🧬 biology

The adaptive nature of confirmation bias

Diese Arbeit zeigt auf, dass durch die Modellierung von Beobachtungen innerhalb eines Quantenwahrscheinlichkeitsrahmens das Phänomen des Bestätigungsfehlers als eine optimale, rationale Strategie beim binären Hypothesentest hervortritt, die gleichzeitig den Speicherbedarf minimiert und die Fehlerwahrscheinlichkeiten exponentiell reduziert.

Ursprüngliche Autoren: Dorje C. Brody, Karl J. Friston, Bernhard K. Meister, Emmanuel M. Pothos

Veröffentlicht 2026-06-23

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Dorje C. Brody, Karl J. Friston, Bernhard K. Meister, Emmanuel M. Pothos

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Die große Idee: Ist „Bestätigungsfehler“ eigentlich klug?

Wir denken normalerweise, dass der Bestätigungsfehler (Confirmation Bias) ein Fehler im menschlichen Denken ist. Es ist der Zustand, in dem wir nur nach Informationen suchen, die mit dem übereinstimmen, was wir bereits glauben, und alles ignorieren, was dem widerspricht. Wir denken, das mache uns irrational, wie ein sturer Esel, der sich weigert, das offene Tor zu sehen, weil er auf das geschlossene fixiert ist.

Diese Arbeit argumentiert das Gegenteil: Der Bestätigungsfehler könnte tatsächlich eine Superkraft des rationalen Denkens sein.

Die Autoren schlagen vor, dass Ihr Gehirn natürlich dazu neigt, sich zu Informationen zu bewegen, die Ihre aktuelle Vermutung bestätigen, wenn Sie versuchen, die bestmögliche Entscheidung mit dem geringsten Einsatz an geistiger Energie und Gedächtnis zu treffen. Tatsächlich ermöglicht dies, schneller zu lernen und weniger zu speichern.

Das Werkzeug: Denken wie ein Quantencomputer (ohne die Hardware)

Um dies zu beweisen, verwendet die Autorengruppe einen mathematischen Rahmen, der normalerweise der Quantenphysik vorbehalten ist. Sie sagen nicht, dass das menschliche Gehirn ein Quantencomputer ist. Sie sagen stattdessen, dass unser Geist sich, wenn wir vor komplexen Entscheidungen stehen, so verhält, als ob er einen „Quantenraum“ navigieren würde.

Die Analogie: Stellen Sie sich vor, Sie versuchen, einen bestimmten Eissorten in einem riesigen Gefrierschrank zu finden.
- Klassisches Denken: Sie prüfen jeden einzelnen Behälter nacheinander. Sie müssen sich jede Sorte merken, die Sie bereits probiert haben, um Wiederholungen zu vermeiden. Das kostet viel Speicherplatz und Zeit.
- Das „Quanten-Denken“ der Arbeit: Stellen Sie sich vor, Sie könnten den Gefrierschrank so betrachten, dass Sie mehrere Sorten gleichzeitig prüfen können oder dass der Akt des Betrachtens einer Sorte den Zustand der anderen verändert. Die Mathematik, die sie verwenden (Hilbert-Räume und Matrizen), modelliert diese Art von „Superposition“, bei der verschiedene Informationsteile nicht einfach nebeneinander liegen, sondern auf komplexe Weise interagieren.

Die zwei großen Überraschungen

Als die Autoren ihre Mathematik darauf anwendeten, wie ein „rationaler“ Akteur Beweise sammeln sollte, fanden sie zwei überraschende evolutionäre Vorteile eines Bestätigungsfehlers:

1. Das „vergessliche Genie“ (Minimales Gedächtnis)

Normalerweise denken wir, dass wir jedes Stück Information, das wir je gesehen haben, speichern müssen, um eine gute Entscheidung zu treffen. Wenn Sie versuchen zu entscheiden, ob es regnen wird, denken Sie vielleicht, Sie müssten jede Wolke erinnern, die Sie heute Morgen gesehen haben.

Die Arbeit behauptet, dass, wenn Sie eine optimale Strategie des „Bestätigungsfehlers“ anwenden, Sie die Vergangenheit überhaupt nicht erinnern müssen.

Die Metapher: Stellen Sie sich vor, Sie spielen ein Spiel, bei dem Sie eine Geheimzahl erraten müssen. Wenn Sie „klassisch“ spielen, müssen Sie jede Zahl, die Sie geraten haben, sowie das Ergebnis jedes Rates zu Papier bringen, um den nächsten Schritt zu bestimmen.
Der Befund der Arbeit: Wenn Sie „optimal“ spielen (mit einer Voreingenommenheit gegenüber dem, was Sie aktuell für wahr halten), müssen Sie nur die allerletzte Vermutung im Gedächtnis behalten. Sie können alles andere vergessen. Ihr Gehirn „vergisst“ effektiv die Geschichte, weil Ihre aktuelle Überzeugung bereits alle notwendigen Informationen aus der Vergangenheit enthält. Dies spart eine enorme Menge an „geistigem RAM“.

2. Der „exponentielle Geschwindigkeitsschub“ (Schnelleres Lernen)

Der zweite Vorteil betrifft die Frage, wie schnell man aufhört, Fehler zu machen.

Die Met Metapher: Stellen Sie sich vor, Sie versuchen, eine Nadel im Heuhaufen zu finden.
- Ohne Bias (Klassisch): Sie suchen zufällig. Um Ihre Chancen, die Nadel zu finden, zu verdoppeln, müssen Sie die Größe des Heuhaufens, den Sie durchsuchen, verdoppeln. Um zu 99 % sicher zu sein, müssen Sie vielleicht ein riesiges Gebiet absuchen.
- Mit optimalem Bias (Quanten-Stil): Die Autoren zeigen, dass, wenn Sie Ihre Beweise basierend auf Ihrer aktuellen Überzeugung auswählen, die Wahrscheinlichkeit, falsch zu liegen, exponentiell sinkt.
Das Ergebnis: Es ist wie ein magischer Kompass. Jedes Mal, wenn Sie einen Schritt basierend auf Ihrem „voreingenommenen“ Kompass machen, kommen Sie viel schneller zur Wahrheit als wenn Sie einfach nur ziellos umherwandern würden. Sie benötigen weita viel weniger Stichproben (weniger Zeit, weniger Daten), um sich in Ihrer Entscheidung sicher zu sein.

Wie es funktioniert: Das „Zeitungs“-Beispiel

Die Autoren nutzen ein einfaches Beispiel, um dies zu erklären. Stellen Sie sich vor, Sie versuchen vorherzusagen, ob die Energiepreise steigen oder fallen werden. Sie haben zwei Zeitungen:

Zeitung A: Sagt immer, dass die Preise steigen werden.
Zeitung B: Sagt immer, dass die Preise fallen werden.

Sie haben eine „A-priori-Überzeugung“ (ein Bauchgefühl), dass die Preise steigen werden.

Die irrationale Sicht: Eine rationale Person sollte eine neutrale Zeitung lesen, die nichts sagt, oder beide gleichermaßen lesen, um ausgewogen zu bleiben.
Die Sicht der Arbeit: Eine rationale Person sollte Zeitung A lesen (diejenige, die mit ihr übereinstimmt).
- Warum? Weil das Lesen von Zeitung A den höchsten „Informationsgewinn“ (Information Gain) im Verhältnis zu Ihrer aktuellen Überzeugung liefert. Es bestätigt Ihre Sichtweise mit höchster Effizienz.
- Wenn Sie eine Zeitung lesen, die Ihrer Meinung widerspricht, erzeugt dies „Rauschen“ (Noise) und Verwirrung (Entropie), was geistige Energie verschwendet.
- Indem Sie sich an die Zeitung halten, die mit Ihrer Überzeugung übereinstimmt, schärfen Sie Ihren Entscheidungsprozess, reduzieren Ihre Fehlerrate und müssen nicht jeden Artikel erinnern, den Sie je gelesen haben – sondern nur den letzten.

Die Verbindung zur „Aktiven Inferenz“

Die Arbeit verknüpft dies auch mit dem Konzept der „Aktiven Inferenz“ (Active Inference). Dies ist die Idee, dass das Gehirn nicht einfach passiv darauf wartet, dass die Welt ihm mitteilt, was passiert; es sucht aktiv nach der Welt, um seine Vorhersagen zu bestätigen.

Die Autoren zeigen, dass egal, ob Sie versuchen:

Die Chance, falsch zu liegen, zu minimieren (Error Probability), ODER
Die Menge an neu gewonnenen Informationen zu maximieren (Information Gain),

... Sie am Ende bei der gleichen Strategie landen: Sie suchen natürlich nach Beweisen, die Ihre aktuellen Überzeugungen bestätigen.

Die Einschränkung (Was die Arbeit NICHT sagt)

Es ist wichtig anzumerken, was die Arbeit nicht behauptet:

Sie sagt nicht, dass es gut ist, Fake News zu glauben. Die Autoren stellen explizit klar, dass ihr Modell davon ausgeht, dass die Informationsquellen „echt“ sind (ehrliche Signale mit einem gewissen Rauschen). Wenn die Informationsquelle darauf ausgelegt ist, zu lügen oder zu täuschen (wie etwa eine Troll-Farm), kann dieser „rationale Bias“ dazu genutzt werden, Sie in die Irre zu führen.
Sie sagt nicht, dass alle menschlichen Vorurteile rational sind. Sie erklärt nur eine bestimmte Art von aktivem Bestätigungsfehler im Kontext binärer Entscheidungen (Ja/Nein, Hoch/Runter), bei denen das Gehirn versucht, effizient zu sein.

Zusammenfassung

Vereinfacht ausgedrückt deutet diese Arbeit darauf hin, dass unsere Gehirne nicht defekt sind, wenn wir nach Informationen suchen, die mit uns übereinstimmen. Stattdessen könnten wir hochgradig effiziente Ingenieure sein. Indem wir uns auf das konzentrieren, was wir bereits glauben, können wir:

Die Vergangenheit vergessen (Speicher sparen).
Schneller lernen (Fehler exponentiell reduzieren).

Was wie eine sture Weigerung aussieht, unsere Meinung zu ändern, könnte in Wirklich-keit die Art und Weise sein, wie unser Gehirn ein komplexes mathematisches Problem löst, um Energie zu sparen und die bestmögliche Entscheidung so schnell wie möglich zu treffen.

Technische Zusammenfassung: Die adaptive Natur des Bestätigungsfehlers (Confirmation Bias)

Problemstellung
Der Bestätigungsfehler (Confirmation Bias), die Tendenz, Informationen zu bevorzugen, die mit bestehenden Überzeugungen übereinstimmen, wird traditionell als ein inferentieller Fehler betrachtet, der die Rationalität verhindert, insbesondere im Rahmen der Bayesschen Inferenz. Während die bestehende Literatur diesen Bias auf begrenzte Rationalität, Einschränkungen des Arbeitsgedächtnisses oder Belohnungsstrukturen zurückführt, versäumen es diese Erklärungen oft, den potenziell rationalen Status des Bestätigungsfehlers unabhängig von spezifischen Belohnungskontexten zu berücksichtigen. Darüber hinaus haben Standard-Bayes-Modelle Schwierigkeiten zu erklären, warum solche Biases evolutionäre Vorteile bieten könnten, wie etwa reduzierte Speicheranforderungen oder eine beschleunigte Fehlerminimierung. Diese Arbeit geht der Frage nach: Kann der Bestätigungsfehler als eine optimale, adaptive Strategie für die Informationssuche und Hypothesenprüfung formuliert werden?

Methodik
Die Autoren reformulieren das Problem der binären Hypothesentestierung und Evidenzauswahl innerhalb des mathematischen Rahmens der Quantenwahrscheinlichkeit, wobei sie speziell den Raum der Quadratwurzel-Wahrscheinlichkeiten (einen Hilbert-Raum) nutzen.

Repräsentation: Im Gegensatz zur klassischen Wahrscheinlichkeit, bei der Beobachtungen als Zufallsvariablen auf einem Wahrscheinlichkeitsraum modelliert werden, werden Beobachtungen hier als Matrizen (Operatoren) dargestellt, die auf einen Hilbert-Raum wirken.
Inkompatible Beobachtungen: Das Framework ermöglicht eine Familie von mutuell inequivalenten Informationsquellen (Beobachtungen), die keine gemeinsame Wahrscheinlichkeitsverteilung zulassen. Dies wird erreicht, indem verschiedene Evidenzquellen als nicht-kommutierende Matrizen dargestellt werden.
Rationale Aktualisierung: Die Aktualisierung der Überzeugung wird durch das Kriterium der biologischen Effizienz definiert, welches das Überleben mit der Minimierung des Energieverbrauchs (und damit der Informationsverarbeitungskosten) gleichsetzt. Eine rationale Aktualisierung wird als die Transformation einer A-priori-Überzeugung zu einer A-posteriori-Überzeugung definiert, die den „Abstand“ (speziell die Bhattacharyya-Distanz oder den Winkelabstand im Hilbert-Raum) zwischen der A-priori- und der A-posteriori-Verteilung unter Einhaltung der Konsistenz mit der Evidenz minimiert. Dies führt zum von Neumann-Lüders-Projektionspostulat, welches die klassische Bayes-Regel verallgemeinert.
Aktive Inferenz: Die Studie erweitert sich auf die aktive Inferenz, bei der ein Entscheidungsträger die Evidenzquelle (parametrisiert durch einen Winkel $\theta$ $θ$ ) aktiv auswählt, um ein spezifisches Kriterium zu optimieren. Dabei werden zwei Kriterien verglichen:
1. Minimierung der erwarteten Irrtumswahrscheinlichkeit bei der Hypothesenauswahl.
2. Maximierung der erwarteten gegenseitigen Information (Informationsgewinn).

Zentrale Beiträge und Ergebnisse

Rationaler Ursprung des Bestätigungsfehlers:
Durch die Minimierung der erwarteten Irrtumswahrscheinlichkeit in einem binären Hypothesentest-Szenario leiten die Autoren eine optimale Strategie zur Evidenzauswahl ab. Die Ergebnisse zeigen, dass die optimale Wahl der Evidenz ( $\theta^*$ ) nicht neutral ist, sondern sich in Richtung der Hypothese verschiebt, die eine höhere A-priori-Wahrscheinlichkeit aufweist. Wenn die A-priori-Wahrscheinlichkeit $p$ gegen 1 geht, konvergiert die optimale Evidenzwahl gegen den Parameter, der mit dieser Hypothese assoziiert ist. Dies demonstriert mathematisch, dass ein aktiver Bestätigungsfehler eine rationale Konsequenz der Minimierung der Irrtumswahrscheinlichkeit beim Umgang mit nicht-kommutierenden (inkompatiblen) Informationsquellen ist.
Exponentielle Reduktion der Irrtumswahrscheinlichkeit:
Bei der sequenziellen Evidenzaufnahme stellt das Paper fest, dass ein optimales Maß an Bestätigungsfehler zu einer exponentiellen Reduktion der Irrtumswahrscheinlichkeit als Funktion der Stichprobengröße $n$ führt.
- Klassischer/Unvoreingenommener Fall: Oh状態で der Fähigkeit, Evidenz basierend auf A-priori-Werten auszuwählen (oder bei festen, unvoreingenommenen Quellen), sinkt die Irrtumswahrscheinlichkeit nur langsam.
- Optimaler/Bestätigungsfehler-Fall: Wenn die Evidenz optimal ausgewählt wird (voreingenommen in Richtung der aktuellen A-posteriori-Verteilung), skaliert die Irrtumswahrscheinlichkeit asymptotisch als $\exp(n \ln(\cos^2(\delta/2)))$ , wobei $\delta$ die Trennung zwischen den Hypothesen ist. Dies stellt eine signifikante Beschleunigung des Lernens im Vergleich zu klassischen Gegenstücken dar.
Minimaler Speicherbedarf:
Eine bemerkenswerte Erkenntnis ist, dass die optimale sequentielle Strategie mit Bestätigungsfehler den Speicherbedarf für die Inferenz reduziert.
- In einem Standard-Sequenzprozess ohne aktive Auswahl hängt die A-posteriori-Verteilung von der Gesamtzahl der Ergebnisse ab, was einen Speicherbedarf erfordert, der linear mit $n$ wächst (oder exponentiell in Bezug auf die Historienzustände $2^n$ ).
- Unter der optimalen Bestätigungsfehler-Strategie hängt die A-posteriori-Wahrscheinlichkeit nach $n$ Schritten nur noch vom Ergebnis des letzten Durchgangs ab. Der Entscheidungsträger „vergisst“ effektiv die spezifische Historie der vorangegangenen Versuche und benötigt lediglich die aktuelle A-posteriori-Verteilung und die neue Beobachtung. Dies reduziert die Speicherkomplexität von exponentiell ( $2^n$ ) auf konstant (erfordert nur den Zustand des jüngsten Ereignisses).
Äquivalenz der Kriterien:
Das Paper zeigt, dass in diesem Hilbert-Raum-Framework die Strategie, die die erwartete Irrtumswahrscheinlichkeit minimiert, identisch mit der Strategie ist, die die gegenseitige Information zwischen der Beobachtung und der Hypothese maximiert. Somit ist der Bestätigungsfehler sowohl unter dem Kriterium der „Irrtum-Minimierung“ als auch der „Informations-Maximierung“ (aktive Inferenz) rational, sofern die Inferenz über nicht-kommutierende Beobachtungen erfolgt.
Quantenüberlegenheit in der Kognition:
Die Autoren argumentieren, dass die exponentielle Reduktion der Irrtumswahrscheinlichkeit eine Form von „Quantenüberlegenheit“ in der kognitiven Verarbeitung darstellt. Entscheidend ist, dass dies keine physischen Quantenressourcen (z. B. Quantenteilchen) erfordert, sondern die behaviorale Eigenschaft der Inkompatibilität – die Unfähigkeit, zwei Propositionen gleichzeitig mit einer gemeinsamen Wahrscheinlichkeitsverteilung zu bewerten. Dies deutな darauf hin, dass das menschliche Gehirn die mathematischen Vorteile von Quantenwahrscheinlichkeitsstrukturen für effiziente Inferenzen nutzen könnte.

Bedeutung und Behauptungen
Das Paper beansprucht, den ersten operationalen Rahmen für „aktive Quanten-Inferenz“ geliefert zu haben, der ein Protokoll bietet, bei dem die optimale Evidenzauswahl über den Raum der Matrizen gesucht wird.

Evolutionärer Vorteil: Die Ergebnisse legen nahe, dass der Bestätigungsfehler nicht bloß ein kognitiver Makel ist, sondern einen adaptiven Mechanismus darstellt, der signifikante evolutionäre Vorteile bietet: Er minimiert die metabolischen Kosten des Gedächtnisses (indem er nur die kleinste Kapazität erfordert) und maximt die Geschwindigkeit des Lernens (indem er die Fehlerraten exponentiell reduziert).
Neudefinition von Rationalität: Die Arbeit fordert die vorherrschende Sichtweise heraus, dass der Bestätigungsfehler inhärent irrational sei. Stattdessen postuliert sie, dass unter den Bedingungen inkompatibler Informationsquellen die Suche nach Evidenz, die mit bestehenden Überzeugungen übereinstimmt, die mathematisch optimale Strategie für ein biologisches System ist, das darauf abzielt, Unsicherheit und Energieverbrauch zu minimieren.
Grenzen und Umfang: Die Autoren merken an, dass diese Rationalität unter der Annahme gilt, dass Informationsquellen echt (Signal plus Rauschen) und nicht darauf ausgelegt sind, zu täuschen. In sozialen Kontexten, in denen Quellen manipulativ sein können, könnten die adaptiven Vorteile des Bestätigungsfehlers untergraben werden. Das Paper schließt damit, dass das Framework zwar den Mechanismus des rationalen Bestätigungsfehlers erklärt, dies aber nicht die Validität des Bias in allen gesellschaftlichen Kontexten bestätigt, insbesondere dort, wo „Fake News“ oder täuschende Signale präsent sind.

Zusammenfassend lässt sich sagen, dass das Paper den Bestätigungsfehler als eine rationale, adaptive Strategie formuliert, die aus der Minimierung der Irrtumswahrscheinlichkeit und des Energieverbrauchs innerhalb eines Quantenwahrscheinlichkeitsrahmens resultiert, und aufzeigt, dass ein solcher Bias zu exponentieller Lerneffizienz und minimalem Speicherbedarf führt.