Til tross for hendelsene som ble avbildet i The Imitation Game, oppfant ikke Alan Turing maskinen som knakk Tysklands koder under andre verdenskrig - Polen gjorde det. Men den geniale matematikeren fant opp noe som aldri ble nevnt i filmen: et matematisk verktøy for å bedømme påliteligheten til informasjon. Verktøyet hans fremskaffet arbeidet med å dechiffrere kodede meldinger ved hjelp av forbedrede versjoner av de polske maskinene.
Relatert innhold
- Midnatt Snacking er dårlig for hjernen din
- Pigeons 'hjerner fungerer like som våre
- Tar du bedre avgjørelser når du er sulten?
Nå har forskere som studerer rhesus-aper funnet ut at hjernen også bruker dette matematiske verktøyet, ikke for å avkode meldinger, men for å sammenstille upålitelige bevis for å ta enkle beslutninger. For nevrovitenskapsmannen Michael Shadlen og hans team av Columbia University støtter funnet en større ide om at alle beslutningene vi tar - til og med tilsynelatende irrasjonelle - kan deles inn i rasjonelle, stastiske operasjoner. "Vi synes hjernen er grunnleggende rasjonell, " sier Shadlen.
Den tyske Enigma-maskinen ble oppfunnet i 1918, og opprettet en erstatningskode ved å bytte de opprinnelige bokstavene i en melding for nye, og produsere det som virket som rent gibberish. For å gjøre chifferet mer komplisert hadde enheten roterende disker inni som svingte seg hver gang du trykket på en tast, og endret kodingen med hvert tastetrykk. Prosessen var så sammensatt at selv med en Enigma-maskin i hånden, kunne tyskerne tyde en melding bare ved å kjenne de første innstillingene til disse krypteringshjulene.
En tysk Enigma-maskin, fiende fra codebreakers fra andre verdenskrig. (Walker Library of the History of Human Imagination) Turing opprettet en algoritme som kuttet ned antall mulige innstillinger de britiske dekrypteringsmaskinene, kalt bomber, måtte teste hver dag. Arbeider ved det hemmelige Bletchley Park-anlegget i Storbritannia, og innså at det var mulig å finne ut om to meldinger hadde kommet fra maskiner med rotorer som startet i de samme stillingene - et viktig stykke informasjon for å finne ut av disse stillingene. Still opp to kodede meldinger, den ene oppå den andre, og sjansen for at to bokstaver blir de samme er litt større hvis begge meldingene kom fra maskiner med samme innstillinger. Dette er fordi på tysk, som på engelsk, har visse bokstaver en tendens til å være mer vanlig, og krypteringsprosessen bevart dette mønsteret.
Turings algoritme la i det vesentlige opp sannsynligheten for at ledetrådene er nyttige. Det indikerte også når de kumulative oddsene var gode nok til å enten akseptere eller avvise at de to meldingene som ble sammenlignet kom fra maskiner med de samme rotortilstandene. Dette statistiske verktøyet, kalt testen for sekvensiell sannsynlighetsforhold, viste seg å være den optimale løsningen på problemet. Det sparte tid ved å la Bletchley kodebrytere bestemme om to meldinger var nyttige mens de så på færrest mulig antall bokstaver. Å snu var ikke den eneste matematikeren som jobbet i det skjulte som kom med denne ideen. Abraham Wald ved Columbia University brukte den i 1943 for å finne ut hvor mange bomber den amerikanske marinen trengte å sprenge for å være rimelig sikker på at en mengde ammunisjon ikke var mangelfull før han sendte den ut.
Nå har Shadlen funnet ut at mennesker og andre dyr kan bruke en lignende strategi for å gi mening om usikker informasjon. Håndtering av usikkerhet er viktig, fordi få avgjørelser er basert på helt pålitelige bevis. Se for deg å kjøre ned en svingete gate om natten i regnet. Du må velge om du vil vri hjulet til venstre eller høyre. Men hvor mye kan du stole på de svake baklyktene på en bil en ukjent avstand foran, den mørke tregrensen med sin forvirrende form eller de knapt synlige banemarkørene? Hvordan setter du sammen denne informasjonen for å holde deg på veien?
Apekatter i Shadlens laboratorium møtte en lignende vanskelig avgjørelse. De så to prikker vises på en dataskjerm og prøvde å vinne en godbit ved å velge den riktige. Former som blinket på skjermen etter hverandre, antydet svaret. Når for eksempel et Pac-Man-symbol dukket opp, var den venstre prikken antagelig, men ikke sikkert, det riktige svaret. Derimot favoriserte en femkant den rette prikken. Spillet ble avsluttet da en ape bestemte seg for at den hadde sett nok former til å fare for å gjette ved å vende blikket mot en av prikkene.
Den laterale intraparietale cortex, den delen av hjernen som er målt i denne studien, finnes i parietallappen. (Bilde med tillatelse fra National Institute on Aging / National Institutes of Health) Det er mange strategier som kunne vært brukt for å velge riktig prikk. En ape kunne bare ta hensyn til de beste ledetrådene og ignorere de andre. Eller et valg kan ganske enkelt tas etter en viss tid, uavhengig av hvor sikker en ape handlet om bevisene den hadde sett opp til det tidspunktet.
Det som faktisk skjedde var en ansamling av informasjon i hjernen, da dyret vurderte påliteligheten til hver form og la dem opp til en løpende sum. Shadlen overvåket denne oppbyggingen ved å smertefritt sette elektroder inn i apenes hjerner. Ledetråder med høy sannsynlighet utløste store sprang i hjerneaktiviteten, mens svakere ledetråder ga mindre sprang. Avgjørelser så ut til å bli tatt når aktivitet til fordel for enten venstre eller høyre krysset en viss terskel - omtrent som resultatene fra Turing-algoritmen.
"Vi fant at hjernen når en beslutning på en måte som ville passere mønstre med en statistiker, " sier Shadlen, hvis team vil publisere resultatene i en kommende utgave av tidsskriftet Neuron.
Jan Drugowitsch, nevrovitenskapsmann ved Ecole Normale Supérieure i Paris, er enig. "Dette er en veldig sterk sak som hjernen virkelig prøver å følge strategien som er skissert her, " sier han. Men kan mer kompliserte valg, for eksempel hvor man skal gå på college eller hvem man gifter seg, kokes ned til enkle statistiske strategier?
"Vi vet ikke at utfordringene hjernen står overfor med å løse store problemer er nøyaktig de samme som utfordringene i enklere avgjørelser, " sier Joshua Gold, en nevrovitenskapsmann ved University of Pennsylvania School of Medicine. "Akkurat nå er det ren antagelse at mekanismene vi studerer i laboratoriet bærer på beslutninger på høyere nivå."
