[논문 리뷰] Perceptual decision-making as probabilistic inference by neural sampling

Ralf M. Haefner, Pietro Berkes외 1명|arXiv (Cornell University)|2014. 08. 31.

Neural dynamics and brain function참고 문헌 55인용 수 6

한 줄 요약

이 논문은 계층적 베이지안 모델에서의 확률적 추론으로서 인지적 결정을 프레임화하는 신경 샘플링 프레임워크를 제안한다. 이는 주의를 고려하지 않고도 상관관계가 있는 신경 활동과 행동을 설명한다. 이는 상향식 연결이 임무 관련 지식을 어떻게 인코딩하는지 보여주며, 변동성을 잡음이 아니라 유의미한 정보로 재해석한다. 신경생리학 및 심리물리학 분야에서 검증 가능한 예측을 제공한다.

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

연구 동기 및 목표

• 생물학적으로 타당한 프레임워크 내에서 인지적 결정을 확률적 추론과 신경 샘플링과 통합하는 것.
• 기존의 전방향 모델이 도전하는 오랫동안 알려진 경험적 발견—예를 들어 상관관계가 있는 신경 반응과 刺자-행동 상관관계—를 설명하는 것.
• 상향식 연결이 확률적 추론을 통해 임무 관련 지식을 자연스럽게 인코딩함으로써 주의의 필요성을 제거하는 것.
• 베이지안 추론의 맥락에서 신경 변동성을 잡음이 아니라 임무 관련 정보의 반영으로 재해석하는 것.
• 감각 및 인지 과정을 통합한 범용적이고 수학적으로 기반을 둔 모델을 제공하여 직접적으로 신경생리학적 및 심리물리적 실험에서 검증 가능한 것.

제안 방법

• 감각 자극의 가장 가능성 높은 원인을 추론하는 방식으로 인지를 정의하는 계층적 베이지안 모델을 수립한다.
• 신경 샘플링 가설을 적용하여,皮질 집단의 스파iking 활동이 가능한 해석에 대한 사후 분포에서 확률적으로 샘플링하도록 한다.
• 상향식 피드백 연결을 사용하여 사전 지식과 임무의 중요성을 인코딩하고, 감각 반응을 동적으로 조절한다.
• 잠재 상태에 대한 기반 샘플링 추론을 시뮬레이션하여 이원선택 강제 선택(2AFC) 임무에서의 결정을 모델링한다.
• 모델의 샘플링 동역학에 기반하여 뉴런 상관관계, 반응-행동 관계, 자극-행동 의존성에 대한 예측을 유도한다.
• 기존의 심리물리적 및 신경생리학적 데이터와 비교하여 모델의 예측을 검증하고, 관측된 상관관계와 반응 패턴과의 일관성을 보여준다.

실험 결과

연구 질문

• RQ1 신경 샘플링 메커니즘을 사용하여 인지적 결정을 어떻게 확률적 추론으로 설명할 수 있는가?
• RQ2 주의를 고려하지 않고 상향식 연결이 감각 반응을 어떻게 조절하는가?
• RQ3 왜 인지 작업에서 뉴런 반응, 행동, 자극 간의 상관관계를 관찰하는가?
• RQ4 신경 변동성을 해로운 잡음이 아니라 정보적인 것으로 해석할 수 있는가?
• RQ5 감각 및 인지 성분을 어떻게 범용적으로 하나의 검증 가능한 신경생리학적 모델로 통합할 수 있는가?

주요 결과

• 모델는 상향식 연결에 인코딩된 공통된 임무 관련 사전 지식으로 인해 발생하는, 잡음이나 주의에 기반하지 않는 임무 의존적 뉴런 반응 상관관계를 설명한다.
• 사후 분포에서의 샘플링이 자연스럽게 그러한 의존성을 초래하므로, 행동과 뉴런 반응 간의 상관관계를 설명할 수 있다.
• 모델는 자극-행동 상관관계가 감각 증거와 사전 지식이 확률적 추론을 통해 통합됨으로써 발생한다고 예측한다.
• 뉴런 반응의 상관되는 변동성은 성능 저하의 잡음이 아니라, 임무 관련 정보를 반영하는 것으로 재해석된다.
• 이 프레임워크는 베이지안 추론을 통해 인지적 및 감각 과정이 어떻게 통합되는지를 범용적으로 설명한다.
• 모델는 특히 반응 상관관계와 결정 역학에 관해 직접적으로 검증 가능한 예측을 생성하여 신경생리학적 기록 및 심리물리적 실험에 기여한다.