Fondamentaliste bayésien ou éclaircissement ? Sur le statut explicatif et les contributions théoriques des modèles bayésiens de la cognition

La prévalence du modélisation bayésienne de la cognition a récemment augmenté, en grande partie grâce aux avancées mathématiques dans la spécification et la dérivation de prédictions à partir de modèles probabilistes complexes. Une grande partie de cette recherche vise à démontrer que le comportement cognitif peut être expliqué uniquement par des principes rationnels, sans recourir à des processus et représentations psychologiques ou neurologiques. Nous notons des points communs entre cette approche rationnelle et d'autres mouvements en psychologie - à savoir, le behaviorisme et la psychologie évolutionniste - qui mettent de côté les explications mécanistes ou utilisent des hypothèses d'optimalité. À travers ces comparaisons, nous identifions un certain nombre de défis qui limitent la contribution potentielle du programme rationnel à la théorie psychologique. En particulier, les modèles bayésiens rationnels sont significativement non contraints, à la fois parce qu'ils ne s'informent pas d'un large éventail de données au niveau des processus et parce que leurs hypothèses sur l'environnement ne sont généralement pas ancrées dans des mesures empiriques. Les implications psychologiques de la plupart des modèles bayésiens sont également floues. L'inférence bayésienne elle-même est conceptuellement triviale, mais des hypothèses fortes sont souvent intégrées dans les ensembles d'hypothèses et les algorithmes d'approximation utilisés pour dériver les prédictions du modèle, sans une délimitation claire entre les engagements psychologiques et les détails d'implémentation. Comparer plusieurs modèles bayésiens de la même tâche est rare, tout comme la prise de conscience que de nombreux modèles bayésiens récapitulent des théories existantes (au niveau mécaniste). Malgré la puissance expressive des modèles bayésiens actuels, nous soutenons qu'ils doivent être développés en conjonction avec des considérations mécanistes pour offrir des explications substantielles de la cognition. Nous exposons plusieurs moyens pour une telle intégration, qui prennent en compte les représentations sur lesquelles l'inférence bayésienne opère, ainsi que les algorithmes et heuristiques qui l'exécutent. Nous soutenons que cette unification facilitera mieux des contributions durables à la théorie psychologique, évitant les pièges qui ont entravé des mouvements théoriques précédents.