[論文レビュー] Predictive Coding Theories of Cortical Function

Linxing Preston Jiang, Rajesh P. N. Rao|arXiv (Cornell University)|Dec 19, 2021

Neural dynamics and brain function被引用数 4

ひとこと要約

本稿では、予測符号化を皮質機能の統合的枠組みとして提示し、新皮質がトップダウンの予測によってボトムアップの予測誤差を最小化する階層的ベイズ推論システムを実装すると提案する。知覚と行動を誤差駆動の精錬プロセスとして定式化することで、理論は感覚処理における驚異の最小化という一貫したメカニズムによって、多様な神経応答と皮質組織を説明する。

ABSTRACT

Predictive coding is a unifying framework for understanding perception, action and neocortical organization. In predictive coding, different areas of the neocortex implement a hierarchical generative model of the world that is learned from sensory inputs. Cortical circuits are hypothesized to perform Bayesian inference based on this generative model. Specifically, the Rao-Ballard hierarchical predictive coding model assumes that the top-down feedback connections from higher to lower order cortical areas convey predictions of lower-level activities. The bottom-up, feedforward connections in turn convey the errors between top-down predictions and actual activities. These errors are used to correct current estimates of the state of the world and generate new predictions. Through the objective of minimizing prediction errors, predictive coding provides a functional explanation for a wide range of neural responses and many aspects of brain organization.

研究の動機と目的

• 予測符号化を通じて新皮質機能を理解する包括的な理論的枠組みを提供すること。
• トップダウンの予測とボトムアップの予測誤差を用いて、階層的皮質回路がいかにベイズ推論を実行するかを説明すること。
• 知覚、行動、皮質アーキテクチャの多様な側面を、単一の計算的原則の下に統合すること。
• 神経回路網と脳における確率的推論の間の機械的リンクを確立すること。
• 理論が神経的および行動的現象の複数のレベルにわたって説明力を持つことを示すこと。

提案手法

• 世界の階層的生成モデルを皮質領域にわたって実装する。
• トップダウンのフィードバック接続を、低レベルの神経活動の予測を伝えるものとしてモデル化する。
• ボトムアップのフィードフォワード接続を、予測された入力と実際の感覚入力の間の予測誤差を伝えるものとしてモデル化する。
• 内部表現の反復的精錬を通じて予測誤差を最小化することによって、皮質計算を定式化する。
• ベイズ推論の原則を適用し、神経回路が感覚的証拠に基づいて世界に関する信念をどのように更新するかを説明する。
• Rao-Ballardモデルを、皮質回路における階層的予測符号化の代表的実装として用いる。

実験結果

リサーチクエスチョン

• RQ1 階層的皮質回路は、感覚知覚の文脈でいかにベイズ推論を実行するか？
• RQ2 トップダウンの予測とボトムアップの予測誤差が皮質処理において果たす機能的役割は何か？
• RQ3 予測誤差の最小化が新皮質で観察される多様な神経応答特性をどのように説明できるか？
• RQ4 予測符号化は、脳における感覚系および運動系の組織をどのように説明するか？
• RQ5 予測符号化は、単一の計算的枠組みの中で知覚、行動、学習をどのように統合するか？

主な発見

• 予測符号化は、感覚野および連合皮質で観察される多様な神経応答を機能的に説明する。
• 皮質回路の階層的構造により、予測と誤差計算がレベルに分散され、効率的な推論が可能になる。
• 予測誤差は知覚の更新と運動補正の両方を駆動し、知覚と行動を共通のメカニズムで結びつける。
• 理論は、予測符号化アーキテクチャを通じて、皮質柱組織と層状接続パターンを説明できる。
• 複数の感覚モalityおよび行動タスクにおいて、予測符号化と整合的な神経動態が観察される。
• 誤差最小化を通じて、知覚的錯覚、注意の調節、感覚適応といった現象が理論で説明可能になる。