В течение многих десятилетий, исследования показали, что наше восприятие мира зависит от наших ожиданий. Эти ожидания, которая также называется “до убеждения,” помогите нам осмыслить, что мы воспринимаем в данный момент, основываясь на предыдущих аналогичных опытов. Рассмотрим, например, как тень на пациента рентгеновского изображения, легко пропускал менее опытный интерн, бросается в глаза, опытный врач. Предыдущий опыт врача помогает ей прийти к наиболее вероятному толкованию слабый сигнал.
Процесс объединения знаний с неопределенным доказательства называется Байесовской интеграции и, как полагают, сильно повлиять на наше восприятие, мысли и действия. Теперь нейробиологи Массачусетского технологического института обнаружили отличительные сигналы мозга, которые кодируют эти убеждения. Они также обнаружили, как мозг использует эти сигналы, чтобы принять продуманные решения в условиях неопределенности.
“Как эти убеждения влияние на деятельность мозга и необъективности нашего восприятия вопрос мы хотели получить ответ”, — говорит Мехрдад Джазаери, Робертом Суонсоном развития карьеры профессор естественных наук, член Массачусетского технологического института исследования мозга Макговерна, и старший автор исследования.
Исследователи дрессированные животные для выполнения задачи время, за которое они должны были воспроизводить через разные промежутки времени. Выполнение этой задачи является сложной задачей потому, что наше чувство времени несовершенна и может идти слишком быстро или слишком медленно. Однако, когда интервалы последовательно в фиксированном диапазоне, лучшей стратегией является смещение ответов к середине диапазона. Это именно то, что сделали животные. Кроме того, записи из нейронов в лобной коре выявлен простой механизм для байесовского интеграция: опыт, искажала представление о времени в мозгу паттерн нейронной активности, связанных с разным интервалом были смещены в сторону тех, что находились в пределах ожидаемого диапазона.
МИТ постдок Hansem сон, бывший постдок Девика Нараин, и аспирант Николас Meirhaeghe являются ведущие авторы исследования, которое появляется в вопрос 15 июля нейрона.
Готовый, набор, идут
Статистики уже на протяжении веков известно, что байесовское интеграции является оптимальной стратегией для обработки неопределенной информации. Когда мы не уверены в чем-то, мы автоматически положиться на наш предыдущий опыт, чтобы оптимизировать поведение.
“Если вы не можете понять, что что-то есть, но из своего предыдущего опыта у вас есть определенные ожидания того, каким оно должно быть, то вы будете использовать эту информацию, чтобы направлять ваши решения,” сказал Джазаери. “Мы делаем это все время”.
В этом новом исследовании, Джазаери и его команда хотели понять, как мозг кодирует до убеждения, и убеждения на использование в регуляции поведения. С этой целью, исследователи дрессированные животные на воспроизведение временного интервала, используя задачу “готов-иди.” В этой задаче, животные измерить время между двумя вспышками света (“готов” и “установить”) и затем генерировать “перейти” сигнал путем задержки ответа за тот же промежуток времени.
Они тренируют животных для выполнения этой задачи в двух контекстах. В “краткий” сценарий, интервалы колебались от 480 до 800 миллисекунд, и в “длинном” контексте, интервалы были между 800 и 1200 миллисекунд. В начале задания, животные получили информацию о контексте (через визуальный сигнал), и поэтому знал, что ожидать интервалы либо более короткий или более длинный диапазон.
Джазаери ранее показали, что люди, выполняющие эту задачу, как правило, повлиять на их ответы ближе к середине диапазона. Здесь они обнаружили, что животные делают то же самое. Например, если бы животные верили интервал должен быть коротким, и были даны интервала 800 мс, интервал они производят немного меньше, чем 800 миллисекунд. И наоборот, если они считали, было бы больше, и выдавали те же 800-миллисекундный интервал, они производятся с интервалом чуть более чем в 800 миллисекунд.
“Испытания, которые были идентичны в почти всеми возможными способами, кроме убеждения животного привело к различному поведению,” сказал Джазаери. “Это было убедительных экспериментальных доказательств того, что животное опираясь на собственные убеждения”.
Как только они установили, что животные полагались на своих прежних взглядов, исследователи задались целью выяснить, как мозг кодирует до убеждения, чтобы направлять поведение. Они зафиксировали активность около 1400 нейронов в области фронтальной коры, который они ранее показали участвует в сроки.
Во время “готовый набор” эпоха, профильная деятельность каждого нейрона развивалась по своему пути, и около 60 процентов нейронов у различных моделей действия в зависимости от контекста (короткий по сравнению с длинным). Смысл этих сигналов, исследователи проанализировали эволюцию нейронной активности всего населения с течением времени, и обнаружил, что до убеждений смещения поведенческих реакций на деформации нейронных времени к середине ожидаемого диапазона.
“Мы никогда не видели такой конкретный пример того, как мозг использует предыдущий опыт для изменения нейронной динамики, на которые он генерирует последовательности нейронной деятельности, необходимую для его собственного неточность. Это уникальная сила этого документа: объединяя восприятие, нейро-динамика и байесовские вычисления в рамках согласованных механизмов, поддерживается как теория и измерения поведения и нервной деятельности”, — говорит приятель Лендьел, профессор компьютерных наук в Кембриджском университете, который не участвовал в исследовании.
Встроенная база знаний
Исследователи считают, что предыдущий опыт изменения силы связей между нейронами. Прочность этих связей, также известных как синапсы, определяет, как действовать нейронов друг с другом и ограничивает моделей деятельности, что сеть взаимосвязанных нейронов может генерировать. Вывод о том, что предыдущий опыт варп шаблоны нейронной активности представляет собой окно, как опыт изменяет синаптические связи. “Мозг, как представляется, добавьте до впечатлений в синаптических связей, поэтому, что паттерны мозговой активности надлежащим образом предвзятым”, — сказал Джазаери.
В качестве независимого тестирования этих идей, исследователи разработали компьютерную модель, состоящую из сети нейронов, которые могли бы выполнять ту же готова-иди задач. С помощью техник, заимствованных из области машинного обучения, они смогли изменить синаптических связей и создать модель, которая ведет себя как животные.
Эти модели являются чрезвычайно ценными, поскольку они обеспечивают субстрат для подробного анализа базовых механизмов, процедура, которая называется «реверс-инжиниринг”. Удивительно, реверс-инжиниринг модели показал, что он решил задачу таким же способом, как обезьяны мозг. Модель также имеет деформированные представления о времени в соответствии с опытом работы.
Исследователи использовали компьютерную модель для дальнейшего вскрыть глубинные механизмы с помощью экспериментов возмущение, что в настоящее время невозможно сделать в мозгу. Используя этот подход, они смогли показать, что unwarping нейронных представлений устраняет отклонения в поведении. Этот важный вывод подтвердили важную роль деформации в Байесовской интеграции знаний.
Теперь ученые планируют изучить, как мозг строит и медленно настраивает синаптические связи, которые кодируют до убеждения, как животное учится выполнять задание вовремя.
Исследование финансировалось центром сенсомоторной нейронной инженерии, Нидерланды научная организация, Мари Склодовской Кюри реинтеграции Грант Национальных институтов здоровья, Слоан Фонда, Klingenstein Фонда Саймонса, в Макнайт фонда, и Макговерн Института.
Больше записей автора Роботы и киборги
Самарские ученые разработали систему предсказания технических неполадок
Ученые Самарского национального исследовательского университета имени академика С.П.Королёва создали интеллектуальный диагностический комплекс, способный предсказывать технические сбои, неполадки и отказы в …
Складывающиеся в стиле оригами микроботы могут выполнять новые задачи при нагреве
Исследователи робототехники часто обращаются к искусству оригами в поисках вдохновения. Например, ученые из Мичиганского университета сейчас применяют этот подход для …
Исследователи MIT создают робототехнический захват, который сможет распутывать тонкие кабели
Исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического разработали робототехнический захват, который сможет легко манипулировать такими специфическими объектами, …
