[논문 리뷰] The implications of perception as probabilistic inference for correlated neural variability during behavior

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

Neural dynamics and brain function참고 문헌 42인용 수 4

한 줄 요약

이 논문은 인지적 판단 과정 중 감각 신경 가변성을 촉수 피드백이 어떻게 형성하는지 설명하는 확률적 추론 프레임워크를 제안한다. 이는 임상적 조건에 따라 변하는 소음 상관관계, 선택 확률과 심리물리적 커널의 다름을 설명하며, 상관되는 가변성이 소음이 아니라 임상적으로 관련된 정보를 담고 있음을 예측한다. 모델은 정상적이고 검증 가능한 방식으로 감각적 및 인지적 신호를 신경 샘플링을 통해 통합한다.

ABSTRACT

This paper addresses two main challenges facing systems neuroscience today: understanding the nature and function of a) cortical feedback between sensory areas and b) correlated variability. Starting from the old idea of perception as probabilistic inference, we show how to use knowledge of the psychophysical task to make easily testable predictions for the impact that feedback signals have on early sensory representations. Applying our framework to the well-studied two-alternative forced choice task paradigm, we can explain multiple empirical findings that have been hard to account for by the traditional feedforward model of sensory processing, including the task-dependence of neural response correlations, and the diverging time courses of choice probabilities and psychophysical kernels. Our model makes a number of new predictions and, importantly, characterizes a component of correlated variability that represents 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.

연구 동기 및 목표

• 인지에서 촉수 피드백과 신경 가변성 간의 관계를 규명하는 데 도전한다.
• 2AFC 작업에서 오랫동안 남아 있는 경험적 수수께끼를 설명한다. 예를 들어, 소음 상관관계의 임상적 조건 의존성과 선택 확률 및 심리물리적 커널의 시간적 경과가 다름을 설명한다.
• 감각적 및 인지적 과정을 확률적 추론을 통해 통합하는 신경생리학적으로 검증 가능한 프레임워크를 개발한다.
• 상관되는 신경 가변성을 단순한 소음이 아니라 임상적으로 관련된 정보를 담고 있음을 특성화한다.

제안 방법

• 모델은 감각 입력(x), 이득 조절(g), 결정(D)을 위한 잠재 변수를 가진 계층적 생성 모델을 사용하여 인지를 확률적 추론으로 프레임화한다.
• 신경 샘플링을 사용하여 잠재 변수의 후행 분포를 근사하며, 들어오는 감각 샘플에 기반해 믿음이 온라인으로 업데이트된다.
• 결정 수준(D)의 피드백은 감각 표현에 상향식 사전 확률로 작용하여 초기 영역의 반응을 조절한다.
• 모델은 증거가 통합되는 시간 척도(ns)를 가정하며, 배치 처리가 아니라 연속적인 업데이트를 한다.
• 선택 확률(CP)과 심리물리적 커널(PK)은 신경-행동 상관관계 및 자극-행동 상관관계의 통계적 측도로 계산된다.
• 시뮬레이션은 제어된 작업 조건 하에서 신경 반응과 행동 선택을 생성하기 위해 지그 샘플링을 사용하며, 파라미터는 경험적 시간 경과에 의해 제약된다.

실험 결과

연구 질문

• RQ1 고차원 결정 영역의 피드백은 인지적 판단 과정 중 조기 감각 신경 가변성을 어떻게 형성하는가?
• RQ2 왜 감각 뉴런의 소음 상관관계는 작업 맥락에 따라 달라지며, 어떤 기능적 역할을 하는가?
• RQ3 왜 어떤 2AFC 작업에서 선택 확률과 심리물리적 커널이 시간 경과에 따라 다름을 보이는가?
• RQ4 정상적 확률적 추론 모델이 CP와 PK의 동역학을 추가적인 가정 없이 동시에 설명할 수 있는가?
• RQ5 상관되는 신경 가변성의 기능적 의미는 무엇인가? 그것은 소음인가, 아니면 임상적으로 관련된 정보인가?

주요 결과

• 모델은 결정 작업의 구조에 따라 달라지는 소음 상관관계의 임상적 조건 의존성을 성공적으로 재현한다.
• 선택 확률(CP)과 심리물리적 커널(PK)의 시간적 경과가 다른 현상을 설명한다. CP는 시간이 지남에 따라 증가하고, 일부 작업에서는 PK가 감소한다.
• 모델은 소음 상관관계가 공간적으로 두 개의 최댓값과 두 개의 최솟값을 가지며, 이는 임상적으로 관련된 자극과 일치함을 예측한다.
• 이 최댓값과 최솟값의 진폭은 인지 학습의 시간 척도 동안 증가하며, 경험적 경향과 일치한다.
• 모델은 시험 도중 증거의 상대적 가중치가 자극 강도에 따라 동적으로 변화함을 예측한다.
• 상관되는 가변성은 단순한 소음이 아니라, 상향식 사전 확률이 감각 표현에 미치는 영향을 반영하므로 임상적으로 관련된 정보를 담고 있다.