[論文レビュー] Perceptual decision making: Biases in post-error reaction times explained by attractor network dynamics

Kevin Berlemont, Jean‐Pierre Nadal|arXiv (Cornell University)|Mar 2, 2018

Neural dynamics and brain functionNeuroscience参考文献 93被引用数 22

ひとこと要約

本稿では、フィードバックなしの知覚的意思決定において観察される誤答後の遅れ（post-error slowing）および誤答後の正確性向上（post-error improvement in accuracy）という行動的現象が、縮約されたアトラクターネットワークモデル内の内因的非線形ダイナミクスに起因することを提案する。後決断抑制電流を組み込むことで、モデルはこれらの逐次的効果を定性的にかつ正確なスケールで再現し、それらが外部フィードバックや明示的な記憶メカニズムではなく、ネットワークダイナミクスに起因することを示している。

ABSTRACT

Perceptual decision making is the subject of many experimental and theoretical studies. Whereas most modeling analysis are based on statistical processes of accumulation of evidence, less attention is being devoted to the modeling with attractor network dynamics, even though they describe well psychophysical and neurophysiological data. In particular, very few works confront attractor models predictions with data from continuous sequences of trials. Recently however, a biophysical competitive attractor network model has been used to describe such sequences of decision trials, and has been shown to reproduce repetition biases observed in perceptual decision experiments. Here we propose an extension of the reduced attractor network model of Wong and Wang (2006) to get more insights into such effects. We make explicit the conditions under which such network can perform a succession of decisions, and show that the model provides a mathematical framework for studying the effects of a trial on the decision made on the next one. We study in details the reaction times properties during a sequence of decision trials, and show that the model reproduces behavioral data, both qualitatively and quantitatively. In particular, we find that the decision made on the current trial is biased toward the one made on the previous trial. More remarkably, we show that, in the absence of any feedback about the correctness of the decision, the network exhibits post-error slowing, a subtle effect in agreement with empirical data.

研究の動機と目的

• フィードバックや明示的な記憶ユニットに依存せずに、知覚的意思決定における誤答後の遅れおよび誤答後の正確性向上を説明すること。
• アトラクター・ネットワーク内の内因的非線形ダイナミクスが、連続的意思決定タスクにおける逐次的効果をどのように生じさせるかを調査すること。
• 意思決定後に抑制入力が与えられた場合、アトラクターに閉じ込められたり過去の状態の記憶を失ったりすることなく、安定した繰り返しの試行性能を達成するための条件を同定すること。
• 反応時間および二値選択タスクにおける逐次的選択の実験的データとモデル予測を比較すること。
• 一次の逐次的効果（例：誤答後の調整）が、追加の記憶モジュールがなくても、ネットワークダイナミクスそのものから自然に生じることを示すこと。

提案手法

• 後決断抑制電流を組み込んだ、縮約された Wong と Wang (2006) のアトラクター・ネットワーク・モデルの適応。
• 各意思決定後に発火する、生理学的根拠を持つ抑制入力をネットワークに統合。
• 安定した試行の逐次的進行を可能にするパラメータ領域を特定するためのネットワーク非線形ダイナミクスの数学的解析。
• インターリタール間隔が500 msまで短い連続的な二選択強制選択（TAFC）試行の数値シミュレーション。
• 反応時間および誤差率の逐次的変化を分析し、誤答後および正答後のダイナミクスを評価。
• モデル出力と、誤答後の遅れおよび誤答後の正確性向上に関する実験的行動データの比較。

実験結果

リサーチクエスチョン

• RQ1 フィードバックや明示的な記憶ユニットが存在しない最小限のアトラクター・ネットワーク・モデルが、誤答後の遅れおよび誤答後の正確性向上を再現できるか。
• RQ2 意思決定後に抑制入力が与えられた場合、アトラクターに閉じ込められずかつ過去のダイナミクスの記憶を失わず、安定した繰り返しの試行性能を達成するための動的条件は何か。
• RQ3 反応時間および正確性は、逐次的意思決定におけるネットワークの非線形ダイナミクスにどのように依存するか。
• RQ4 一次の逐次的効果が、追加のメカニズムではなく、ネットワークダイナミクスそのものの固有の性質としてどれほど自然に生じるか。
• RQ5 被験者が誤りを認識していない場合でも、誤答効果が持続する理由は、ネットワークの動的状態からどのように説明できるか。

主な発見

• モデルは、誤答後の遅れ（誤答後の反応時間が延長）および誤答後の正確性向上（誤答後の誤差率低下）を、定性的に正しい行動および正しいオーダー・オブ・マグニチュードで再現した。
• これらの効果は、フィードバックや明示的な記憶モジュールを必要とせず、後決断抑制入力付きのアトラクター・ネットワークの非線形ダイナミクスから自然に生じる。
• 抑制入力のパラメータが適切に調整されていれば、ネットワークは最初のアトラクターに閉じ込められず、過去のダイナミクスの記憶を失うこともない。
• 一次の逐次的効果（例：ICD,max = 0.035 nA）を示すパラメータ領域では、二次のバイアスや複雑な繰り返しパターンのような高次効果は再現されないため、最小限のモデルの限界が示された。
• 誤答後および正答後の放電率分布は顕著に重複しており、1試行あたりの誤り検出は困難である。これは、誤りがしばしば意識的に認識されない理由を説明する可能性がある。
• モデルは、誤答効果が戦略的調整によるものではなく、意思決定状態に続くネットワークの緩和ダイナミクスそのものに起因するものであると示唆している。