A komputációs pszichiátria egy ágazata a mentális zavarok heterogenitásából és komorbiditásaiból adódó problémák kezelésére tesz kísérletet, a tünetek hátterében álló fenotipikus eltérések megragadása által. Az elme működésének és zavarainak pontosabb leírásához a komputációs kognitív tudomány módszertani eszköztárát és fogalomkészletét használja. A tanulmányban bemutatjuk azt a nyelvezetet - matematikai keretrendszert -, amely a pszichózisban, illetve autizmus spektrum zavarban érintettek észlelési eltéréseinek egy lehetséges magyarázatát: a bayesiánus prediktív kódolási elméletét írja le. Eloszlásként reprezentálva az előzetes elvárásokat (prior) és az új, mintavételezett információt (likelihood), a Bayes-szabály segítségével kiszámítható a poszterior eloszlás, amellyel az előzőek alapján levont következtetés jellemezhető. A fenti fogalmakat olyan egyszerű példákon keresztül mutatjuk be, mint az érmefeldobás (cinkeltség megállapítása), vagy a betegségek diagnosztizálása eltérő gyakoriságú tünetek alapján, ugyanakkor ez a keretrendszer az elmeműködés összetettebb folyamatainak megértéséhez is hozzájárulhat. Az eddigi kutatások abba az irányba mutatnak, hogy a vizuális percepció jól vizsgálható a bayesiánus logikát követve. A likelihood információ kísérletesen manipulálható, ha az alkalmazott ingeranyag kétértelmű vagy zajos. Ezen felül instrukciók és/vagy kulcsingerek révén asszociációk, ezáltal priorok kialakítása is lehetséges (ezek az egyénre jellemző, rejtett paraméterek). A perceptuális és válaszadási modellek segítségével kognitív feladatokon nyújtott teljesítmény alapján azonosíthatók olyan paraméterek, amelyek rávilágítanak arra, hogy milyen információ feldolgozási sajátosság áll az egyes klinikai populációk észlelési eltéréseinek hátterében. A tanulmány végén felhívjuk a figyelmet a komputációs modellezés limitációira is. Kulcsszavak: kognitív tudományok, percepció, szkizofrénia, autizmus spektrum zava