似然函数与后验概率动态关联，形成持续优化的认知迭代系统。
渊源与演变
由18世纪英国牧师托马斯·贝叶斯提出，后经拉普拉斯系统化。在心理学领域，它解释了认知偏差的形成机制——人类大脑实质上是非完美的贝叶斯推理器。现代计算精神病学将其作为理解思维紊乱的数学模型。
全人视角
在心灵成长中，贝叶斯法则揭示了信念更新的神经可塑性基础。健康的心智应保持适当的先验灵活性——既不过度固执于旧有认知图式，也不盲目追逐新异刺激。这种平衡正是正念所培养的觉察品质。
整合寄语
明日晨起时，留意第一个闯入脑海的预设判断。尝试为它寻找一个微小的反例，如同调整概率权重般轻柔地更新你的内在认知模型。
延伸阅读：维基百科：贝叶斯