전화 번호를 읽고 휴대 전화에 펀칭하는 순간에, 당신은 숫자가 신비하게 길을 잃었다는 것을 알 수 있습니다. 첫 번째 사람들을 기억에 넣었더라도 마지막 것들이 여전히 책임을지지 않을 수 있습니다. 6은 8 세가되거나 그 이후에 6 명 이었습니까? 확실합니까?
그러한 정보 스크랩을 유지하기에 충분히 오래 유지하는 것은 시각적 작업 메모리라는 능력을 이끌어냅니다. 수년 동안 과학자들은 작업 기억이 한 번에 몇 가지 항목에 대한 공간을 가지고 있는지 또는 세부 사항을위한 공간이 제한되어 있는지 토론했습니다.
neuron 의 최근 논문에 따르면, 작업 기억의 불확실성은 뇌가 모호하고 모호함을 사용하는 놀라운 방법과 관련이있을 수 있습니다. 뉴욕 대학교의 신경 과학 연구원들로부터. 머신 러닝을 사용하여 메모리 작업에 참여한 사람들의 뇌 스캔을 분석하여 신호는 사람들이 생각한 것의 추정치를 인코딩 한 것으로 나타났습니다. 신호에서 노이즈의 통계적 분포는 메모리의 불확실성을 인코딩했습니다. 당신의 인식의 불확실성은 당신의 뇌가 그 기억에서 표현하는 것의 일부일 수 있습니다. 그리고 이러한 불확실성에 대한 감각은 뇌가 기억을 사용하는 방법에 대한 더 나은 결정을 내리는 데 도움이 될 수 있습니다.
NYU의 심리학 및 신경 과학 교수이자 새로운 논문의 저자 인 Clayton Curtis는“뇌가 그 소음을 사용하고있다”고 말했다.
이 작품은 인간이 일상 생활에서 통계를 이해하는 데 능숙하지 않더라도 뇌는 확률 측면에서 현재와 리콜 된 세상의 감각적 인상을 일상적으로 해석한다는 증거에 추가 된 증거에 추가됩니다. 통찰력은 불확실한 세상에 대한 인식에 얼마나 많은 가치를 부여하는지 새로운 이해 방법을 제공합니다.
과거에 근거한 예측
시각 시스템의 뉴런은 앵글 라인, 특정 패턴 또는 자동차 또는 얼굴과 같은 특정 시선에 반응하여 나머지 신경계에 플레어를 보내는 것과 같은 특정 시선에 반응합니다. 그러나 그 자체로 개별 뉴런은 시끄러운 정보원이므로“단일 뉴런이 뇌가 그것이 보는 것을 추론하기 위해 사용하는 통화 일 가능성은 낮습니다.”라고 Curtis는 말했습니다.
아마도 뇌는 뉴런의 개체군의 정보를 결합하고 있습니다. 그러므로 어떻게 그렇게하는지 이해하는 것이 중요합니다. 예를 들어, 세포에서 정보를 평균화 할 수 있습니다. 일부 뉴런이 45도 각도와 90도에서 가장 강력하게 발사되면 뇌가 눈의 시야에서 60도 각도를 나타 내기 위해 체중을 평균화하고 평균화 할 수 있습니다. 또는 아마도 뇌는 승자의 모든 접근 방식을 가지고 있으며, 가장 강력하게 발사되는 뉴런은 인식 된 것의 지표로 간주됩니다.
.Curtis는“그러나 베이지안 이론의 영향을받는 새로운 사고 방식이 있습니다.
베이지안 이론 (18 세기 수학자 인 토마스 베이 에스)의 이름을 딴 베이지안 이론은 나중에 피에르-시몬 라플라스 (Pierre-Simon Laplace)에 의해 독립적으로 발견되고 대중화되며 확률에 대한 불확실성을 통합합니다. 베이지안 추론은 상황에 대해 알려진 것을 감안할 때 자신있게 결과가 발생할 수있는 방법을 다룹니다. 시력에 적용되는 바와 같이, 그 접근법은 뇌가 우도 기능을 구성함으로써 신경 신호를 의미 할 수 있음을 의미 할 수 있습니다. 이전 경험의 데이터를 기반으로, 주어진 발사 패턴을 생성 한 가장 가능성이 가장 높은 것은 무엇입니까?
.LaPlace는 조건부 확률이 관찰에 대해 가장 정확한 방법임을 인식했으며 1867 년에 의사 및 물리학 자 Hermann von Helmholtz는 인식 중에 뇌가 할 수있는 계산에 연결했습니다. 그러나 신경 과학자들은 1990 년대와 2000 년대 초까지 사람들이 행동 실험에서 확률 론적 추론과 같은 일을한다는 것을 알기 시작했을 때, 베이지안 방법은 일부 인식과 운동 제어 모델에 유용하기 시작했다.
.NYU의 신경 과학 및 심리학 교수 인 Wei Ji Ma는“사람들은 베이지안으로 뇌에 대해 이야기하기 시작했습니다. 논문의 저자.
2004 년 검토에서 Alexandre Pouget (현재 제네바 대학교의 신경 과학 교수)과 로체스터 대학의 David Knill은“베이지안 코딩 가설”에 대한 사례를 주장했다.
추억 스캔
당시에는 뉴런 연구에서 이것에 대한 증거가 거의 없었습니다. 그러나 2006 년 MA, Pouget 및 Rochester University의 동료들은 시뮬레이션 된 뉴런 인구가 최적의 베이지안 추론 계산을 수행 할 수 있다는 강력한 증거를 제시했습니다. 지난 수십 년 동안 MA와 다른 연구자들의 추가 작업은 전기 생리학 및 신경 영상으로부터 추가 확인을 제공하여 이론이 실제 신경 활동을 분석하기 위해 베이지안 디코더 (Bayesian Decoders)라는 기계 학습 프로그램을 사용하여 비전에 적용됩니다.
.신경 과학자들은 디코더를 사용하여 사람들이 뇌의 FMRI (기능성 자기 공명 영상) 스캔에서보고있는 것을 예측했습니다. 이 프로그램은 제시된 이미지와 뇌의 혈류 및 신경 활동 패턴 사이의 연결을 찾도록 훈련 될 수 있습니다. 예를 들어 대상이 85도 각도를보고 있다는 단일 추측 대신 베이지안 디코더는 확률 분포를 생성합니다. 분포의 평균은 피사체가보고있는 것의 가장 좋은 예측을 나타냅니다. 분포의 너비를 설명하는 표준 편차는 광경에 대한 피험자의 불확실성을 반영하는 것으로 생각됩니다 (85도 또는 84 또는 86 일 수 있습니까?)
최근 연구에서 Curtis, MA와 동료들은이 아이디어를 작업 기억에 적용했습니다. 먼저, 베이지안 디코더가 인식보다는 사람들의 기억을 추적 할 수 있는지 여부를 테스트하기 위해 FMRI 기계의 피사체가 주변에 점이있는 원의 중심을 응시했습니다. 점이 사라진 후, 자원 봉사자들은 시선을 그들이 점을 기억하는 곳으로 바꾸라는 요청을 받았습니다.
연구원들은 메모리 작업 중에 취한 시력 및 작업 메모리와 관련된 10 개의 뇌 영역의 디코더 fMRI 이미지를 제공했습니다. 팀은 신경 활동 분포의 수단이보고 된 기억과 일치하는지 (피험자들이 점을 생각했는지 또는 점이 실제로 있었던 곳을 반영했는지 여부를 조사했다. 6 개 지역에서 수단은 메모리에 더 가깝게 헤아 져서 두 번째 실험을 가능하게했습니다.
베이지안 코딩 가설은 이러한 뇌 영역 중 일부에서 분포의 폭이 사람들의 기억에 대한 사람들의 자신감을 반영해야한다고 제안했다. Curtis는“매우 평평하고 중간을 향해 극단에서 끌릴 가능성이 높으면 기억이 더 불확실해야합니다.”라고 Curtis는 말했습니다.
사람들의 불확실성을 평가하기 위해 연구원들은 그들에게 기억 된 점의 위치에 대해 내기를하도록 요청했습니다. 피험자들은 정확하고 정확한 인센티브를 가졌습니다. 더 작은 범위의 위치를 추측하면 더 많은 포인트를 얻었으며 실제 위치를 놓치면 포인트가 없습니다. 베팅은 사실상 자체보고 된 불확실성 측정이므로 연구원들은 베팅과 디코더 분포의 표준 편차 사이의 상관 관계를 찾을 수 있습니다. 시각 피질의 두 영역 인 v3ab 및 ips1에서 분포의 표준 편차는 개인의 불확실성의 크기와 일관되게 연결되었습니다.
시끄러운 측정
관찰 된 활동 패턴은 뇌가 불확실성 정보를 뇌의 별도의 부분에 저장하기보다는 그 기억에 대한 신뢰를 인코딩하기 위해 각도의 기억을 인코딩하는 동일한 신경 개체군을 사용한다는 것을 의미 할 수 있습니다. Curtis는“이것은 효율적인 메커니즘입니다. "이것은 공동으로 같은 것으로 인코딩되기 때문에 정말 놀랍습니다."
.여전히 시각적 작업 기억을 연구하는 케임브리지 대학교의 신경 과학자 인 폴 베이 (Paul Bays)는“실제 상관 관계가 매우 낮다는 것입니다. 시각 피질과 비교할 때, FMRI 스캔은 매우 거친 입자입니다. 스캔의 각 데이터 포인트는 수천 개의 뉴런의 활동을 나타냅니다. 기술의 한계를 감안할 때 연구원 들이이 연구에서 전혀 관찰 할 수 있다는 것이 주목할 만하다.
NYU의 박사후 연구원이자 새로운 논문의 첫 번째 저자 인 Hsin-Hung Li는“우리는 매우 시끄러운 측정을 사용하고 있습니다. 그는 미래의 연구는 작업 중에 더 넓은 범위의 불확실성을 유발함으로써 상관 관계를 명확하게 할 수 있으며, 피험자가 확신 할 수있는 일부 이미지와 확실하지 않은 일부 이미지를 가지고 있다고 말했다.
결과적으로 흥미로운 결과, 불확실성이 어떻게 인코딩되는지에 대한 질문에 대한 예비적이고 부분적인 대답 일 수 있습니다. Bays는“이 논문은 그에 대한 하나의 특정한 설명을 주장하고 있으며, 이는 효과적으로 불확실성이 [뉴런 그룹에서] 활동 수준에서 인코딩된다는 것입니다. "하지만 FMRI와 함께 할 수있는 일이 너무 많아서 그것이 일어나고있는 일을 보여줍니다."
.다른 해석도 가능할 수 있습니다. 어쩌면 기억력과 불확실성은 동일한 뉴런에 의해 저장되지 않을 수도 있습니다. 불확실성 뉴런은 단지 근처에있을 수 있습니다. 또는 개별 뉴런의 발사 이외의 다른 것은 불확실성과 더 밀접하게 관련되어 있지만 현재 기술로는 해결할 수 없습니다. 이상적으로는 행동, 계산 및 신경과 같은 다양한 증거 유형이 동일한 결론을 가리켜 야합니다.
그러나 우리가 항상 우리의 머리에 확률 분포로 걸어 다니고 있다는 생각은 그에 대한 아름다움을 가지고 있습니다. Pouget에 따르면 아마도 이와 같이 구성된 것은 비전과 작업 기억 일뿐입니다. "이 베이지안 이론은 매우 일반적입니다." “여기에서 일하고있는 일반적인 계산 요인이 있습니다.”뇌가 결정을 내립니다. 배가 고프거나 경로를 탐색하는지 평가하는 것입니다.
그러나 컴퓨팅 확률이 우리가 세상에 대해 인식하고 생각하는 방법에 필수적인 부분이라면 왜 인간이 확률이 좋지 않은 것으로 명성을 얻었습니까? 경제와 행동 과학에서 가장 잘 알려진 발견은 사람들이 무수한 추정 실수를 저지르며, 위험한 일이 일어날 가능성을 과대 평가하고 다른 사람들을 할인한다는 것을 보여주었습니다. “사람들에게 명시 적으로 그리고 구두로 확률을 추정하도록 요청하면 그들은 빨라집니다. 다른 단어는 없다”고 Pouget.
그러나 단어 문제와 다이어그램에서 소파 될 수있는 이러한 종류의 추정은이 연구에서와 같은 작업에 사용 된 시스템보다 훨씬 최근에 진화 한 뇌의인지 시스템에 달려 있다고 Ma는 말했다. 포식자를 발견하지 못하거나 잘못 판단되는 위험은 죽음을 의미하는 훨씬 더 긴 자연 선택 과정에 의해 인식, 기억 및 운동 행동이 연마되었습니다. Eons의 경우, 아마도 불확실성에 대한 추정을 포함하여 기억 된 인식에 대한 스냅 판단을하는 능력은 우리 조상을 살아있게했습니다.
교정 추가 2022 년 1 월 22 일 :
캡션은 원래 NYU의 Wei Ji Ma의 실험실에서 박사후 연구원으로서 Hsin-Hung Li를 잘못 식별했습니다. 그는 Clayton Curtis의 실험실에서 일합니다.
