Das Rahmenmodell der Bayesianischen Wahrnehmung geht davon aus, dass unser Gehirn kontinuierlich ein Modell unserer Umwelt erstellt und ständig aktualisiert, und dass Wahrnehmung aus der Integration von äußeren Sinneseindrücken und Erwartungen, basierend auf bestehendem Vorwissen, resultiert. Die vorliegende Studie untersucht, ob Menschen den Prinzipien der Bayesianischen Inferenz folgen, im Kontext von auditiven, zeitlichen Prädiktionen. Wir präsentierten 27 Versuchspersonen Tonsequenzen von unvorhersehbarer Länge, die zufällig zwischen Beschleunigung und Verlangsamung wechselten, während ein hochauflösendes Elektroenzephalogramm (EEG) aufgezeichnet wurde. Nach jedem Durchgang mussten die Versuchspersonen den finalen Zustand der Tonsequenz rückmelden. Je unmittelbarer die Töne einem Wendepunkt (WP) folgten, desto größer war die Diskrepanz zwischen den Prädiktionen der Versuchspersonen und dem sensorischen Signal. Die Genauigkeit der Antworten war stieg signifikant, mit der Anzahl an Tönen nach dem letzten WP. Dieser Effekt wurde durch das Evidenzniveau verstärkt, was definiert war als die relative Größe des Unterschieds zwischen den letzten beiden aufeinanderfolgenden Interstimulusintervallen (ISIs). Stärkere Evidenzniveau waren mit höherer Antwortgenauigkeit assoziiert. Die Analyse der Ereigniskorrelierten Potentiale (EKPs) ergab stärkere P2 und P3a Spitzenamplituden bei Tönen, die direkt auf einen WP folgten im Vergleich zu Tönen, die an vierter bzw. fünfter Stelle nach einem WP auftraten. Es zeigten sich keine neuronalen Repräsentationen des Evidenzniveaus.

The Bayesian perception framework posits, that the brain constantly generates and updates a model of our surroundings, and that perception results from the integration of bottom-up sensory evidence and top-down expectations reflecting prior knowledge. The present study investigates whether humans follow the principles of Bayesian inference in the case of auditory temporal estimations. To that end, we presented 27 subjects with sound sequences of unpredictable length that alternated between acceleration and deceleration at random change points (CPs), while high-density electroencephalography (EEG) was being recorded. At the end of each trial, subjects had to report the final state of the sound sequence. The closer sounds followed a CP, the bigger was the discrepancy between subjects’ prior beliefs and the sensory input. Response accuracy significantly increased with the number of sounds after the last CP. This effect was negatively modulated by the evidence level, defined as the relative size of the difference between the last two consecutive inter-stimulus intervals (ISIs). In general, higher evidence levels were associated with higher response accuracy. Event-related potential (ERP) analysis revealed stronger P2 and P3a peak amplitudes for sounds that directly followed a CP, compared to the 4th and 5th sound after a CP. No neural representations of evidence level were found.