[論文レビュー] Perceptual decision-making as probabilistic inference by neural sampling

Ralf M. Haefner, Pietro Berkes+1 more|arXiv (Cornell University)|Aug 31, 2014

Neural dynamics and brain function参考文献 55被引用数 6

ひとこと要約

本論文は、注意を用いないことで、相関する神経活動と行動を説明する、階層ベイズモデルにおける確率的推論としての知覚的意思決定をフレームするニューラルサンプリングフレームワークを提案する。トップダウン接続がタスクに関連する知識をエンコードする仕組みを示し、変動性を無駄なノイズではなく有用な情報として再解釈する。神経生理学および心理学的実験における検証可能な予測を提示する。

ABSTRACT

We present a new framework that combines the idea of perception as probabilistic inference with the recently proposed neural sampling hypothesis to make directly testable neurophysiological and psychophysical predictions. Applying our framework to the well-studied two-alternative forced choice task paradigm, we functionally explain multiple empirical ndings, including task-dependent correlations between neuronal responses, between responses and behavior, and between stimulus and behavior, that have been hard to account for by the traditional feedforward model of sensory processing. The top-down connections required by probabilistic inference in our hierarchical model allow the correlated sensory neural responses to reect task-relevant knowledge without invoking the concept of attention. Our model makes a number of new predictions and characterizes correlated variability as reecting task-related information rather than performance-degrading noise. It also demonstrates a normative way to integrate sensory and cognitive components into physiologically testable mathematical models of perceptual decision-making. Almost 150 years ago, Helmholtz proposed that visual perception is an inference process 1 . He suggested that at any point in time the brain combines its prior knowledge about the external world with the incoming sensory information to compute the most likely explanation for its inputs. Substantial evidence from both psychophysics 2 and recent physiological

研究の動機と目的

• 知覚的意思決定を確率的推論とニューラルサンプリングが統合された生物学的に妥当なフレームワークで統一すること。
• 従来のフィードフォワードモデルに挑戦する長年の経験的発見（例：神経応答の相関、刺激と行動の相関）を説明すること。
• トップダウン接続が確率的推論を通じてタスクに関連する知識を自然にエンコードすることにより、注意の概念を排除すること。
• ベイズ推論の文脈において、神経変動性をノイズではなくタスクに関連する情報の反映と再解釈すること。
• 感覚的および認知的プロセスを統合した、ノーマティヴで数学的に根拠のあるモデルを提示し、神経生理学的および心理学的実験で直接検証可能にすること。

提案手法

• 知覚を、感覚入力の最も可能性の高い原因の推論として定式化する階層ベイズモデルを構築する。
• スパiking活動が、可能な解釈の事後分布から確率的にサンプリングする神経サンプリング仮説を適用する。
• トップダウンフィードバック接続を用いて事前知識とタスクの関連性をエンコードし、感覚応答を動的に形状づける。
• 2選択強制選択（2AFC）タスクにおける意思決定を、潜在状態のサンプリングに基づく推論としてシミュレートする。
• モデルのサンプリングダイナミクスに基づき、神経相関、応答-行動関係、刺激-行動依存性に関する予測を導出する。
• 既知の心理学的および神経生理学的データと照合して、モデルの予測が観察された相関関係および応答パターンと整合することを検証する。

実験結果

リサーチクエスチョン

• RQ1 知覚的意思決定を、神経サンプリングメカニズムを用いた確率的推論としてどのように説明できるか？
• RQ2 注意を想起させない状況で、トップダウン接続が感覚応答をどのように形状づけるか？
• RQ3 知覚的タスクにおいて、神経応答、行動、刺激の間で相関が観察される理由は何か？
• RQ4 神経変動性を、性能を低下させるノイズではなく、有用な情報と解釈できるか？
• RQ5 感覚的および認知的要因を、1つの直接検証可能な神経生理学的モデルにどのようにノーマティヴに統合できるか？

主な発見

• モデルは、神経応答のタスク依存的相関を、ノイズや注意ではなく、トップダウン接続にエンコードされた共通のタスクに関連する事前分布の結果として説明する。
• 事後分布からのサンプリングが自然にこのような依存関係を生じることを示し、行動と神経応答の相関を説明する。
• モデルは、刺激-行動相関が感覚的証拠と事前知識が確率的推論を通じて統合されることによって生じると予測する。
• 神経応答の相関する変動性は、性能を低下させるノイズではなく、タスクに関連する情報を反映していると再解釈される。
• フレームワークは、ベイズ推論を通じて認知的および感覚的プロセスがどのように統合されるかをノーマティヴに説明する。
• モデルは神経生理学的記録および心理学的実験において直接検証可能な予測を生成し、特に応答相関および意思決定ダイナミクスに関する予測を含む。