人类如何看待环境并做出决定?要与周围环境成功互动，对人类来说，仅仅拥有周围世界的基本证据是不够的。该信息本身是不够的，因为它本质上是模棱两可的，需要整合到特定的上下文中以最小化感官知觉的不确定性。但是，与此同时，上下文是模棱两可的。例如，我在安全或危险的地方吗?

UPF信息与通信技术部(DTIC)脑与认知中心(CBC)的研究人员Philipp Schustek，Alexandre Hyafil和RubénMoreno-Bote于11月28日发表在《自然通信》杂志上的一项研究表明，大脑在包括上下文在内的多个层次结构上具有不确定性的精确表示形式。因此，大脑对我们周围的所有事物都具有非常详细的，几乎是数学的概率表示，我们认为这很重要。

概率的概念虽然直观，但很难量化和严格使用。例如，我的统计专业学生经常无法解决我在课堂上提出的一些问题。在我们的研究中，我们发现，如果简单，自然地提出问题，就可以直观地解决涉及使用最复杂的概率规则的复杂数学问题。”

让我们假设一个城市机场正在举办一场足球决赛，我们来看看有几位要离开飞机的乘客。如果我们注意到其中有四个是红队的球迷，而有两个是蓝队的球迷，那么我们可以得出的结论是，与蓝队相比，参加决赛的红队的球迷更多。基于不完整的感官证据的推断可以通过上下文信息得到改善。例如，如果在全球范围内，尽管我们初步观察到，蓝队的球迷比红队的球迷多，我们将回顾一下推论得出的结论，即每组有多少支持者正在飞机上旅行，以便更准确地确定是否有更多的球迷红色团队真的比蓝色团队来了。或者，我们也可以做相反的事情，

研究人员设计了使用平面任务呈现分层集成任务的实验。“在这项研究中，我们告诉与会人员，他们是在一个飞机场上，飞机可以搭载一种类型的人而不是另一种类型的人，例如，巴萨的支持者比马德里的支持者多。看到少数乘客离开几架飞机，参与者可以数学精确地预测下一架飞机将搭载更多特定类型乘客的可能性”，Moreno-Bote解释说。

“总的来说，这种任务结构在要自底向上解决的隐藏变量之间创建了层次依赖性(推论先前观察的上下文)，然后自上而下传递消息(推论当前状态，将当前观察与推断的上下文相结合)”，作者解释。